《Frontiers in Artificial Intelligence》：Baseline mood and non-motor symptom burden are associated with cognitive progression in Parkinson’s disease: an interpretable follow-up cohort analysis with separate neuroimaging, molecular, and digital analyses in independent samples
编辑推荐：
在1,612名帕金森病进展标志物倡议（Parkinson’s Progression Markers Initiative，PPMI）基线参与者中，1,439名具有可评估基线后认知数据，并在第5年前贡献5,909条记录。复合认知进展发生于720名参与者（50.
在1,612名帕金森病进展标志物倡议（Parkinson’s Progression Markers Initiative，PPMI）基线参与者中，1,439名具有可评估基线后认知数据，并在第5年前贡献5,909条记录。复合认知进展发生于720名参与者（50.0%）。基线情绪/非运动负担每升高1个标准差，与进展概率升高相关（校正优势比1.37，95%置信区间1.20–1.55）。1,000次受试者Bootstrap区间为准1.20–1.57，估计在1至5年窗口中稳定（优势比1.35–1.41）。在10次分层5折交叉验证中，将复合负担加入临床协变量使平均受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）从0.665微增至0.682。研究人员将PPMI结果与小样本静息态功能磁共振成像（resting-state functional magnetic resonance imaging，fMRI）、转录组和数字分析分别解释，并规划未来同受试者研究；这些独立分析不用于受试者级整合或验证。小样本静息态fMRI中多数静态与动态比较未通过错误发现率（false-discovery-rate，FDR）校正；两个阈值特异的基于网络统计量（network-based-statistic，NBS）成分作为探索性假设保留。分子排序与既往帕金森病生物学一致，可穿戴与语音数据集仅显示源任务可行性。基线情绪/非运动评估可支持未来风险富集研究，但交叉验证增益有限、缺乏外部临床验证及受试者匹配多模态数据，尚不能临床实施。
研究背景方面，帕金森病（Parkinson’s disease，PD）是具有异质性的神经退行性疾病，运动症状只是残疾的一部分，认知、精神、自主神经、睡眠和感觉症状均为疾病负担的重要组成部分。认知障碍会影响独立性、照料者负担和临床试验设计，但近诊断期的认知进展预测仍不精确。人工智能（artificial intelligence，AI）与机器学习在神经退行病中若要有临床价值，需要具备可解释性、对数据伪影稳健、报告透明并能联系合理疾病生物学。情绪与非运动症状常见、可规模化、常规可测，可能反映分布式神经递质和网络易损性，因此可作为真实世界风险特征。研究人员在PPMI观察性资源中检验基线情绪/非运动负担能否预测0–5年认知进展，并把独立神经影像、分子、数字分析严格区分为背景假设生成，而非参与者级验证，从而回应AI医疗中泄露、乐观偏倚、不透明和跨数据集误验证等问题。论文发表于《Frontiers in Artificial Intelligence》。
关键技术方法方面，研究人员使用PPMI基线PD参与者，构建复合情绪/非运动负担分数与症状域计数，以0–5年复合认知进展为主结局，并用1–4年窗口做敏感性分析；统计上采用完全校正logistic回归、Spearman相关、主成分分析（principal component analysis，PCA）与k均值聚类、1,000次非参数受试者Bootstrap、10次分层5折交叉验证与FDR校正。独立样本包括OpenNeuro ds005892静息态fMRI队列、公共基因表达综合（Gene Expression Omnibus，GEO）转录组与通路资源、帕金森病智能手表（Parkinson’s Disease Smartwatch，PADS）及开放语音/远程监测数字表型数据；影像侧用fMRIPrep、Schaefer 100分区与Yeo 7网络、静态/动态连接、置换NBS；分子侧用预设PD/情绪/认知通路与候选基因排序；数字侧仅做源任务可行性，不与PPMI结局整合。
研究结果方面，3.1 基线情绪与非运动负担与PPMI中认知进展相关：研究人员在1,439名可评估随访参与者中发现，复合负担每升1个SD，校正优势比1.37（95% CI 1.20–1.55），症状域计数亦显著；GDS、STAI、ESS、SCOPA-AUT、抑郁心境、淡漠、疲劳通过FDR校正。负担五分位中进展率由38.9%升至64.2%，聚类分低、中、高负担组进展率为41.8%、56.0%、65.5%；高负担者重复MoCA轨迹更低。Bootstrap区间1.20–1.57，1–5年优势比1.35–1.41；加负担后AUC仅增0.017，说明内部稳定但增量判别有限。
3.2 另一样本静息态fMRI提供探索性脑网络背景：OpenNeuro的55名受试者含健康对照、PD正常认知（PD-NC）与PD轻度认知障碍（PD-MCI），但无PPMI对齐暴露。静态连接中体感运动与控制网络名义p最小，但多数比较未过FDR；结果仅作候选脑区背景，不验证PPMI临床关联。
3.3 OpenNeuro队列中探索性置换NBS产生阈值依赖成分：在p<0.02与p<0.005边阈值下分别有137边和24边成分通过成分广度FWE校正，p<0.01中间阈值未通过，显示阈值敏感；成分跨默认、体感运动、背侧注意、视觉等系统，但因小样本且无PPMI匹配，仅作未来影像假设。
3.4 其他样本分子分析提供假设生成背景：研究人员用GEO与预设通路模块发现突触多巴胺、溶酶体/自噬、线粒体、神经免疫等模块与既往PD文献一致；候选基因DRD2、SLC6A3、SNCA、TH居前。因组织与采样框不同、先验已预设，这不是de novo机制发现，也不构成PPMI关联的分子和脑连接证据。
3.5 其他样本数字分析关注测量可行性：PADS中非运动症状负担与加速度计RMS呈负相关；独立语音数据中正则化logistic与随机森林区分PD和对照AUC为0.882与0.934；远程监测语音特征与UPDRS相关。但这些数据无PPMI暴露-结局配对，只证明源任务可行，不能验证认知进展的数字生物标志物。
讨论部分总结方面，研究人员强调基线情绪/非运动负担与认知进展是关联而非因果；可能涉及缝核5-羟色胺、蓝斑去甲肾上腺素、中脑边缘多巴胺、基底前脑胆碱能及Lewy病理扩展，但本文未直接检验机制，也不能区分神经退变、药物效应、反应性情绪或早期认知改变影响报告。独立影像、分子、数字结果都只能生成假设：小样本fMRI多数未过FDR，NBS成分阈值依赖；分子排序与已知PD生物学一致但不是中介证据；数字数据只显示可采集。临床含义是低成本基线清单可作试验风险富集或分层的一阶段工具，高负担者可行6–12个月结构化认知复查，但不能单独决定诊断、治疗或随访频率。方法学贡献是把可解释临床表型作为未来同受试者多模态研究的基准，而非已完成的多模态预测模型。
研究结论部分翻译：在PPMI中，较高基线情绪/非运动负担与认知进展相关（每SD校正优势比1.37）；该关联不建立因果关系。使用OpenNeuro、GEO与既往文献、PADS和语音数据开展的独立分析分别处理探索性网络模式、候选生物学通路和测量可行性，这些分析涉及不同样本，不解释也不验证PPMI关联。未来研究应在同一参与者中对齐重复临床、影像、数字和分子测量，并评估复制性、校准、增量预测价值和临床效用。
