利用無監督機器學習建模 新模型可有效預測SIVD患者發生認知障礙風險

(資料圖片僅供參考)

記者從首都醫科大學宣武醫院獲悉，該院神經內科唐毅教授團隊聯合首都醫科大學生物醫學工程學院李春林教授團隊近日在《Alzheimer\"s & Dementia》上發表題為“Unsupervised machine learning model to predict cognitive impairment in subcortical ischemic vascular disease”的研究論文。該研究基于長期、多中心隨訪的皮質下缺血性腦小血管病隊列(SIVD)，利用無監督機器學習建模，發現基于DTI+fMRI組合模型可以有效預測認知障礙的發生，為腦小血管病的臨床診療提供了方便有效的工具。

皮質下缺血性腦小血管病是一種常見的小血管疾病，患病率隨著年齡的增長而增加，其中一半的SIVD患者會出現認知功能退化，最終發展為皮層下血管性認知障礙(SVCI)，另一半的SIVD患者并不發生認知障礙。然而，哪些患者最終會發展為認知障礙，目前仍缺乏有效的預測模型，也是亟待解決的臨床問題。

首都醫科大學宣武醫院唐毅教授團隊自2015年起開始建立SIVD及SVCI患者隊列。本研究納入83位SVCI 患者和53位SIVD患者，基于患者的臨床信息，神經心理測評及多模態核磁影像數據建立無監督機器學習模型，綜合比較采用不同模型的預測表現，發現DTI+fMRI組合預測認知障礙發生的準確性、敏感性和特異性分別為86.03%、79.52%和96.23%，高于現有方法。在隨后基于外部隊列的驗證研究顯示，該模型表現穩定，準確性、敏感性和特異性分別為80.52%, 71.11%, 和93.75%。

本研究為臨床提供了一種基于常規影像學檢查的、可有效預測皮質下腦小血管病患者發生認知障礙的模型，同時，從腦結構和腦功能連接的角度進一步揭示皮質下缺血性腦小血管病的發生機制。

據悉，該研究受國家自然科學基金和科技部國家重點研發計劃等項目支持。