(資料圖片僅供參考)

記者從首都醫(yī)科大學宣武醫(yī)院獲悉，該院神經(jīng)內(nèi)科唐毅教授團隊聯(lián)合首都醫(yī)科大學生物醫(yī)學工程學院李春林教授團隊近日在《Alzheimer"s & Dementia》上發(fā)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(jiān)督機器學習建模，發(fā)現(xiàn)基于DTI+fMRI組合模型可以有效預測認知障礙的發(fā)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(xiàn)認知功能退化，最終發(fā)展為皮層下血管性認知障礙(SVCI)，另一半的SIVD患者并不發(fā)生認知障礙。然而，哪些患者最終會發(fā)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(yī)科大學宣武醫(yī)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(jīng)心理測評及多模態(tài)核磁影像數(shù)據(jù)建立無監(jiān)督機器學習模型，綜合比較采用不同模型的預測表現(xiàn)，發(fā)現(xiàn)DTI+fMRI組合預測認知障礙發(fā)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(xiàn)有方法。在隨后基于外部隊列的驗證研究顯示，該模型表現(xiàn)穩(wěn)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(guī)影像學檢查的、可有效預測皮質下腦小血管病患者發(fā)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(fā)生機制。

據(jù)悉，該研究受國家自然科學基金和科技部國家重點研發(fā)計劃等項目支持。

關鍵詞：