神经影像特征计算
在多样化样本中推导SPARE-BA和SPARE-AD评分
对T1加权图像进行颅骨剥离、场偏置校正和多图谱分割得到145个感兴趣区，应用SPARE-BA和SPARE-AD算法（高维支持向量回归）计算评分
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
衰老与阿尔茨海默病神经影像特征与体液生物标志物的整合
Integration of neuroimaging signatures of aging and Alzheimer's with fluid biomarkers
实验完整度
高多队列1297人MRI机器学习特征，结合血浆标志物、Aβ PET，进行诊断区分与纵向Cox进展验证
主要模型
HABS‐HD队列参与者 South Texas ADRC队列参与者 ADNI队列参与者
重点核对
纳入标准：年龄≥60岁，基线CU或MCI，T1 MRI与血浆p-tau217、GFAP、NfL采集间隔在180天内 SPARE-BA和SPARE-AD模型训练集分别为16438名和13354名参与者，测试集分别为18815名和21915名 血浆标志物按检测平台基于Aβ阴性CU参与者标准化为z分数 诊断区分采用逻辑回归AUROC，进展预测采用Cox比例风险模型，均调整年龄、性别、APOE ε4和队列 纵向样本394人，平均随访3±3年，63例转化
摘要
引言：应用于神经影像的机器学习算法可能有助于诊断和疾病监测。本研究旨在多样化样本中推导脑衰老（SPARE‐BA）和阿尔茨海默病（SPARE‐AD）的神经影像特征，并检验其与血浆生物标志物、诊断和疾病进展的关联。方法：使用1297名非痴呆参与者的T1图像计算SPARE‐BA和SPARE‐AD。通过偏相关评估神经影像特征与血浆生物标志物的关联。采用逻辑回归和Cox比例风险模型评估诊断准确性和临床进展。结果：SPARE‐AD与血浆磷酸化tau 217的关联最强，而SPARE‐BA与血浆神经丝轻链的相关性最强。神经影像特征与血浆生物标志物的组合实现了最高的诊断区分度和与临床进展的最强关联。讨论：衰老和阿尔茨海默病的神经影像特征与血浆生物标志物表现出不同的关联。神经影像特征联合血浆生物标志物可能改善认知障碍的检测和预测。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- MRI衍生的衰老和AD神经影像特征是否与血浆ADRD生物标志物存在不同关联，能否区分CU与MCI并预测临床进展，以及与血浆标志物联合是否提供补充价值。
- 核心机制
- SPARE-AD反映与AD病理（尤其tau）相关的萎缩模式，与p-tau217关联最强；SPARE-BA反映更广泛的年龄相关萎缩和神经轴突损伤，与NfL关联更强。
- 主要证据
- 在1297名多样化参与者中，SPARE-AD与p-tau217偏相关最强，SPARE-BA与NfL偏相关更高；SPARE-AD联合血浆标志物诊断CU vs MCI的AUROC最高（0.670），SPARE-BA联合血浆标志物与临床进展关联最佳（C-statistic 0.759）。
- 研究意义
- 神经影像特征与血浆生物标志物的整合可能改善认知障碍的检测和预测，有助于临床试验分层和治疗启动决策。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
神经影像特征与血浆标志物关联分析
检验SPARE-BA和SPARE-AD是否与血浆ADRD标志物存在不同关联
使用多变量线性回归和偏相关分析评估神经影像特征与p-tau217、NfL、GFAP的关联，并按Aβ PET状态和种族/民族分层
诊断区分度评估
评估神经影像特征及血浆标志物单独或联合区分CU与MCI的能力
采用逻辑回归计算AUROC，并用LASSO（10折交叉验证）筛选最优标志物组合
临床进展预测
评估神经影像特征及血浆标志物单独或联合与临床转化的关联
采用Cox比例风险模型评估与临床进展的关联，LASSO筛选最优预测组合
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 血浆生物标志物检测 | Quanterix免疫分析试剂盒 | Quanterix | -- |
| Simoa HD-X平台 | Quanterix | -- | |
| Simoa Advantage PLUS检测 | Quanterix | -- | |
| Fujirebio化学发光免疫分析试剂 | Fujirebio | -- | |
| Lumipulse G1200平台 | Fujirebio | -- | |
| Aβ PET成像 | [18F]氟比他班 | -- | -- |
| [18F]氟比他匹 | -- | -- | |
| [18F]NAV4694 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者纳入与分组 | 年龄≥60岁；基线诊断CU或MCI；排除痴呆和其他神经系统疾病；T1 MRI与血浆标志物采集间隔≤180天 阅读提示：Methods 2.1 Participants 纳入与排除标准 |
| 神经影像特征计算 | 3T MRI扫描仪；T1加权图像；145个感兴趣区分割；SPARE-BA和SPARE-AD模型训练与测试样本量 阅读提示：Methods 2.2 Brain MRI processing and pattern classification 及 Figure 1 |
| 血浆生物标志物检测 | 不同队列使用的检测平台和试剂盒（Quanterix Simoa HD-X、Fujirebio Lumipulse G1200）；按平台标准化为z分数 阅读提示：Methods 2.4 ADRD BBMs 及 2.6 Statistical analysis |
| Aβ PET状态分层 | Aβ PET示踪剂种类（FBB、AV45、NAV）；SUVR计算流程；Aβ阳性判定 阅读提示：Methods 2.3 Aβ PET imaging |
| 统计模型与协变量 | 调整年龄、性别、APOE ε4和队列；FDR校正5%；LASSO 10折交叉验证；LOSO交叉验证 阅读提示：Methods 2.6 Statistical analysis 及 Table 3、Table 4 脚注 |