Alzheimers Dementia：新影像评分，助力认知能力预测

尽管对来自血液和正电子发射断层扫描（PET）成像的新型痴呆症生物标志物进行了深入研究，但来自结构性磁共振成像（MRI）的生物标志物仍然是一个备受关注的领域。核磁共振成像可以捕捉到病理过程随时间推移而造成的累积性损伤，并且有下面的几个优势：
（1）比正电子发射断层成像的成本低，比获取脑脊液的侵入性低；
（2）在没有收集其他阿尔茨海默病（AD）生物标志物的大型数据库中容易获得；
（3）在淀粉样蛋白/Tau/神经退化（A/T/N）模型中描述神经退化的特征；
（4）可以定义大脑疾病的严重程度和进展情况。

基于MRI的痴呆症风险生物标志物的开发仍然是一个活跃的研究领域，不断产生新的创新。一些MRI生物标志物是由专家知识指导的。

比如，Racine及其同事提出了个性化的AD皮层厚度指数。他们使用了一个综合措施，估计为九个区域的平均皮质厚度，被认为是AD的早期目标，以预测从轻度认知障碍（MCI）到痴呆症的进展。

Brickman及其同事提出了一个退行性和脑血管病理学的指标，它与淀粉样β（Aβ）PET成像和脑脊液中总tau、磷酸化tau和Aβ1-42的水平相关，并预测了发生认知障碍。

Wu等人探究了不同的MRI指标作为社区动脉粥样硬化风险（或ARIC）队列中发生MCI和AD的风险因素的价值，报告说脑组织萎缩和血管病变都有助于ARIC的痴呆和认知障碍。这些方法的共同点是使用基于假设的综合措施，包括几个易受AD影响的脑区。一些综合指标是体积性的，另一些则是基于假设的大脑区域的皮质厚度平均值。

有人提出了基于机器学习方法的MRI数据驱动（data-driven）的生物标志物。很少有人在AD和相关痴呆症的背景下进行过系统的部署。识别早期阿尔茨海默病的空间异常模式指数，是数据驱动开放AD 风险指数的重要代表，它已经被应用于AD的不同问题。

美国Science,Wake Forest School of Medicine的 Ramon Casanova等人，利用高维机器学习方法，推出了阿尔茨海默病模式相似性（AD-PS）得分。这项工作被扩展到妇女健康倡议记忆研究（WHIMS）的MRI队列，其中AD-PS分数与新发的认知障碍、年龄和整体认知功能相关。分数与WHIMS妇女在10年的随访中的全球认知功能的相对轨迹一致。WHIMS的AD-PS分数作为衡量痴呆症的神经解剖学风险的指标，与空气污染有关联。

迄今为止，在数据驱动和假设驱动（hypothesis-driven ）的MRI指数之间，特别是在不同的队列中，作为预测事件性认知障碍的指标的比较还比较少。这项工作下面几个重要目的：

(1)将AD-PS评分扩展到ARIC队列中，并评估其与不同的认知非障碍者队列中发生的认知障碍的关系。

(2)与ARIC中几个易受AD影响的脑区的假设驱动的复合体积测量相比，评估AD-PS评分的相对优势；

(3)对性别、种族和脂蛋白E基因（APOE）ɛ4携带者状态进行探索性分层分析，以评估这些因素对AD-PS评分和复合体积测量在预测事件认知损害时的影响。

他们在839名无认知障碍的人应用AD-PS分数，平均随访时间为4.86年。将这些分数和基于几个易受AD影响的脑区的假设驱动的体积测量法进行比较，作为不同情况下的认知障碍事件的预测因素。

Logistic回归分析表明，数据驱动的AD-PS分数能更加有效地预测新发的认知障碍。

在白人、女性和脂蛋白E基因（APOE）ε4携带者的参与者中，两种生物标志物对发生认知障碍的预测性都更强。

在纳入了不同领域预测因子的随机森林分析，AD-PS分数是认知障碍最相关的MRI预测因子。

这个研究的重要意义在于发现了：AD-PS分数是认知非障碍者发生认知障碍的较强的MRI预测因素。

原文出处：
Casanova R, Hsu F, Barnard RT, et al. Comparing data‐driven and hypothesis‐driven MRI‐based predictors of cognitive impairment in individuals from the Atherosclerosis Risk in Communities (ARIC) study. Alzheimer’s & Dementia. Published online July 26, 2021:alz.12427. doi:10.1002/alz.12427