Page 73 - 南京医科大学学报自然科学版

第42卷第4期 智丽萍，祝 昭，袁 敏. 融合影像、神经认知评价和生物标志等多模态数据预测阿尔兹
2022年4月 海默症进展阶段及转化［J］. 南京医科大学学报（自然科学版），2022，42（4）：522-528 ·523 ·

352 samples with MCI status，a binary logistic regression was established for distinguishing converted patients from non⁃converted
patients. We integrated cognitive data，and biomarkers with the brain image data，randomly divided the data set through a cross ⁃
validation method，and calculated accuracy，recall，precision，F1 score，and the area under the ROC curve. Results：For the
classification of AD development stage，combining brain image data，cognitive data and biological measures achieved accuracy rates of
100.00%（AD vs. Normal），77.18%（MCI vs. Normal）and 89.58%（AD vs. MCI）；the areas under the ROC curves are 100.00%（AD vs.
Normal），85.52%（MCI vs. Normal）and 96.39%（AD vs. MCI）respectively；the AUCs for distinguishing Normal，MCI，and AD from
the other two categories are 88.30% ，81.00% and 97.26% respectively，which are significantly higher than the classification
performance using only brain image data. For classification of MCI conversion，the brain image data combined with the cognitive data
can maximize the accuracy rate，from 86.69% to more than 90%；the corresponding AUC increased from 89.21%，which only use the
brain image data to 94.06%. Conclusion：Combining data from multiple sources can improve the classification and prediction accuracy
of AD status and conversion，thus provide theoretical support for clinical practice in early diagnosis of the AD.
［Key words］ Alzheimer disease；MRI brain image；cognitive assessment scale；biomarker
［J Nanjing Med Univ，2022，42（04）：522⁃528］

阿尔兹海默症（Alzheimer disease，AD）是一种 类时可达到 93.85% 的分类准确率，使用皮层下分
起病隐匿的进行性神经系统疾病，主要在老年群体 割后的体积特征区分 MCI 组与正常组和 AD 组时，
中发病，俗称老年痴呆症。轻度认知障碍（mild 检出率分别达到86.54%和75.12%。Gupta等 ［13］ 提出
cognitive impairment，MCI）是由正常衰老状态发展 了一种基于机器学习的分类框架，利用氟脱氧葡萄
为 AD 的一种早期状态，其症状接近于正常衰老过 糖正电子发射断层扫描、结构磁共振成像、脑脊液
程，通常被误以为是衰老的表现。研究表明约44% 蛋白水平和 ApoE 基因来区分 AD 或 MCI，结果表明
的MCI患者在3年内会转化为AD 。全球每年至少 相比于单一模态分类方法，多模态数据联合分类方
［1］
会投入 1 000 亿美元经费用于 AD 的研究、诊断和 法能较大幅度地提高分类性能。
治疗，然而迄今为止尚无有效药物和治疗手段能够 本文将基于阿尔兹海默症影像计划（Alzheimer’s
完全治愈 AD。对处于 MCI 阶段的患者通过加强照 disease neuroim⁃aging initiative，ADNI）数据，通过整
顾并及时进行药物和精神治疗，能有效减缓病情的 合脑图像数据7个重要的特征、2个常用量表数据以
恶化 ［2-3］ ，因此 AD 的早期诊断非常重要。尽早诊断 及4个重要的生物标志物测量数据，找到预测AD的
MCI 可以有效控制延缓疾病的发展，提高患者的生 疾病状态和转化的最佳组合。结果表明有效整合
活质量并减轻社会家庭的负担。 多来源数据能够提高AD的疾病发展阶段和MCI向
AD 的临床诊断主要基于认知量表评价、神经 AD转化的分类预测的准确率。
影像及重要生物标志物 ［4-6］ 。神经影像技术是目前
1 资料和方法
诊断AD最直观可靠的手段。然而神经影像解读容
易受个人主观影响，且脑室扩大和脑沟增宽也可出 1.1 资料
现在正常老年人中，并不是痴呆的唯一征象 。因 本文研究的数据来源于ADNI影像计划（http：//
［7］
此MRI、CT等检查无法检测出早期无特异性影像学 adni.loni.usc.edu/）。数据包括基本社会人口学特征
改变的患者 。文献表明基于脑图像数据对 AD 的 （年龄、性别、种族、婚姻状态、受教育年限等）、神经
［8］
疾病状态或者对MCI转化进行分类仅能达到80%左 认知评价量表数据、神经影像数据和重要生物标志
右的预测准确率 ［9-11］ 。基于脑图像数据、神经认知 数据。本文选择简易精神状态测验（MMSE）和 AD

评价及重要的生物标志等多模态数据有望提高AD 认知评估量表（ADAS⁃Cog13）来衡量样本认知能
早期诊断和 MCI 进展的准确率。Alam 等 ［12］ 提出将 力。所有的影像数据均通过图像分析工具FreeSurfer

脑图像数据及简易精神状态检查量表相结合对AD 进行预处理。从MRI影像数据提取了脑室容积、全
的 3 个进展阶段进行两两分类，结果表明使用脑图 脑容积、海马、内嗅皮质、梭状回、颞中回以及脑容量
像数据的分段体积特征对正常组和AD组进行二分 7 个脑图像特征。生物测量数据包括 Abeta、Tau 和