用于多变量纵向数据的块状混合成员模型：发现临床异质性与识别帕金森病亚型

帕金森病 (PD) 的当前诊断和预后因疾病进程的异质性面临巨大挑战，包括：(i) 症状严重程度在患者间差异巨大；(ii) 症状是否独立发生或与相关症状共现差异显著；(iii) 重复症状测量表现出显著的时序相关性。为解决这些挑战，我们提出一种新型块状混合成员模型 (BM3)，系统揭示 PD 中患者间、症状间和时间上的临床异质性。BM3 的核心思想是将多变量纵向测量划分为多个离散块，使每个块内的测量共享相同的潜在成员，而潜在成员可跨块变化。因此，PD 相关的异质测量在时间上被划分为由相关症状和连续时间组成的临床同质块。对帕金森 progression markers initiative 数据 (n=1,531) 的分析发现，PD 存在三种典型疾病轮廓 (阶段)、四组症状 (即自主功能、震颤、左侧和右侧运动功能) 以及两个时期，这些发现深化了对 PD 异质性的理解。此外，我们通过总结块状潜在成员识别出几类临床意义的 PD 亚型，为为 PD 患者制定更精确、针对性的疗法铺平了道路。我们的发现经外部变量验证，在验证数据集中可重复，且与现有方法相比较。模型可辨识性的理论结果进一步确保了在 PD 中发现潜在结构的可靠性和可重复性。