基于影像学 ATN 生物标志物的多模态范数建模分析阿尔茨海默病的异质性
神经元与认知
2026-02-06 v2 机器学习
摘要
引言：以往研究在单一神经影像模态上应用范数建模以研究阿尔茨海默病（AD）的异质性。我们采用基于深度学习的多模态范数框架，分析 ATN（淀粉样蛋白-tau-神经变性）影像生物标志物在个体层面的变异。方法：我们选择了具有可用 T1 加权 MRI、淀粉样蛋白和 tau PET 的横断面发现队列（n = 665）与复制队列（n = 430）。范数建模估计了淀粉样蛋白阳性个体相对于淀粉样蛋白阴性对照的个体层面异常偏差。在不同临床组水平上绘制区域异常模式图，以评估组内异质性。利用 ATN 异常偏差的空间范围与幅度计算了个体层面的疾病严重程度指数（DSI）。结果：在更严重的 AD 临床阶段观察到 ATN 异常模式更大的组内异质性。较高的 DSI 与较差的认知功能及增加的疾病进展风险相关。讨论：ATN 范围内的个体特异性异常图揭示了 AD 对大脑的异质性影响。
引用
@article{arxiv.2404.05748,
title = {Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers},
author = {Sayantan Kumar and Tom Earnest and Braden Yang and Deydeep Kothapalli and Andrew J. Aschenbrenner and Jason Hassenstab and Chengie Xiong and Beau Ances and John Morris and Tammie L. S. Benzinger and Brian A. Gordon and Philip Payne and Aristeidis Sotiras},
journal= {arXiv preprint arXiv:2404.05748},
year = {2026}
}
备注
Under review in Alzheimer's & Dementia