纵向边界锐度系数斜率预测轻度认知障碍向阿尔茨海默病转化的时间：基于ADNI队列的生存分析
神经元与认知
2026-03-30 v1 人工智能
计算机视觉与模式识别
摘要
预测轻度认知障碍（MCI）患者是否会进展为阿尔茨海默病（AD），在神经退行性变的早期阶段至关重要。这种不确定性限制了临床试验的入组并延误了紧急治疗。边界锐度系数（BSC）衡量结构MRI上灰白质边界的清晰程度。本研究测量BSC随时间的变化，即边界每年退化速度，比查看单一基线扫描更好地预测MCI到AD的转化。本研究分析了来自450名ADNI受试者（95名转化者，355名稳定者；平均随访：4.84年）的1824张T1加权MRI扫描。使用组织分割在灰白质皮层带计算BSC体素图。先前的研究使用CNN和RNN模型达到了96.0%的AD分类准确率和84.2%的MCI转化准确率，但这些方法忽略了脑内特定区域。本研究专门聚焦于灰白质界面。该方法使用捕捉边界退化率的时间斜率特征，将其输入随机生存森林——一种针对右删失生存数据的非参数集成方法。基于BSC斜率训练的随机生存森林在测试集上达到C指数0.63，相比基线参数模型（测试C指数：0.24）提升了163%。结构MRI的成本仅为PET成像的一小部分（800-1500美元对5000-7000美元），且不需要脑脊液采集。这些时间生物标志物可用于以患者为中心的安全筛查以及风险评估。
引用
@article{arxiv.2603.26007,
title = {Longitudinal Boundary Sharpness Coefficient Slopes Predict Time to Alzheimer's Disease Conversion in Mild Cognitive Impairment: A Survival Analysis Using the ADNI Cohort},
author = {Ishaan Cherukuri},
journal= {arXiv preprint arXiv:2603.26007},
year = {2026}
}