仅使用脑脊液生物标志物的阿尔茨海默病阶段机器学习分类
机器学习
2024-01-03 v1 定量方法
应用统计
摘要
阿尔茨海默病的早期诊断是一个挑战，因为现有方法无法识别处于临床前阶段的患者，该阶段可能持续长达十年之久，然后才出现临床症状。多项研究证明了脑脊液生物标志物（β-淀粉样蛋白1-42、T-tau和P-tau）在阿尔茨海默病阶段早期诊断中的潜力。在这项工作中，我们仅基于脑脊液生物标志物水平使用机器学习模型对阿尔茨海默病的不同阶段进行分类。分析了来自国家阿尔茨海默病协调中心数据库的患者电子健康记录，并根据简易精神状态评分和临床痴呆评级对患者进行细分。进行了统计和相关性分析以识别阿尔茨海默病阶段之间的显著差异。随后，采用机器学习分类器，包括K近邻、集成提升树、集成装袋树、支持向量机、逻辑回归和朴素贝叶斯分类器，对阿尔茨海默病阶段进行分类。结果表明，集成提升树（84.4%）和逻辑回归（73.4%）在二分类中提供了最高的准确率，而集成装袋树（75.4%）在多分类中表现出更好的准确率。这项研究的发现有望帮助临床医生仅凭脑脊液生物标志物就阿尔茨海默病的早期诊断、疾病进展监测以及实施适当的干预措施做出明智的决策。
引用
@article{arxiv.2401.00981,
title = {Machine Learning Classification of Alzheimer's Disease Stages Using Cerebrospinal Fluid Biomarkers Alone},
author = {Vivek Kumar Tiwari and Premananda Indic and Shawana Tabassum},
journal= {arXiv preprint arXiv:2401.00981},
year = {2024}
}