痴呆症图像分析与机器学习竞赛十年回顾

利用多参数生物标志物（尤其基于神经影像）的机器学习方法在改善痴呆症早期诊断和预测个体痴呆发病风险方面具有巨大潜力。为在痴呆症机器学习与神经影像领域对算法进行基准测试并评估其用于临床实践和临床试验的潜力，过去十年中组织了七项重大挑战赛。这七项挑战赛针对（临床前）痴呆症的筛查、临床状态评估、预测与监测相关问题。在临床问题、任务和性能指标上重叠甚少。虽有助于对广泛问题获得洞见，但也限制了跨挑战赛的结果验证。验证过程本身在各挑战赛间大体可比，采用类似方法以确保客观比较、不确定性估计与统计检验。总体而言，获胜算法进行了严格的数据预处理并融合了广泛输入特征。尽管取得了最先进的性能，挑战赛评估的大多数方法尚未用于临床。为提升影响力，未来挑战赛可更多关注哪些因素与更高性能相关的统计分析、阿尔茨海默病之外的临床问题，以及使用阿尔茨海默病神经影像倡议以外的测试数据。重大挑战赛将是评估算法性能对其它队列未见过数据泛化能力的理想场所。以此提升影响力的关键在于更大的测试数据规模，可通过共享算法而非数据来利用无法共享的数据实现。