整合多模态信息的轻度认知障碍亚型分类研究

摘要

目的 轻度认知障碍（mild cognitive impairment,MCI）是痴呆的早期阶段，其进展具有异质性。通过整合多模态信息实现MCI亚型鉴别诊断可为个性化干预提供指导。方法 本研究数据来源于国家阿尔茨海默病协调中心，共510名受试者，其中270名为遗忘型MCI(amnestic MCI,aMCI),240名为非遗忘型MCI(non-amnestic MCI,naMCI)。我们提取了每位受试者的临床信息、神经心理学测试、MRI的灰质体积（gray matter volume,GMV）以及区域皮层厚度（cortical thickness,CT）。采用多区块稀疏偏最小二乘判别分析（multiblock sparse partial least squares-discriminant analysis,multiblock sPLS-DA）算法，定义三种不同的设计矩阵（矩阵中表示模态间相关性的元素分别为0、0.5、1）模拟多模态之间可能存在的关联，对多模态信息整合以实现分类；并与稀疏主成分分析结合k近邻、朴素贝叶斯、随机森林、支持向量机算法构建的四种模型进行比较。模型验证采用五折交叉验证。结果 设计矩阵中表示模态间相关性元素为0的multiblock sPLS-DA对临床信息、神经心理学测试、GMV、CT进行多模态信息整合的分类效果最好，准确率为86.86%。该情况下，multiblock sPLS-DA的潜在成分个数为3，错误率最低，为0.14。通过multiblock sPLS-DA算法，性别、功能活动问卷、左侧缘上回灰质体积、右侧岛盖部皮层厚度为四种模态最重要的特征。结论 multiblock sPLS-DA可作为利用多模态信息实现MCI亚型鉴别诊断的有效方法，可为MCI亚型的精准诊断提供决策参考。

关键词

轻度认知障碍 / 多模态 / 数据整合