文献类型：期刊文章

作　　者：葛晓燕[1,2] 韩红娟[1] 罗艳虹[1] 范炤[3] 刘龙[1] 王蕾[1] 余红梅[1,4]

机构地区：[1]山西医科大学公共卫生学院卫生统计学教研室,太原030001 [2]锦州医科大学公共卫生学院卫生统计学教研室,辽宁锦州121000 [3]山西医科大学转化医学研究中心,太原030001 [4]重大疾病风险评估山西省重点实验室,太原030001

出　　处：《郑州大学学报（医学版）》

基　　金：国家自然科学基金项目(81973154,81903418);山西省国际合作项目(201803D421068);山西省应用基础研究计划面上青年基金项目(201801D221399)

年　　份：2020

卷　　号：55

期　　号：1

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：全球医疗保健技术的发展在促进寿命延长的同时,也加剧了社会老龄化,从而增加了高龄人群认知衰退和痴呆的风险。痴呆症中阿尔茨海默病(Alzheimer′s disease,AD)是最常见的一种,它是一种严重的进行性中枢神经系统退行性疾病,严重损害患者的认知功能,造成生活自理能力障碍和精神行为异常。AD早期诊断困难,无特效治疗药物,给家庭和社会造成沉重负担。WHO预测2020年老年性痴呆在中国疾病负担中将升至第4位,为未来20 a我国前20项可预防的重大疾病和健康问题[1]。轻度认知障碍(mild cognitive impairments,MCI)通常被认为是正常衰老向AD的中间过渡阶段,是一个超早期预测AD的关键时间窗和治疗关键期。MCI人群已被证实具有高异质性,可进一步分为稳定型MCI(stable MCI,sMCI)和进展型MCI(progressive MCI,pMCI)。近年来随着技术手段的不断创新,对各种影像标记物的研究日益增多,越来越多的研究关注AD风险个体的早期识别,有关AD的早期诊断也在不断地更新和进步,促使其诊断关口不断前移。目前已有大量研究利用人口学特征、神经心理测试、结合单模态或多模态神经影像对AD进行二分类研究,并达到了较高的分类准确率。但在临床实践中,二分类研究存在一定的局限性,所以,仍需要关注AD的多分类诊断研究。

关 键 词：纵向研究  机器学习  阿尔茨海默病 诊断模型  

分 类 号：TP391.41] R749.16[计算机类]