Ключевые результаты
Исследователи разработали мультимодальную модель для прогнозирования риска когнитивного прогрессирования у пациентов с доклинической болезнью Альцгеймера (БА). Модель логистической регрессии продемонстрировала наилучшую прогностическую эффективность с площадью под ROC-кривой (AUC) 0,818 (95% ДИ: 0,703-0,933) в независимой валидационной выборке. Анализ SHAP (SHapley Additive exPlanations) выявил, что нормализованный объем гиппокампа является наиболее значимым предиктором в модели.
Методология
В ретроспективное исследование было включено 320 пациентов с Aβ-позитивной доклинической БА или умеренными когнитивными нарушениями, связанными с БА. Участники были рандомизированы в обучающую и валидационную группы в соотношении 7:3.
Процесс разработки модели включал:
- Одномерный анализ
- LASSO-регрессию (Least Absolute Shrinkage and Selection Operator)
- Многомерную логистическую регрессию
На основе выделенных ключевых переменных были построены четыре модели машинного обучения. Эффективность моделей оценивалась с помощью:
- Площади под ROC-кривой (AUC)
- Калибровочных кривых
- Анализа кривых принятия решений
Клиническое значение
LASSO-регрессия выявила пять ключевых переменных, имеющих наибольшую прогностическую ценность:
- Общий балл по шкале Mini-Mental State Examination (MMSE)
- Отсроченное воспроизведение в тесте Rey Auditory Verbal Learning Test
- Нормализованный объем гиппокампа
- Уровень фосфорилированного тау-белка 181 (p-tau181) в плазме
- Статус аллеля ε4 аполипопротеина E
Многофакторный анализ подтвердил, что все эти переменные являются независимыми предикторами прогрессирования (p < 0,01). Анализ калибровки и кривых принятия решений в валидационной выборке показал, что модель обладает высокой точностью и клинической полезностью.
Выводы
Разработанная мультимодальная модель демонстрирует надежную прогностическую эффективность и клиническую применимость. Она может служить количественным инструментом для индивидуализированного управления рисками при доклинической БА.
Включение в модель как нейровизуализационных данных (объем гиппокампа), так и плазменных биомаркеров (p-tau181) подчеркивает важность комплексного подхода к ранней диагностике БА. Этот подход может способствовать своевременному выявлению пациентов с высоким риском прогрессирования заболевания и потенциально улучшить результаты будущих клинических испытаний модифицирующих заболевание методов лечения.