研究人员提出了一种数据驱动的策略，对从轻度认知障碍发展为阿尔茨海默病的风险进行分层

在未来几年内，全球范围内发现的患有阿尔茨海默病（AD）的18名患者的康复计划成本将超过1万亿美元除了巨大的健康负担外，患者及其护理人员还经历了经济、身体和心理压力在AD中，一个或多个治疗失败的原因是正在接受实验和治疗的患者在疾病预防过程中被选为工具因此，重要的是要确定患者在疾病早期进展为AD的风险较高

为了帮助识别哪些人可以从早期干预中受益，波士顿大学的研究人员开发了一个深度学习框架，可以根据他们患AD的风险对轻度认知障碍（MCI）的个体进行分层

“量化阿尔茨海默病（AD）进展的风险可以帮助识别哪些人可以从早期干预中受益，”负责人VijayaB说Kolachalama，博士，FAHA，美国波士顿大学医学教授协会Chobanian&；阿韦迪西安医学院

该团队研究了来自阿尔茨海默病神经成像倡议（ADNI）和国家阿尔茨海默病协调中心（NACC？水平研究的射线物质在该组中进行了大量测试，以确定不同的小组，并通过专家评估验证他们的发现该模型将神经网络与生存分析系统相结合，以预测MCItoAlzheimer病的进展他们将他们的模型预测与生物证据相结合，用死后数据证实了阿尔茨海默氏症的诊断

Kolachalama补充道：“通过利用机器学习中的优势，我们展示了与AD相关的大脑区域，如大脑中的中期承受能力是预测进展风险的关键区域，从而确保我们的发现与公认的医学知识一致。”

根据研究人员的说法，这些发现代表了泌尿学和计算机科学交叉领域的创新，同时使用常规收集的信息来评估模型与生物证据的一致性，如MCItoAD的结构MRI定量方法

“我们将基于生存的神经网络与最低限度的全过程结构MRI相结合，这是一种可用的、非侵入性的技术。此外，通过采用最先进的深度学习方法与SH应用A附加功能p训练（SHAP）相结合在合作博弈论的基础上，为了提高机器学习模型的透明度和可解释性，我们能够确定对预测进展风险增加特别重要的区域“.

这些定义在我们的iScience.

该研究的资金来源于KarenTofferCharitableTrust、美国心脏协会（20SFRN35460031）和国家卫生研究所（RF1-AG062109、R01-HL159620、R21-CA253498、R43-DK134273、RF1-AG072654、U19-AG068753和P30-AG013846）感谢波士顿大学CTSI1UL1TR001430为我们的REDCap调查提供的支持