Neurology：fMRI功能连接性，可预测脑卒中后的长期认知结果
大约50%的脑卒中患者会出现持久的、多领域的认知障碍，有时会导致痴呆。尽管这些损伤的发生率相对较高，但认知障碍的长期预测因素还不太清楚。
大约50%的脑卒中患者会出现持久的、多领域的认知障碍，有时会导致痴呆。尽管这些损伤的发生率相对较高，但认知障碍的长期预测因素还不太清楚。
MRI中的静息状态功能连接(rs-MRI)因其能够描述缺血性卒中后的远期大脑变化和认知结果而引起了人们的极大兴趣。然而，大多数文献研究集中在中风后神经可塑性增强的3-6个月 "关键窗口"。研究发现，在群体水平上，功能网络(卒中后认知障碍(PSCI)网络)能够识别卒中后6个月的认知障碍患者(无论哪个认知领域)。对脑卒中患者进行6个月以上的随访，或许能通过开发机器学习算法，用于预测个体水平上的认知减退和痴呆症。机器学习算法可从患者层面的观察开始，寻找能够可靠预测结果的特征组合;因此，这种方法非常适合根据临床和影像学数据预测认知能力下降。
藉此，法国里尔大学的Renaud Lopes等人，探究了MRI功能连接性(Functional Connectivity)是否能预测轻度脑卒中后36个月的长期认知功能。
他们将72名首次卒中的参与者纳入基线并随访36个月。然后开发了一种ridge regression机器学习算法，并根据6个月时使用MRI测量的功能网络(卒中后认知障碍(PSCI)网络)来预测卒中后36个月的认知评分。在四个认知领域(记忆、注意力/执行、语言和视觉空间功能)评估了预测的准确性，并与临床数据和其他功能网络进行了比较。此外，中风后6个月评估了皮质萎缩对认知的影响。最后，通过第二个独立的数据集(n=40)用来验证结果，并评估其通用性。
结果显示，基于PSCI网络，一个机器学习模型能够预测中风后36个月的记忆、注意力、视觉空间功能和语言功能(r-square：分别为0.67、0.73、0.55和0.48)。基于PSCI的模型至少与基于其他功能网络或临床数据的模型一样，可准确长期认知功能。四个认知领域的特定模式被证明，左上额叶皮层对记忆、注意力和视觉空间功能的参与。脑卒中后6个月的皮质厚度与脑卒中后36个月的认知功能没有相关性。独立验证数据集也给出了类似的结果。
这个研究的重要意义在于，发现了fmri功能性连接性，可基于PSCI网络的机器学习模型，预测脑卒中后的长期认知结果。对长期认知功能的预测可有助于发现中风后有痴呆症风险的患者，从而从早期认知康复和个性化治疗中获益。
相关文章
评论
我要跟帖
.jpg)
