背景：阿尔茨海默病（AD）的个体临床认知评估（CCA）可提供广泛的疾病分层，但在敏感性和特异性方面存在局限，需要整合多种CCA以实现最佳疾病分期。 我们实验室的近期研究表明，神经代谢和血管调节障碍（MVD）在AD早期即已发生，在临床症状出现之前，并且可能比单独使用CCA提供更高的敏感性和特异性。 在本研究中，我们将三种广泛接受的CCA与MVD读数相结合，并在AD谱系上开发了一种多模态集成机器学习方法来预测疾病阶段和分级。
方法：从阿尔茨海默病神经影像学倡议（ADNI）资料库分析了372名跨越疾病谱系的AD受试者，其影像数据（正电子发射断层扫描PET：18F-FDG，磁共振成像MRI：T1w， T2 FLAIR， ASL）和临床认知评估（ADAS-Cog， CDR， M
台湾春药专卖店 催情粉 女士催情外用涂抹液 春药水 乖乖水 春药专卖店热销 性欲增强胶囊 强力催情春药 强效男女激情液 催情口服液 女用润滑液 日本兴奋剂 发情专供春药 男士持久药 印度持久神油 威而钢VIAGRA伟哥 液态果冻威而钢 男士保健
成人助兴产品 效能提升产品 情欲提升药 私密助兴用品 情趣保健品 成人保健品 性福提升产品
快速提升性欲 增强亲密感 提升情趣体验 改善性生活品质 增强情感连结 提升激情体 增强夜生活品质 改善亲密关系 情趣加强神器
oCA）数据可用。 影像数据注册到MNI152+标准空间，相对于认知正常对照组进行z分数标准化，并处理MVD指标。 开发了一种临床集富集分析（CSEA），将区域脑变化与CCA评分相关联，将变化映射到功能类别，将其投影到3D笛卡尔空间，并类比轨迹，从而揭示易受伤害区域和具有韧性的区域。 此外，采用集成机器学习方法进行疾病阶段分类，并开发了一种跨越AD谱系的疾病分级方案，以进一步在疾病阶段内进行分层。
研究发现：区域数据遵循基于CSEA评分分层的AD阶段的MVD模式。 女性在每个区域内沿CCA轴显示出更大的阶段分离，表明疾病进展更快。 此外，易受伤害脑区域（例如，中颞回和下颞回、杏仁核）的进展与更长的疾病路径长度相关，而具有韧性的脑区域（缘上回）的进展则不然。 此外，我们的分类和分级方法可以独立于淀粉样蛋白β和tau蛋白，以高精度和准确性预测AD阶段和分级。
解释：本研究开发了一个框架，用于评估AD谱系上MVD和CCA的变化，从而区分易受伤害区域和具有韧性的脑区域。 识别了不同的疾病轨迹，并提出了一种新的数据驱动分级方案，以突出精准医学和治疗评估的潜力。
