前言 帕金森病（PD）是全球第二常见的神经退行性疾病，影响60岁以上1%的人群，其全球患病率近年持续上升。除典型运动症状外，PD还伴随一系列非运动症状，比如轻度认知障碍（MCI），显著降低了患者生活质量。目前，临床上诊断PD-MCI主要依据“国际帕金森与运动障碍协会”制定的MDS PD-MCI Level II标准，该标准要求进行覆盖多个认知域的综合性神经心理学评估，被视为诊断的“金标准”。然而，将其纳入日常医疗程序存在一些缺陷。首先，全面的神经心理学测试耗时冗长，需要专家解读，并且基于预先设定的严格阈值。不同研究采用的阈值不同，导至PD-MCI的诊断率存在显著异质性，影响了结果的可比性和临床决策的确定性。因此，亟需开发更灵活、高效且能补充现有临床评估的诊断工具。 近日，卢森堡大学联合多家研究机构在杂志npj Parkinson’s Disease上发表了一篇题为“Data-driven clinical decision support tool for diagnosing mild cognitive impairment in Parkinson’s disease”的文章。作者将机器学习与临床数据相结合，开发并验证了一个基于机器学习的数据驱动模型，用于诊断帕金森病中的轻度认知障碍。该模型显示其性能与临床诊断参考测试相当，并可识别出被传统方法忽略的、具有特定认知损害模式（以额叶执行功能/注意力损害为主）和更高神经精神症状负担的患者亚组。这一发现表明，机器学习模型可以补充临床评估，有助于检测轻度认知障碍，并补充对帕金森病患者的诊断特征描述。
图片来源：npj Parkinson’s Disease 主要内容 研究队列概述 研究纳入了卢森堡帕金森病研究（LuxPark）队列中115名帕金森病患者和 226 名健康对照者。两组在人口统计学和临床特征方面存在差异。PD组年龄更大、男性比例更高，且在全局认知（MDS-UPDRS III）、运动功能、日常生活活动能力（ADL）、主观认知抱怨以及神经精神症状方面表现出更严重的损害。特定领域的认知表现出现了异质性模式，PD组在注意力、执行功能和记忆方面表现更差，而在语言和视觉空间能力方面则未观察到显著差异。 数据驱动模型的构建 为了将PD患者区分为认知正常和MCI两类，作者评估了高斯混合模型（GMM）、K-Means和谱聚类（SC）三种聚类算法。结果表明，SC算法在识别MCI方面表现最优。SC模型的受试者工作特征曲线下面积（AUC）为0.81，高于GMM模型的0.74和K-Means模型的0.77。SC敏感性达到0.97，远高于另外两种模型，表明它能更有效地识别出真正的MCI病例（如下表）。 模型的特征重要性分析显示，在区分认知状态时，特定领域的认知测试是主要的驱动因素。执行功能、记忆和注意力功能被认为是最相关的，而语言和空间视觉能力的贡献较低。此外，疾病相关因素、合并症以及疾病分期等非认知特征也发挥了重要作用。
数据驱动模型的性能比较。图片来源：npj Parkinson’s Disease 模型诊断效能与临床金标准的比较 为了验证数据驱动模型的诊断价值，作者将其与MDS PD-MCI Level II标准的诊断预测强度进行了直接比较。区分PD-NC和PD-MCI的评估指标为用于评估全局认知的MoCA总分、医生评定的认知障碍评分（MDS-UPDRS 1.1），以及患者主观认知评分。 研究结果显示，两种诊断工具的预测效果相当（如下图）。数据驱动模型在MoCA总分和主观认知抱怨的效应量甚至略高于临床诊断参考测试，但没有统计学显著性。而在医生评定的认知障碍方面，临床测试的效应量略高。整体而言，数据驱动模型和临床测试的效应量差异不显著。数据驱动模型在诊断MCI方面的能力不劣于临床金标准，证明其具备可靠的诊断效能。
数据驱动模型在诊断MCI方面的能力不劣于临床金标准。图片来源：npj Parkinson’s Disease 识别被临床标准遗漏的MCI亚组 作者比较了数据驱动模型和临床测试两种方法对同一批PD患者的分类结果，并深入研究了判定不一致的两组。模型识别出了26名被数据驱动模型分类为MCI、但被临床金标准判定为认知正常的患者。分析结果显示，“数据驱动模型判定的早期MCI组”MoCA总分显著低于认知正常组，表明其全局认知功能更差（下图 A）。然而，在医生评定的MDS-UPDRS 1.1得分上，两组无显著差异，提示该评分敏感性不足（下图B）。
数据驱动模型识别被临床标准遗漏的MCI亚组。图片来源：npj Parkinson’s Disease 各群体的认知特征分析 如下图B所示，NC 组（n = 49）表现出较低程度的障碍，不存在遗忘型或多领域障碍，其中超过 75%的个体未出现任何障碍。在数据驱动的早期 MCI 组（n = 26）中，23%的个体未出现任何认知障碍，其余个体呈现单一领域障碍特征，其中非遗忘型障碍占主导，记忆障碍在个体中占 15.4%。最严重的障碍领域是执行功能（34.6%），其次是记忆（15.4%）、视空间能力（11.5%）和注意力（11.5%）。另一方面，MCI 组呈现出完全不同的认知障碍特征，所有个体至少在某一领域存在障碍，多领域障碍的患病率高于 90%。最严重的障碍领域是执行功能和视空间能力，分别影响超过 72%和 64%的个体。遗忘型障碍（记忆）影响了 41%的 MCI 个体。 数据驱动早期MCI组还展现了介于认知正常和典型MCI之间的临床特征与疾病进展风险，可能代表了认知衰退连续谱上的一个早期节点。这些结果表明，与正常对照组相比，数据驱动的早期轻度认知障碍组在注意力、记忆力和执行功能方面表现出更严重的认知障碍，可能是一种独特的临床类型。
各群体的认知特征分析。图片来源：npj Parkinson’s Disease 总结与讨论 这项研究开发并验证了一个基于机器学习的数据驱动模型，用于诊断帕金森病中的轻度认知障碍。该模型能达到与现有临床金标准相当的诊断效能，还揭示了一个被传统方法忽略的、具有特定认知损害模式（以额叶执行功能/注意力损害为主）和更高神经精神症状负担的患者亚组。这个“数据驱动早期MCI组”展现了介于认知正常和典型MCI之间的临床特征与疾病进展风险，可能代表了认知衰退连续谱上的一个早期节点。这一发现表明，机器学习模型可以补充临床评估，有助于检测轻度认知障碍，并补充对帕金森病患者的诊断特征描述。 |
/4 
浙公网安备33010802005999号 
