我校余红梅教授团队在一区TOP期刊《Alzheimer's & Dementia》发表研究成果

5月19日，我校公共卫生学院余红梅教授团队在Alzheimer's & Dementia（中国科学院一区TOP期刊，IF=13）发表研究成果《Characterizing bidirectional transitions in mild cognitive impairment and post-reversion based on longitudinal neuroimaging and cognitive assessments》，公共卫生学院卫生统计学教研室青年教师秦瑶为第一作者，余红梅教授为通讯作者。

阿尔茨海默病（AD）诊断技术的不断革新使三维神经影像（如MRI）产生的脑结构信息呈指数级增长。AD病理进程的长期性特质使得时间维度特征成为不可或缺的信息源，而脑区结构复杂的空间定位特性与生理机制，赋予神经影像数据时空双重维度属性。当前研究普遍缺乏能够系统整合时空信息的分析方法。然而，轻度认知障碍（MCI）向正常认知（NC）逆转的评价主要采用多认知域量表，这种方法局限于基线测量未考虑多维度纵向标志物的协同效应；且纵向数据通常以非等距、有限观察时点的离散形式采集（图1）。

图1 MCI的多维演变模式及认知状态间转归路径数量(A)和两名受试者纵向观测与认知结局(B)

该研究引入双重研究目标（降维与动态建模），采用多变量函数型主成分分析（MVFPCA）捕捉多维度纵向认知的异质性模式（图2），采用多层函数型主成分分析（MLFPCA）提取灰质体积比的时空信息（图3和图4）；开发函数型多状态模型，整合上述函数型纵向标志物，以刻画MCI初诊后不同认知状态间的动态转归路径（图5）。

图2 基于MVFPCA提取的时间维度认知信息

图3 基于FPCA提取的脑空间域信息

图4 基于MVFPCA提取的脑时空二维域信息

图5 MCI双向转归的定量建模

余红梅教授团队先后在5项国家自然科学基金的资助下开展了阿尔茨海默病的自然史、计算机辅助诊断、疾病负担和个体化痴呆动态风险预测等系列研究，研究成果可为群体化和个体化痴呆精准预防提供统计决策参考，为复杂纵向数据的处理提供一种新的数据分析范式，为后续建立复杂队列的预测模型提供新思路。

（图文/秦瑶）