《Neural Networks》：Hippocampus-Centered Structural Covariance Network Reorganization in Alzheimer’s Disease: An Individualized Graph-Based Biomarker Validated by Machine Learning
编辑推荐：
本研究针对阿尔茨海默病(AD)个体异质性挑战，开发了基于图论的个体化差异结构协变网络(IDSCN)生物标志物。研究发现AD谱系存在以海马为中心的网络重组模式，双侧海马在介导病理传播中发挥关键桥梁作用。机器学习验证表明该标志物在区分AD患者与认知正常者方面表现优异(AUC=0.913)，对轻度认知障碍(MCI)转归预测具有潜力，为AD早期诊断提供了新的网络病理生理学见解。
随着全球人口老龄化进程加速，65岁以上人口预计在2030年突破10亿，年龄作为阿尔茨海默病(Alzheimer's Disease, AD)最主要的危险因素，使得AD及相关痴呆的年龄标准化发病率和患病率持续攀升。AD作为一种神经退行性疾病，不仅严重影响患者生活质量，更带来沉重的社会经济负担。传统研究多从群体层面揭示脑网络退化规律，但AD患者在病理空间进展和症状表现方面存在显著个体异质性，如何在个体水平量化这一网络解体过程成为当前研究的瓶颈。
针对这一挑战，广州中医药大学第一临床医学院陆伟业团队在《Neural Networks》发表创新性研究，通过构建个体化差异结构协变网络(Individualized Differential Structural Covariance Network, IDSCN)，系统揭示了AD全谱系中海马为中心的网络重组模式，为AD早期诊断提供了新型影像学生物标志物。
研究采用ADNI(Alzheimer's Disease Neuroimaging Initiative)数据库1049名参与者数据，包括认知正常(Cognitively Normal, CN)308人、显著记忆关注(Significant Memory Concern, SMC)79人、轻度认知障碍(Mild Cognitive Impairment, MCI)341人和AD患者321人。关键技术方法包括：基于灰质体积(Gray Matter Volume, GMV)构建IDSCN，通过将个体加入参照组(CN组)计算网络扰动；采用图论分析节点拓扑指标(节点强度、中介中心性、节点效率和特征向量中心性)；使用支持向量机递归特征消除(Support Vector Machine-Recursive Feature Elimination, SVM-RFE)进行特征选择和分类验证。
3.1 参与者特征
人群特征分析显示，随着AD谱系进展，参与者更可能为男性、教育水平较低、携带载脂蛋白Eε4(APOEε4)基因型，脑脊液(Cerebrospinal Fluid, CSF)中淀粉样蛋白β42(Aβ42)水平降低，磷酸化tau181(p-tau181)和总tau(t-tau)水平升高。
3.2 AD谱系脑形态学萎缩趋势
宏观分析发现，每个AD阶段进展伴随全脑体积显著萎缩，其中灰质体积萎缩最为显著(每阶段减少15.58cm3)。双侧海马显示最快萎缩速率(左海马Cohen f2=0.381；右海马Cohen f2=0.341)，边缘系统和颞叶新皮质形成核心退变枢纽。
3.3 IDSCN拓扑结构变化
IDSCN分析显示异常结构协变连接(Structural Covariance Connection, SCC)数量随认知障碍加重逐步增加：MCI组出现178个异常SCC，AD组增至1138个。图论分析揭示海马在节点强度、中介中心性、效率和中介中心性四个指标中均占据核心地位，特别是双侧海马的中介中心性选择性增加，凸显其在病理传播网络中的关键桥梁作用。
3.4 基于SVM-RFE的特征选择和分类
机器学习验证显示，IDSCN特征模型在区分AD与CN时表现最优(测试集AUC=0.913)，显著特征集中在海马拓扑属性及其与杏仁核的协变连接。海马节点效率对AD鉴别贡献最大，其中介中心性在MCI识别中占主导地位。
3.5 二次分析
与传统形态学模型比较发现，IDSCN模型在区分MCI与CN时展现早期网络重组检测潜力，而传统形态学模型在晚期AD诊断和MCI转归预测方面更具优势。
研究结论表明，IDSCN能够捕捉AD全谱系中以海马为中心的网络重组动态，双侧海马在介导病理传播中发挥关键作用。该个体化网络标志物不仅为理解AD网络病理生理学提供新视角，更在早期诊断和预后分层方面具有重要转化价值。研究建立的"从功能失调到结构协变网络解体"的级联假说，为未来整合多模态数据的纵向研究指明了方向。
研究局限性包括样本人口结构单一、部分亚组样本量不平衡以及横断面设计限制了对网络重组轨迹的探讨。未来需要通过纵向研究明确神经退行性变的时空轨迹，特别是海马病理如何扩散至其他脑区，以及区域间协同形态变化模式如何导致AD谱系不同阶段的症状恶化。
