基于多模态成像与机器学习的帕金森病认知障碍早期诊断：动脉自旋标记与定量磁化率成像的生物标志物探索

《Frontiers in Aging Neuroscience》：Multimodal imaging and machine learning for diagnosis of Parkinson’s disease with cognitive impairment: ASL and QSM as potential biomarkers

本研究通过整合动脉自旋标记（ASL）与定量磁化率成像（QSM）技术，结合机器学习算法，系统探讨了帕金森病认知障碍（PDCI）的脑灌注与铁沉积特征。研究发现左侧楔前叶（Precuneus_L）与左侧中央后回（Postcentral_L）的脑血流量（CBF）增加和磁化率升高是区分PDCI的关键影像学生物标志物，随机森林（RF）、K近邻（KNN）等模型在分类任务中表现卓越（AUC=1.000），为PDCI的早期诊断提供了高精度工具。

　　

引言

帕金森病（PD）作为常见的神经退行性疾病，其认知障碍（PDCI）严重影响患者生活质量。研究通过3.0 T磁共振采集48例PDCI、50例非认知障碍PD（PDNCI）及47例健康对照（HC）的多模态影像数据，结合神经心理学量表，旨在揭示PDCI的脑血流与铁代谢异常机制。

材料与方法

采用伪连续动脉自旋标记（pCASL）量化脑血流量（CBF），梯度回波序列（GRE）生成定量磁化率成像（QSM）图。影像数据经SPM12预处理后，通过单因素方差分析（ANOVA）筛选组间差异脑区，并构建随机森林（RF）、K近邻（KNN）等7种机器学习模型进行分类验证。

结果

PDCI组与HC组比较

PDCI组在语言、注意力与工作记忆领域认知评分下降超过2个标准差，视空间功能与执行功能下降超1个标准差。ASL显示左侧额上回眶部（Frontal_Sup_Orb_L）、额中回眶部（Frontal_Mid_Orb_L）等区域CBF显著降低；QSM提示左侧楔前叶（Precuneus_L）、左侧中央后回（Postcentral_L）磁化率升高。相关性分析显示统一帕金森病评定量表（UPDRS）Ⅱ评分与额中回眶部CBF正相关，与中央后回磁化率负相关。

PDNCI组与HC组比较

PDNCI组在右侧中央后回（Postcentral_R）、右侧缘上回（SupraMarginal_R）等区域呈现CBF降低，左侧楔前叶磁化率升高。UPDRSⅢ评分与右侧颞上回（Temporal_Sup_R）CBF正相关。

机器学习模型性能

RF、KNN、XGBoost（XGB）模型在区分PDCI/HC及PDNCI/HC时所有评估指标均达1.000。特征重要性分析表明，左侧楔前叶与中央后回的磁化率变化是分类核心贡献特征。

讨论

PDCI的广泛认知损害与前沿顶叶网络灌注不足及铁沉积异常密切相关。左侧楔前叶作为默认网络枢纽，其磁化率升高可能反映早期铁积累导致的代谢失调。机器学习模型的高性能提示多模态影像特征对PD亚型分类具重要价值，但需扩大样本验证泛化能力。

结论

ASL与QSM衍生的影像特征可作为PDCI无创生物标志物，机器学习模型为早期诊断提供新路径。未来需通过多中心队列进一步优化模型稳健性。