- 3 次围观
基于扩散 MRI 结构连接组的脑龄模型可能为加速脑老化提供影像学生物标志物，但其生物学解释及在异质人群中的可迁移性仍不明确。我们开发了一个兼顾校准与分层可解释性的图学习框架，并在四个独立的老化及阿尔茨海默病相关队列中进行了评估：ADNI、Duke/UNC ADRC、HABS-HD 和 AD-DECODE。分析共纳入 789 名参与者的 1,093 次连接组扫描。研究使用参与者分组交叉验证，在五种影像及多模态特征配置下训练了队列特异性的图神经网络。预测性能在不同队列间的差异大于不同特征集间的差异，仅影像特征的样本外平均绝对误差从 ADNI 的 4.72 岁到 AD-DECODE 的 9.75 岁不等。仅影像特征的图神经网络与在匹配的向量化连接组特征上训练的 ridge 回归、弹性网和梯度提升回归模型表现相当，但并未始终更优。经年龄偏倚校正后的脑龄差最稳定地与各队列中较低的扩散衍生微结构完整性和结构网络组织性相关。在纵向分析中，校正后的脑龄差在 ADNI 和 HABS-HD 中表现出中等到良好的个体内保留性，组内相关系数分别为 0.67 和 0.81；较高的基线值还可预测 ADNI 中后续的微结构和网络退化。多尺度 SHAP 分析识别出来自全局图拓扑、区域影像特征、由边导出的区域汇总，以及涉及丘脑、纹状体、额叶、顶叶、小脑、海马和内嗅皮层环路的单个结构连接的分布式贡献。外部迁移对队列偏移高度敏感：在 12 组非对角训练-测试评估中，采用目标队列线性重校准后，中位平均绝对误差从 17.39 岁降至 8.22 岁，而中位 Pearson 相关系数仍为 0.17。由于重校准使用了目标队列的实际年龄，因此其被解释为诊断性敏感性分析，而非可部署的外部验证。总体而言，这些发现支持将经校准感知的扩散连接组脑龄作为结构性脑老化以及未来微结构和网络脆弱性的可解释影像学生物标志物，同时强调在外部应用前必须进行队列特异性校准。
基于弥散 MRI 的结构连接组构建的脑龄模型，可能为加速脑老化提供影像学生物标志物，但其生物学解释及在异质人群中的可迁移性仍不明确。我们开发了一个具备校准感知能力且具有层级可解释性的图学习框架，并在四个独立的老化及阿尔茨海默病相关队列中进行了评估：ADNI、Duke/UNC ADRC、HABS-HD 和 AD-DECODE。分析共纳入 1,093 次连接组扫描，来自 789 名参与者。研究采用按参与者分组的五折交叉验证，在五种影像及多模态特征配置下训练了队列特异性的图神经网络。预测性能在不同队列之间的差异大于不同特征集之间的差异，其中仅影像输入的样本外平均绝对误差从 ADNI 的 4.72 岁到 AD-DECODE 的 9.75 岁不等。仅影像输入的图神经网络与基于匹配向量化连接组特征训练的岭回归、弹性网和梯度提升回归模型表现相当，但并未始终优于它们。经年龄偏倚校正后的脑龄差与各队列中弥散衍生的微结构完整性下降及结构网络组织受损最稳定相关。在纵向分析中，校正后的脑龄差在 ADNI 和 HABS-HD 中表现出中等到较好的个体内保持性，组内相关系数分别为 0.67 和 0.81；较高的基线值还可预测 ADNI 后续的微结构和网络恶化。多尺度 SHAP 分析识别出来自全局图拓扑、区域影像特征、边缘衍生的区域汇总指标，以及涉及丘脑、纹状体、额叶、顶叶、小脑、海马和内嗅皮层环路的单条结构连接的分布式贡献。外部迁移对队列偏移高度敏感：在 12 组非对角线训练-测试评估中，经过目标队列线性重校准后，中位平均绝对误差由 17.39 岁降至 8.22 岁，而中位 Pearson 相关系数仍为 0.17。由于重校准使用了目标队列的实际年龄，因此其被解释为诊断性敏感性分析，而非可部署的外部验证。总体而言，这些结果支持将具备校准感知能力的弥散连接组脑龄作为一种可解释的结构性脑老化影像学生物标志物，以及未来微结构和网络脆弱性的预测指标，同时强调在外部应用前需要进行队列特异性的校准。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.19.745783v1?rss=1
🏷️ 脑龄建模 扩散MRI 结构连接组 图神经网络 阿尔茨海默病 模型校准