- 3 次围观
Tau PET 负荷与阿尔茨海默病后续认知衰退相关,这促使研究者开展监测预测及空间靶向治疗研究。我们提出 Tau-CTFP,这是一种由连接组信息辅助的生成式连续时间首次通过模型,用于预测 tau PET 异常首次被观测到的区域;异常依据规范阈值定义。模型基于汇总的连续扫描对进行训练,结合当前规范 tau 评分、此前已异常区域的网络暴露程度,以及通过自适应方式学习的区域易感性,从而生成个体化、针对特定预测时段的发病风险、预期发病区域数及其不确定性。参与者分离的排序评估纳入了 117 名淀粉样蛋白阳性 ADNI 参与者的 168 次随访。每次随访均包含起始 tau PET 值明确正常且此前未观察到异常的区域,其中既有发生异常的区域,也有未发生异常的区域。在所有评估的随访中,排序最高的区域有 59.5% 变为异常(精确率;按与阈值的接近程度排序时为 46.4%);平均而言,最多选择 5 个区域可覆盖 53.6% 的符合条件的发病区域(召回率)。随访层面的平均精确率(AP)均值为 0.584(95% CI:0.536–0.632;随机排序为 0.272);AP 汇总了优先级列表随着纳入更多区域而覆盖更多发病区域时的精确率。AUROC 为 0.820(95% CI:0.793–0.847)。经多重比较校正后,AP 显著优于全部五种针对该任务调整的进展模型及按与阈值的接近程度排序的方法;在纳入更接近异常状态的区域后,结果仍然如此。在主要评估中,轻度认知障碍组的首选区域精确率为 63.8%(随机选择为 19.1%)。在 297 次转变中,在区域概率固定的条件下,对发病区域数量的依赖性进行建模,相较于假设各区域相互独立,显著改善了预测分布。留出 ADNI 参与者中也观察到相似的 天天中彩票粤AP(0.567;95%置信区间:0.458–0.675)。这些预测可为个体化监测和空间靶向治疗的前瞻性研究提供参考。
Tau-CTFP:一种融合连接组信息、用于预测脑区 tau PET 异常起始时间的连续时间首次通过模型 | bioRxiv
跳至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
Tau-CTFP:一种融合连接组信息、用于预测脑区 tau PET 异常起始时间的连续时间首次通过模型
查看 ORCID 个人资料
Cigdem
Aslay
,
查看 ORCID 个人资料
Juan Domingo
Gispert
,
查看 ORCID 个人资料
Pablo
Villoslada
,
阿尔茨海默病神经影像学倡议
doi:
https://doi.org/10.64898/2026.10.26.761855
Cigdem Aslay
1
庞培法布拉大学;
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Cigdem Aslay 的 ORCID 记录
通信联系:
cigdem.aslay{at}upf.edu
Juan Domingo Gispert
2
BarcelonaBeta 脑研究中心;
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Juan Domingo Gispert 的 ORCID 记录
Pablo Villoslada
3
德尔马医院研究所
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Pablo Villoslada 的 ORCID 记录
摘要
信息/历史
指标
补充材料
预览 PDF
摘要
Tau PET 负荷与阿尔茨海默病患者后续的认知下降相关,因此有必要开展预测,以支持监测及空间靶向治疗研究。我们提出 Tau-CTFP,这是一种融合连接组信息的生成式连续时间首次通过模型,用于预测首次观测到的脑区 tau PET 异常起始时间,其中异常依据常模阈值定义。该模型使用合并后的连续两次扫描配对数据进行训练,结合当前的 tau 常模评分、来自既往已出现异常脑区的网络暴露,以及自适应学习得到的脑区易感性,从而生成个体化的,
特定时间范围内的起病风险、预期起病数量及计数不确定性。按参与者分组的排序评估纳入了来自117名淀粉样蛋白阳性ADNI参与者的168次随访。每次随访均包含若干脑区:这些脑区的基线 tau PET 值明确处于正常范围,且此前未观察到异常;其中既有新发异常的脑区,也有未新发异常的脑区。排名最高的脑区在59.5%的评估随访中转为异常(精确率;按与阈值的接近程度排序时为46.4%);平均而言,最多选择排名前五的脑区可捕获53.6%的符合条件的新发异常(召回率)。按随访计算的平均精确率(AP)用于概括随着优先列表延长、纳入更多新发异常时的精确率,其均值为0.584(95% CI:0.536–0.632;随机排序:0.272)。AUROC为0.820(95% CI:0.793–0.847)。经多重比较校正后,AP显著高于全部五种针对任务调整的进展模型以及按与阈值接近程度排序的结果;即使纳入更接近异常阈值的脑区,这一结果仍然成立。在主要评估中,轻度认知障碍参与者的首选脑区精确率为63.8%(随机选择:19.1%)。在297次转变中,在各脑区概率保持不变的情况下,对脑区间依赖关系进行建模,相较于假设独立,显著改善了新发异常数量的预测分布。在留出ADNI参与者中,AP表现相近(0.567;95% CI:0.458–0.675)。这些预测可为个体化监测和空间靶向治疗的前瞻性研究提供参考。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助方信息
欧盟
101136991
版权
本预印本的版权持有人为作者/资助方;其已授予 bioRxiv 永久展示本预印本的许可。
本内容依据 CC-BY 4.0 国际许可协议公开。
返回顶部
上一篇
下一篇
发布于2026年10月30日。
下载 PDF
补充材料
电子邮件
感谢您有意帮助传播 bioRxiv 的相关信息。
注意:索取您的电子邮件地址仅用于标识您为本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请输入多个电子邮件地址,每行一个,或以逗号分隔。
您将通过电子邮件发送以下内容
Tau-CTFP:一种融合连接组信息的连续时间首次通过模型,用于预测脑区 tau PET 异常的出现时间
邮件主题
(您的姓名)向您转发了一个来自 bioRxiv 的页面
邮件正文
(您的姓名)认为您可能希望浏览 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为真人访客,并防止自动提交垃圾信息。
分享
Tau-CTFP:一种融合连接组信息的连续时间首次通过模型,用于预测脑区 tau PET 异常的出现时间
Cigdem
Aslay
,
Juan Domingo
Gispert
,
Pablo
Villoslada
,
阿尔茨海默病神经影像学倡议
bioRxiv
2026.10.26.761855;
doi:
https://doi.org/10.64898/2026.10.26.761855
分享本文:
复制
引文工具
Tau-CTFP:一种融合连接组信息的连续时间首次通过模型,用于预测脑区 tau PET 异常的出现时间
Cigdem
Aslay
,
Juan Domingo
Gispert
,
Pablo
Villoslada
,
阿尔茨海默病神经影像学倡议
bioRxiv
2026.10.26.761855;
doi:
https://doi.org/10.64898/2026.10.26.761855
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote(标签格式)
EndNote 8(XML 格式)
Medlars
Mendeley
Papers
RefWorks 标签格式
Ref Manager
RIS
Zotero
推文小组件
Facebook 点赞
Google Plus One
学科领域
神经科学
学科领域
所有文章
动物行为与认知
(8164)
生物化学
(19027)
生物工程
(15171)
生物信息学
(45528)
生物物理学
(22958)
癌症生物学
(20183)
细胞
生物学
(27398)
临床试验
(138)
发育生物学
(14187)
生态学
(21455)
流行病学
(2067)
进化生物学
(25862)
遗传学
(16385)
基因组学
(23894)
免疫学
(19089)
微生物学
(43343)
分子生物学
(18417)
神经科学
(95434)
古生物学
(715)
病理学
(3041)
药理学与毒理学
(5221)
生理学
(8302)
植物生物学
(16324)
科学传播与教育
(2119)
合成生物学
(4662)
系统生物学
(10422)
动物学
(2432)
关键词:tau蛋白PET · 阿尔茨海默病 · 连续时间首次通过模型 · 脑连接组 · 区域性异常预测
原文链接:https://www.biorxiv.org/content/10.64898/2026.10.26.761855v1?rss=1