アルツハイマー病の評価のための疾患状態の指紋

アルツハイマー病（AD）の診断プロセスが進化しています。疾患固有のバイオマーカーに関する知識は絶えず増加しており、患者から大量のデータが測定されています。収集されたデータから追加の利点を得るために、ADの臨床診断をサポートするために、新しい統計モデリングとデータ視覚化システムが提案されています。提案されたシステムは、不均一な神経心理学、臨床、およびバイオマーカーデータを以前に診断された症例と比較することにより、患者のAD状態の証拠に基づいた推定を計算します。この文脈のAD状態は、患者の診断された疾患集団との類似度の程度を示しています。患者データの概要と計算の結果は、簡潔な疾患状態指紋（DSF）の視覚化に表示されます。視覚化は、患者データが広告状態にどのように寄与するかを明確に明らかにし、情報の迅速な解釈を促進します。複雑で不均一な患者データからAD状態をモデル化するために、DSFの根底にある統計疾患状態指数（DSI）メソッドが開発されました。Alzheimer's Disease Neuroimaging Initiative（ADNI）のベースラインデータを使用して、DSIが高齢の健康なコントロールからADへの疾患の進行をモデル化する能力と、軽度の認知障害（MCI）からADへの変換を予測する能力を評価しました。DSIは、実際の診断によく対応する、行儀の良い広告状態の推定値を提供することがわかった。MCIからADへの変換を予測するために、DSIは最先端の参照分類器と同様のパフォーマンスを達成します。結果は、DSFがAD診断を改善するための効果的な意思決定サポートとデータ視覚化フレームワークを確立し、臨床医が大量の多様な患者データを迅速に分析できることを示唆しています。

Diagnostic processes of Alzheimer's disease (AD) are evolving. Knowledge about disease-specific biomarkers is constantly increasing and larger volumes of data are being measured from patients. To gain additional benefits from the collected data, a novel statistical modeling and data visualization system is proposed for supporting clinical diagnosis of AD. The proposed system computes an evidence-based estimate of a patient's AD state by comparing his or her heterogeneous neuropsychological, clinical, and biomarker data to previously diagnosed cases. The AD state in this context denotes a patient's degree of similarity to previously diagnosed disease population. A summary of patient data and results of the computation are displayed in a succinct Disease State Fingerprint (DSF) visualization. The visualization clearly discloses how patient data contributes to the AD state, facilitating rapid interpretation of the information. To model the AD state from complex and heterogeneous patient data, a statistical Disease State Index (DSI) method underlying the DSF has been developed. Using baseline data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), the ability of the DSI to model disease progression from elderly healthy controls to AD and its ability to predict conversion from mild cognitive impairment (MCI) to AD were assessed. It was found that the DSI provides well-behaving AD state estimates, corresponding well with the actual diagnoses. For predicting conversion from MCI to AD, the DSI attains performance similar to state-of-the-art reference classifiers. The results suggest that the DSF establishes an effective decision support and data visualization framework for improving AD diagnostics, allowing clinicians to rapidly analyze large quantities of diverse patient data.