阿尔茨海默病和轻度认知损伤的诊断模型

1、PAGE PAGE 4阿尔茨海默病和轻度认知损伤的诊断模型标题缺谓语，什么的建立？罗万春（400038重庆，第三军医大学数学与生物数学教研室）摘要 目的 建立阿尔茨海默病和轻度认知损伤的诊断模型。方法 用ROC曲线进行指标筛选，再用判别分析进行诊断模拟，最后选出正确率最高的判别函数。结果 ROC曲线筛选出4项指标。在包括正常人、阿尔茨海默病人以及轻度认知损伤病人的研究对象中，经过100次随机抽样诊断模拟，线性判别分析诊断的平均正确率达71.4154%，非线性判别的平均正确率达74.7487%，最高正确率为82.051百分率只需要保留小数点后两位有效位数。全文修改。3%，并得到了相应的判别函数。

2、结论 非线性判别函数可有效诊断阿尔茨海默病和轻度认知损伤。关键词 阿尔茨海默病；轻度认知损伤；判别分析；ROC曲线Diagnosis Model of Alzheimers Disease and Mild Cognitive ImpairmentLuo Wan-chun(Department of Mathematics and Biomathematics, Third Military Medical University, Chongqing 400038, China)Abstract: Objective To set up the diagnosis model of Alzhe

3、imers disease and mild cognitive impairment. Methods Use ROC curve to screen the indice and make using diagnosis simulation by discriminant analysis, finally, choose the discriminant function with the highest accuracy. Results Four indice were elected by ROC curve. After 100 times of random sampling

4、 to diagnose to the study objects including normal people, Alzheimers patients and mild cognitive impairment patients, the average diagnosis accuracy of linear discriminant analysis is 71.4154% and that of nonlinear discriminant analysis is up to 74.7487%, and the highest accuracy is 82.0513%, whose

5、 discriminant function has been obtained. Conclusion Nonlinear discriminant analysis can be used to diagnose Alzheimers disease and mild cognitive impairment.Key words英文关键词下方注明通信作者的英文信息，参照中文。: blood; coagulation function;stepwise discrimination analysis;diagnosis 通信作者 罗万春，E-mail: HYPERLINK /wiki/%E9

6、%98%BF%E5%B0%94%E8%8C%A8%E6%B5%B7%E9%BB%98%E7%97%85 o 阿尔茨海默病 t _blank 阿尔茨海默 HYPERLINK /wiki/%E9%98%BF%E5%B0%94%E8%8C%A8%E6%B5%B7%E9%BB%98%E7%97%85 o 阿尔茨海默病 t _blank 病 (Alzheimers disease, AD）是发生在 HYPERLINK /wiki/%E8%80%81%E5%B9%B4%E6%9C%9F o 老年期 老年期及老年前期的一种原发性退行性脑病，指的是一种持续性高级神经功能活动障碍，即在没有意识障碍的状态下，记忆

7、、思维、 HYPERLINK javascript:linkredwin(分析判断); o 分析判断 t 分析判断、视空间辨认、情绪等方面的障碍。 HYPERLINK /wiki/%E9%98%BF%E5%B0%94%E8%8C%A8%E6%B5%B7%E9%BB%98%E7%97%85 o 阿尔茨海默病 t _blank 阿尔茨海默病是由德国精神病医生和神经病理学家Alois Alzheimer于1906年首次描述并被由其名字命名1，现已成为仅次于 HYPERLINK javascript:linkredwin(心血管病); o 心血管病 t 心血管病、脑血管病和癌症等疾病之后，导致老年人死

8、亡的“第四大杀手”。2010年AD患者已超过3500万，预计到2050年，全世界每85人中将有1人患上阿氏老年痴呆症，患病人数将会超过1亿人2,3 。AD对患者、家庭、社会都带来了巨大的危害，不但危害人类的生命安全 4,5，该病所需的直接和间接医疗费用还十分巨大，在欧洲每年需要超过1200亿美元，美国AD协会公布的数据显示，2011年美国每年的此项开支已超过1830亿美元，预计到2050年将达到1.1万亿美元6。因此，WHO已将老年痴呆症定为21世纪五大重点疾病之一。虽然AD正确的早期诊断对患者的评估、控制、护理和未来规划有重要价值7-11，但由于轻度认知损伤（mild cognitive i

9、mpairment, MCI）患者和早期的AD患者在临床上十分相像，使得AD的早期诊断变得十分困难12。本文拟从数学模型的角度，研究能有效诊断AD和MCI的模型。1资料与方法1.1资料来源数据源于The LONI Image Data Archive（/login.jsp）。选出所有指标数据齐全的样本391个，其中正常人（normal）101人，MCI患者200人，AD患者90人。数据矩阵的维度为39131，其中每个样本的指标30项，包括age（年龄）先写中文，再写英文，有英文缩写的要注明中英文全称，格式为“大脑容积（英文全称，CV）”、education（受教育时间）、MMSE（简易智力状况

10、检查量表得分）、TOTALMOD（ADAS-cog修正值）、BV（大脑容积）、VV（心室容积）、VBV（心室与大脑容积之比）、LH（左海马体积）、RH(右海马体积)、HV（海马体积与脑容量之比乘以1000）、PRT（左脑的PRT值）、TMP（左右半脑的TMP均值）、FRT（左脑的FRT值）、Oct（左右半脑的Oct均值）、PCING（左右半脑的PCING均值）、ACING（左右半脑的ACING均值）、MFRT（左右半脑的FRT均值）、MPRT（左右半脑的PRT均值）、SMC（左右半脑的SMC均值）、VC（左右半脑的VC均值）、CAD（左右半脑的CAD均值）、CBL（左右半脑的CBL均值）、VE

11、R（左右半脑的VER均值）、HEMI（左右半脑的HEMI均值）、PNS（左右半脑的PNS均值）、CTX（左右半脑的CTX均值）、PTM（左右半脑的PTM均值）、PARH（左右半脑的PARH均值）、AMG（左右半脑的AMG均值）和THL（左右半脑的THL均值），每个指标分别记为，最后一列为患者类型，分别赋值为正常人（1）、轻度认知损伤（2）、阿尔兹海默患者（3）。1.2 研究方法用ROC曲线分析每项指标对AD的诊断敏感度，选择对诊断敏感的指标。再将所有样本随机分为训练样本和检测样本，其中训练样本集中包含正常人51例、MCI100例、AD45例，其余195例均为检测样本，检测样本和训练样本相互独立

12、。最后用判别分析（discriminant analysis）做诊断模拟，并筛选出诊断效果最好的判别函数。1.3 软件ROC曲线在SPSS13.0中完成，其余数据处理用数学软件MATLAB R2009a编程完成。2 结 果2.1 ROC曲线结果对每项指标做ROC曲线分析，发现MMSE（）、TOTALMOD（）、HV（）和PRT（）对于MCI和AD的ROC曲线面积最大（见图1和表1），其中PRT对MCI的ROC曲线下面积虽然不足0.7，但是对于AD的ROC曲线下面积却比较大，因此，可以认为该指标在AD和MCI的识别中有一定的作用，从而筛选这四项指标作为诊断模型的自变量。表2给出了三类人群四项指标

13、的均值和标准差。 (a) MCI的ROC曲线 (b)AD的ROC曲线图1图重拷，有无EXCEL格式，这是排版需要，因为图中的横纵坐标需点击激活修改；如果无，请提供JPG格式的原始图片，但文中的相关英文均需翻译成中文。 四项指标对于MCI和AD的ROC曲线表1表1可删？如果删掉，注意修改表序。 ROC曲线下面积MMSETOTALMODHVPRT正常人对MCI0.8070.8370. 7200.621正常人对 AD0.9920.9970.8660.809表2 正常人、MCI、AD的均值和标准差均值 和标准差不宜作为题目，应有一个具体的名称代替，如什么值MMSE()TOTALMOD()HV()PRT

14、()正常人28.9411.12110.4324.2366.7440.7261.0670.044MCI27.1 1.68317.8076.0636.1150.8841.0420.063AD23.5332.05729.5077.7885.5610.7910.9890.0822.2 诊断模拟筛选出的四项指标均为连续变量，四项指标完全独立且服从正态分布，符合使用判别分析的条件。按照1.2中训练样本集和检测样本集的组成方法作100次线性判别分析，检测样本的平均、最大、最小正确率分别为71.4154%、76.4103%和65.1282%。进一步地，考虑增加非线性项来提高诊断正确率，通过多次模拟实验，发现当

15、增加，和的非线性判别诊断正确率有较大提高，检测样本的平均、最大、最小正确率分别为74.7487%、82.0513%和68.7179%（见图2）。图2重拷要求同图1. 线性和非线性判别分析的正确率为了进一步比较非线性判别和线性判别正确率的差异，将100次模拟获得的线性和非线性判别的正确率作配对样本t检验，得到，可知非线性判别的正确率显著高于线性判别。在100次的非线性判别模拟中，正常人、MCI和AD的平均判别正确例数和正确率见表3。表3 非线性判别的正确效果(平均正确例数和正确率)类别判别为Normal判别为MCI判别为ADNormal41.07 (82.14%)8.93 (17.86%)0(0

16、.00%)MCI21.96 (21.96%)70.88 (70.88%)7.16 (7.16%)AD0(0%)11.19 (24.87%)33.81 (75.13%)从表3可以看出，当正常人、MCI和AD完全混杂在一起时，很大部分的MCI容易被误判为正常人或AD，部分AD也容易被诊断为MCI。但如果已经排除一类（MCI或AD）的可能性时，即只有两类人群的判别，则可达到较高的诊断正确率。表4 100模拟两类的非线性判别诊断正确率(%)类别平均最大最小非AD对AD90.302693.333386.1538正常人对MCI79.673385.333373.3333正常人对AD99.421110095.

17、7895MCI对AD86.655290.344880.6897从表4可以看出，如果三种人群能排除其中一种，则能非常好地判别其类型，尤其是当患者被排除MCI后，对于正常人和AD的100次模拟诊断的平均正确率达到了99.4211%。当将正常人和MCI合并为一类（非AD）时，即只考虑是否患AD的情况下，其平均正确率达到了90.3026%，诊断效果非常好。2.3判别函数既然非线性判别的诊断效果更好，则可筛选出判别正确率最高的情形（正确率82.0513%），并得到其判别函数为： 一旦获得了某人的这4项指标，只要代入上述3个方程比较大小即可。如果最大，则为正常人；最大，则为MCI；最大，则为AD。如果某患

18、者能排除MCI，则可用下述函数判别：将其4项指标的值代入上面的函数。若更大，则为正常人，若更大，则为AD。该判别函数对95个检测样本的诊断正确率为100%。如果某患者能排除AD，则可用下述函数判别：将其4项指标的值代入上面的函数。若更大，则为正常人，若更大，则为MCI。该判别函数对150个检测样本的诊断正确率为85.3333%。如果某患者能确定为MCI和AD之一时，则可用下述函数判别：将其4项指标的值代入上面的函数。若更大，则为MCI，若更大，则为AD。该判别函数对145个检测样本的诊断正确率为90.3448%。3 讨 论本研究的研究对象包括正常人、MCI和AD患者，这更符合临床实际情况，患者

19、前来就诊时不太可能马上可以排除某种疾病，尤其是在MCI的干扰下。因此，尽管在本研究中得到的非线性判别函数对独立于训练样本的检测样本的诊断正确率只有82.0513%（123/195），但对于临床诊断极为困难的AD诊断方法提供了有益的探索，在临床上也可作为辅助诊断的参考。有的研究只考虑了正常人和AD患者13，没有包含MCI患者，正确率为97.5%。如果仅仅考虑正常人和AD患者，本研究在100次模拟中的平均正确率达到了99.4211%，最高可达100%，并可按此方法得到相应的判别函数。不但如此，我们还将只有两类样本的各种情形的最高正确率的判别函数求了出来，对于能排除其中任一种情形再判别为另外两类之一

20、时可作辅助诊断。MCI和正常人是最难诊断的，尤其是MCI的早期诊断，这也较大地影响了包含正常人、MCI和AD患者病例的诊断正确率。在临床诊断中，MMSE是最重要的指标，本研究中也得到了相似的结论。但是，在ROC曲线的分析中发现，TOTALMOD更为敏感，曲线下面积更大。MMSE对AD和MCI患者非常敏感。虽然AD的MMSE均值低于MCI的，但是许多MCI患者的MMSE值低于AD患者MMSE的最大值，部分AD患者的MMSE值又高于MCI患者的MMSE值，有许多交叉部分，因此，仅仅依靠MMSE是不能很好地诊断早期AD和MCI。TOTALMOD的分析可能是以后AD和MCI诊断的一个重要研究方向，在A

21、DNI的数据库中它已经作为了一项重要指标。海马与学习记忆，特别是近期记忆功能密切相关，是AD 最易受累的脑区14，本研究中HV这项指标和海马容量有关，从而对AD的诊断有较重要的影响。本文通过ROC曲线分析，得到的4项指标联合诊断更加科学合理，效率更高。参考文献1 Berchtold NC, Cotman CW. Evolution in the conceptualization of dementia and Alzheimers disease: Greco-Roman period to the 1960s. Neurobiol. Aging, 1998, 19(3):173-189.2

22、 Brookmeyer R., Johnson E., Ziegler-Graham K. et al. HYPERLINK /cgi/viewcontent.cgi?article=1022&context=rbrookmeyer Forecasting the global burden of Alzheimers disease. Alzheimers and Dementia, 2007.3 Henry W. Q., Frank M. L. Alzheimers Disease. N Engl J Med 2010, 362:329-344.4 M ls PK, Marttila RJ

23、, Rinne UK. Long-term survival and predictors of mortality in Alzheimers disease and multi-infarct dementia.ActaNeurol Scand, 1995, 91(3):159-164.5 Dodge HH, Shen C., Pandav R. et al. Functional transitions and active life expectancy associated with Alzheimer disease.Arch. Neurol., 2003, 60(2):253-2

24、59.6 Alzheimers Association, 2011 Alzheimers Disease Facts and Figures, Alzheimers & Dementia, 7(2).7 Okonkwo O.C., Griffith H.R., Copeland J.N. et al. Medical decision-making capacity in mild cognitive impairment: A three-year longitudinal study. Neurology, 2008, 71(19): 1474-1480.8 Brian D.C., Che

25、ngjie X., Emily K.P. et al. Reaction to a dementia diagnosis in individuals with Alzheimers disease and mild cognitive impairment. Journal of the American Geriatrics Society, 2008, 56(3): 405-412.9 Bradford A., Kunik M.E., Schulz P. et al. Missed and delayed diagnosis of dementia in primary care: Prevalence and contributing factors. Alzheimer Disease & Associated Disorders, 2009, 23(4):306-314.10 Boise L., Neal M.B., Kaye J. Dementia assessment in primary care: Results from a study in three ma