摘要
背景与目的：认知功能障碍（CI）是帕金森病（PD）常见的非运动症状，早期预测认知正常的PD患者是否以及何时发生CI对于疾病的预后至关重要。本研究旨在联合多方面的基线信息建立不同的预测模型，用于个体化评估PD患者进展为CI的风险以及进展时间。 方法：从PPMI数据库中纳入了108例PD患者，在5年的随访过程中有58例进展为CI，50例仍稳定在正常认知范围。首先，采用最小绝对收缩和选择算子（LASSO）Cox回归算法获取影像组学特征，选择多因素Cox回归分析方法筛选出有效的临床指标和实验室生物标志物。然后，采用多变量Cox比例风险模型方法建立不同的预测模型；此外，选择最佳模型的预测因子构建列线图，用于个体化地评估CI进展时间（TTP）。最后，基于最佳模型的截断值将受试者分为高低风险两组，运用Kaplan-Meier（KM）曲线比较两组TTP的差异。 结果：通过LASSOCox回归及多因素Cox回归方法筛选出20个影像组学特征及8个临床指标，分别建立了3种预测模型，其中联合模型在训练集和验证集中的一致性指数（C-index）均为最高，分别为0.988和0.926。校正曲线显示列线图预测的TTP与实际结果之间有较好的一致性，表明了列线图用于个体化评估TTP的可靠性。KM分析证实了按最佳模型得出的截断值（-0.058）划分的高低风险两组间的TTP具有统计学差异（P＜0.05）。 结论：由多方面的基线信息构建的联合模型及多预测因子列线图可以有效地个体化预测PD患者的TTP，这将有利于PD人群的早期风险分层、延缓进一步的认知损害。
NETL