Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers

📄 arXiv: 2404.05748v2 📥 PDF

作者: Sayantan Kumar, Tom Earnest, Braden Yang, Deydeep Kothapalli, Andrew J. Aschenbrenner, Jason Hassenstab, Chengie Xiong, Beau Ances, John Morris, Tammie L. S. Benzinger, Brian A. Gordon, Philip Payne, Aristeidis Sotiras

分类: q-bio.NC, cs.LG

发布日期: 2024-04-04 (更新: 2024-07-01)

备注: Under review in Alzheimer's & Dementia

期刊: Alzheimer's Dement. 2025; 21:e70143

DOI: 10.1002/alz.70143

💡 一句话要点

提出多模态规范建模以分析阿尔茨海默病的异质性

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 阿尔茨海默病 多模态规范建模 深度学习 影像生物标志物 疾病严重性指数 组内异质性 认知功能

📋 核心要点

  1. 现有研究多集中于单一神经影像模态，无法全面揭示阿尔茨海默病的异质性。
  2. 本研究提出了一种深度学习驱动的多模态规范建模框架，能够分析ATN成像生物标志物的个体差异。
  3. 结果表明，AD患者在更严重的临床阶段表现出更高的组内异质性，且DSI与认知功能和疾病进展风险显著相关。

📝 摘要（中文）

本研究采用基于深度学习的多模态规范框架，分析阿尔茨海默病（AD）患者在ATN（淀粉样蛋白-塔蛋白-神经退行性变）成像生物标志物上的个体差异。通过对665名发现队列和430名复制队列的T1加权MRI、淀粉样蛋白和塔蛋白PET数据进行分析，评估了淀粉样阳性个体与阴性对照之间的异常偏差。结果显示，AD的临床阶段越严重，ATN异常模式的组内异质性越大，且疾病严重性指数（DSI）与认知功能下降及疾病进展风险增加相关。

🔬 方法详解

问题定义：本研究旨在解决现有方法在分析阿尔茨海默病异质性时的局限性，特别是单一模态无法全面捕捉个体差异的问题。

核心思路：通过构建一个多模态的深度学习框架，结合T1加权MRI、淀粉样蛋白和塔蛋白PET数据，来评估个体在ATN生物标志物上的异常偏差。

技术框架：研究采用了交叉验证的发现和复制队列，首先进行数据预处理，然后通过规范建模估计个体的异常偏差，最后计算疾病严重性指数（DSI）。

关键创新：本研究的创新在于首次将多模态数据结合应用于阿尔茨海默病的异质性分析，揭示了不同临床阶段的组内差异。

关键设计：在模型设计中，采用了特定的损失函数来优化异常偏差的估计，并通过深度学习网络结构来增强模型的表达能力。具体参数设置和网络结构细节在论文中进行了详细描述。

📊 实验亮点

实验结果显示，AD患者在更严重的临床阶段表现出更高的ATN异常模式组内异质性，DSI与认知功能下降呈显著负相关，且DSI的提高与疾病进展风险增加相关，提供了新的生物标志物评估方法。

🎯 应用场景

该研究的潜在应用领域包括阿尔茨海默病的早期诊断、个性化治疗方案的制定以及对疾病进展的监测。通过深入理解AD的异质性，能够为临床提供更为精准的干预措施，提升患者的生活质量。

📄 摘要（原文）

INTRODUCTION: Previous studies have applied normative modeling on a single neuroimaging modality to investigate Alzheimer Disease (AD) heterogeneity. We employed a deep learning-based multimodal normative framework to analyze individual-level variation across ATN (amyloid-tau-neurodegeneration) imaging biomarkers. METHODS: We selected cross-sectional discovery (n = 665) and replication cohorts (n = 430) with available T1-weighted MRI, amyloid and tau PET. Normative modeling estimated individual-level abnormal deviations in amyloid-positive individuals compared to amyloid-negative controls. Regional abnormality patterns were mapped at different clinical group levels to assess intra-group heterogeneity. An individual-level disease severity index (DSI) was calculated using both the spatial extent and magnitude of abnormal deviations across ATN. RESULTS: Greater intra-group heterogeneity in ATN abnormality patterns was observed in more severe clinical stages of AD. Higher DSI was associated with worse cognitive function and increased risk of disease progression. DISCUSSION: Subject-specific abnormality maps across ATN reveal the heterogeneous impact of AD on the brain.