发布时间： 2026-02-08 21:07:45
阿尔茨海默病（AD）是导致痴呆的首要原因，其病理改变通常在临床症状出现前数十年就已开始。尽管已有研究记录了AD患者小脑的神经影像改变，但小脑来源的组学特征和结构网络模型在预测疾病进展中的作用仍不明确。既往研究多关注海马体，而对于小脑叶的微观结构特征及其在AD谱系中的空间和时间演变规律，目前仍缺乏充分的探索。
2024年10月，大连医科大学附属第一医院乐卫东教授团队在《Alzheimer's & Dementia》（中科院1区，最新影响因子11.1）发表了一项诊断性研究。研究开发了集成小脑放射组学-网络模型，结果显示该模型在区分轻度认知障碍（MCI）与认知正常（NC）以及预测NC向MCI转归方面的表现优于传统的海马模型。作者得出结论，小脑放射组学建模是早期识别和监测AD疾病进展的有力工具。
本研究是一项基于多中心影像数据的诊断性及前瞻性队列研究，利用了ADNI数据库（n=1319）和中心内部数据集（n=308）进行模型构建与验证。纳入人群涵盖NC、MCI及AD患者，主要的排除标准详见补充材料。研究人群根据临床评估（如MMSE、CDR评分）分为NC组、MCI组和AD组，其中NC受试者根据6年随访期间是否转化为MCI，进一步分为稳定型NC（s-NC）和进展型NC（p-NC）。结局指标主要为26个小脑叶的放射组学特征（包括一阶、形状及纹理特征，共2730个）和基于图论的结构网络属性（如度中心性DC），这些指标通过3D-T1 MRI图像提取并计算得出。
统计分析方面，作者首先通过t检验、Mann-Whitney U检验及LASSO回归进行特征降维与筛选，随后应用AdaBoost等8种机器学习分类器构建预测模型。采用5折交叉验证评估模型内部性能，并利用独立外部数据集验证其稳健性。此外，应用SHAP框架解释各特征对模型预测的贡献度，并利用Cox比例风险模型评价小脑特征对NC向MCI转化的预测价值。
3.1 数据集人口统计学与临床特征
研究共纳入1627名参与者，在ADNI训练集中，AD组年龄显著高于NC组（P=0.002），且MMSE、CDR及脑脊液生物标志物（Aβ、tau）在各组间均有极显著差异（P<0.001）。这表明所选数据集在临床分期和病理指标上具有明确的可比性。
3.2 AD、MCI及NC受试者中小脑放射组学特征的改变
在2730个特征中，AD vs NC有778个特征存在显著差异，MCI vs NC有824个特征存在显著差异（P<0.05，Bonferroni校正），其中370个保守特征主要集中在小脑 I-II、V、Crus I-II 和 VIIB lobules。结果提示小脑特定区域的微观结构改变贯穿了AD的早期及晚期病程。
3.3 小脑网络拓扑结构的改变
图论分析显示，与NC相比，MCI患者双侧 Crus I 和右侧 VIIIB 的度中心性（DC）显著升高（P<0.05），而AD患者则在多处小叶表现出DC的复杂升降变化。这反映了AD病程中小脑结构连接组的拓扑失调。
3.4 小脑放射组学-网络集成模型的区分性能
在区分MCI与NC时，小脑模型在测试集中的AUC达到0.86（95% CI: 0.793-0.899），显著优于海马模型的0.72（P<0.01）。说明小脑特征在识别早期认知功能减退方面比传统的海马指标更具优势。
3.5 小脑集成模型对NC转化为MCI的预测表现
6年随访数据表明，小脑模型预测转化的AUC为0.818，将临床因素纳入后的联合模型AUC提升至0.852（95% CI: 0.778-0.94），且高风险组的转化风险是低风险组的4.75倍（P<0.001）。结果证实了小脑组学特征在AD临床前阶段的强效预后预测价值。
3.6 小脑模型放射组学-网络特征的验证
验证发现右侧 III lobule 的 GLSZM_LALGLE 等特征随疾病进展呈线性趋势，且与MMSE得分及CSF病理指标（Aβ、p-tau）显著相关（P<0.05）。这建立了影像特征与AD核心病理机制之间的生物学关联。
· 研究前证据：既往文献已证实阿尔茨海默病（AD）患者小脑存在神经影像学和病理学改变，且小脑在认知、语言和情感调节中发挥关键作用。然而，传统的预测模型主要聚焦于海马体，小脑的放射组学特征和结构连接组在疾病早期识别中的价值尚未得到系统性挖掘。
· 研究附加值：本研究首次全面提取了26个小脑叶的放射组学特征，并整合了结构网络信息。研究发现，在识别MCI这一关键节点上，小脑模型的表现优于海马模型。此外，SHAP分析揭示了如 Vermis I-II 等非传统认知功能区在模型中的贡献，为理解小脑参与AD病理的过程提供了新的定量证据。
· 对现有证据的影响：本研究挑战了“海马优于一切”的传统观念，强调了在AD不同阶段考虑区域特异性模型的重要性。对于临床实践而言，小脑放射组学模型可有效对认知正常人群进行风险分层，为早期干预和临床试验筛选提供了高精度的影像学工具。未来研究可进一步结合功能连接数据，探讨小脑-大脑皮层环路在AD进展中的动态演变。
