
-
生物通官微
陪你抓住生命科技
跳动的脉搏
通过机器学习识别出的整合性皮层认知特征有助于早期发现2型糖尿病中的轻度认知障碍
《Scientific Reports》:Integrated cortical-cognitive signatures identified by machine learning enable early detection of MCI in type 2 diabetes
【字体: 大 中 小 】 时间:2026年03月15日 来源:Scientific Reports 4.9
编辑推荐:
摘要2型糖尿病会显著增加轻度认知障碍的风险,但目前用于早期检测的可靠生物标志物仍然有限。在本研究中,共有150名年龄匹配的受试者(50名健康对照组、50名2型糖尿病患者、50名患有轻度认知障碍的2型糖尿病患者)接受了高分辨率结构磁共振成像、神经心理学测试以及血清学分析,旨在寻找敏
2型糖尿病会显著增加轻度认知障碍的风险,但目前用于早期检测的可靠生物标志物仍然有限。在本研究中,共有150名年龄匹配的受试者(50名健康对照组、50名2型糖尿病患者、50名患有轻度认知障碍的2型糖尿病患者)接受了高分辨率结构磁共振成像、神经心理学测试以及血清学分析,旨在寻找敏感的神经解剖学和认知指标。研究中发现皮质变薄现象,尤其以左侧顶盖部最为明显,在不同诊断阶段均呈现逐步的单向萎缩趋势,这表明该区域可能作为2型糖尿病患者认知功能衰退的结构学标志。此外,受试者在情景记忆、处理速度、执行功能以及语言记忆方面也存在显著缺陷,反映出内侧颞叶和额顶叶网络的功能紊乱。通过整合多模态特征的随机森林分类器,能够高效区分患有轻度认知障碍的2型糖尿病患者与普通2型糖尿病患者,其鉴别性能优异(AUC-ROC=0.95)。另一种可解释性人工智能方法SHAP则指出,左侧顶盖部的皮质厚度以及通过TMTB测试得出的执行功能是最具预测价值的因素。这些研究结果证实了左侧顶盖部是2型糖尿病相关认知障碍的重要神经解剖学基础,同时也表明将针对性神经影像学检查与特定领域的认知评估相结合,可为早期识别高危2型糖尿病患者提供可行的临床方案,从而为预防性干预创造重要机会。