基于数据的临床决策支持工具用于诊断帕金森病中的轻度认知障碍
加布里埃尔·马丁内斯·蒂拉多、帕特里夏·马丁斯·康德、斯特凡诺·萨皮恩扎、霍尔格·弗勒利希、克莱尔·保莉、瓦莱丽·E·施罗德、索尼娅·约翰斯多蒂尔、奥莱娜·图尔卡连科、雷科·克吕格和约亨·克鲁肯
（代表NCER-PD联盟）
摘要
帕金森病(PD)是一种可能影响运动和认知功能的神经退行性疾病。轻度认知障碍(MCI)是疾病后期进展为痴呆的已知风险因素。由训练有素的专家进行的冗长且耗时的神经心理学评估，常常使MCI诊断在常规护理中不切实际。在此背景下，机器学习(ML)可能为MCI诊断提供有希望的支持。因此，我们分析了来自卢森堡帕金森研究的115名帕金森病患者(PwPD)和226名健康对照参与者的纵向数据，将机器学习与临床数据结合起来，以支持PwPD中的MCI诊断。这种数据驱动模型在性能上不劣于临床诊断参考测试(MDS PD-MCI Level II)，并识别出临床测试未能捕捉到的一组MCI个体。这一发现表明，机器学习模型可以通过促进MCI检测并补充PwPD的诊断特征来补充临床评估。
数据可用性
用于准备本手稿的患者数据来自国家帕金森病研究卓越中心(NCER-PD)。NCER-PD数据集不公开，因为它们与卢森堡帕金森研究及其内部规定相关联。NCER-PD联盟愿意分享其可用数据。其访问政策是基于研究伦理文件制定的，包括经国家伦理委员会(CNER Ref: 201407/13)和数据保护委员会(CNPD Ref: 446/2017)批准的知情同意书。请求访问数据集应通过电子邮件发送至数据和样本访问委员会。
代码可用性
本研究的基础代码可在GitLab平台获取。
【全文结束】
