引言
无症状阿尔茨海默病抗淀粉样蛋白治疗（A4）研究（ClinicalTrials.gov ID: NCT02008357）是一项3期随机、双盲、安慰剂对照临床试验，旨在评估solanezumab对认知功能正常的脑淀粉样蛋白水平升高个体的认知衰退减缓效果¹。在筛选的6,700多名个体中，1,169名65至85岁的参与者被入组并随机分配。该试验于2014年至2023年进行，包括240周的盲法治疗期，随后是开放标签扩展期。参与者每六个月接受一次全面评估，包括临床评估、认知测试、神经影像学检查和生物样本采集。作为补充的观察性研究，淀粉样蛋白风险和神经退行性变的纵向评估（LEARN）（ClinicalTrials.gov ID: NCT02488720）入组了538名因淀粉样蛋白负担低而不符合A4资格标准的个体，并遵循类似的纵向评估方案。
A4和LEARN研究遵循NIH数据共享政策，并进一步采纳了阿尔茨海默病预防合作组织提出的指导原则²。因此，数据分两个阶段发布，以促进透明度并加速科学发现，同时保持严格的参与者隐私保护措施。初始发布包括2018年和2020年的筛选和基线神经影像数据。完整的纵向数据集于2024年提供。
在先前的出版物中，我们介绍了A4和LEARN研究采用的总体数据共享策略³。在本文中，我们在此基础上进一步详细说明了与研究过程中收集的神经影像数据分发相关的方法、平台和成果。我们描述了去标识化数据集的分阶段发布、支持数据访问的基础设施以及指导这些工作的协作框架。此外，我们评估了这些数据共享举措对二次研究的影响，并强调了关键经验教训，以为未来的大规模神经影像学研究提供参考。
方法
影像研究
磁共振成像
磁共振成像（MRI）在A4和LEARN研究中用于获取高分辨率脑结构和功能图像。MRI按照规定的时间间隔和临床需要进行采集，遵循由合格影像站点使用A4 MRI方案实施的标准程序。该方案由ADNI MRI指南中央开发，并在扫描仪资格认证前以电子方式分发给各站点。所有扫描均在配备多通道头部线圈的3特斯拉（3T）系统上进行（更多细节可在补充材料中找到）。每次预定的会话包括六个序列：T1加权MPRAGE、FLAIR、T2自旋回波（SE）、T2、弥散加权成像（DWI）和静息态功能MRI（fMRI）。结构序列（T1 MPRAGE、FLAIR、T2 SE、T2和DWI）在筛选期间用于排除具有显著血管病理、微出血或其他偶然发现的参与者，并在入组后用于监测淀粉样蛋白相关影像异常（ARIA）并得出脑体积和白质高信号等次要结局指标。静息态fMRI用于生成功能连接图，作为次要结局测量指标。随访MRI在第12、84和168周或早期终止时进行，以评估ARIA-E（水肿）和ARIA-H（出血）的发生情况，无症状病例允许继续治疗（图1）。进行体积分析以评估脑容量变化，功能连接分析则评估随时间推移的网络完整性。完成盲法阶段的参与者被邀请加入可选的开放标签扩展期，在此期间额外收集了第264周和部分第312周的MRI（图1）。
氟比他匹淀粉样蛋白正电子发射断层扫描
在A4/LEARN研究中，使用A4 PET扫描方案进行脑淀粉样蛋白正电子发射断层扫描（PET）成像。基线PET扫描用于根据淀粉样蛋白负担确定资格。随访PET扫描在240周或研究早期终止时收集（图1）。每次扫描前，参与者接受约370 MBq（10 mCi）氟比他匹F 18（FBP）的单次静脉注射，这是一种已知与纤维状淀粉样蛋白斑块结合的示踪剂，注射后约50分钟进行序列采集。PET采集程序通常持续20分钟，目标窗口为注射放射性示踪剂后50-70分钟（更多细节可在补充材料中找到）。通过氟比他匹结合和平均皮质汇总摄取值比（SUVR）测量的脑淀粉样蛋白负担变化，在接受基线和终点（240周）氟比他匹扫描的solanezumab和安慰剂治疗参与者之间进行比较。
氟他西匹tau正电子发射断层扫描亚组研究
在A4/LEARN的部分参与者中，使用PET示踪剂18F-AV-1451（也称为18F-T807并以氟他西匹（FTP）为品牌名），该示踪剂对成对螺旋纤维tau沉积物具有高亲和力，用于研究抗淀粉样蛋白疗法是否能随着时间减缓tau病理的进展。390名患有临床前阿尔茨海默病（AD）的A4参与者接受了三个时间点的序贯PET扫描，以监测tau沉积的变化：基线、84周和240周或研究早期终止（图1）。每次扫描前，参与者接受约370 MBq（10 mCi）FTP的单次静脉注射，作为单次静脉推注，随后用15-20 mL生理盐水冲洗，成像在注射后约75分钟开始。PET采集程序通常持续30分钟，目标窗口为注射后标准化的75-105分钟（更多细节可在补充材料中找到）。该研究还检查了tau水平升高与安慰剂组认知下降之间的关联，旨在确定潜在的疾病进展生物标志物。此影像部分作为方案增补纳入，因为并非所有研究站点都能获得18F-AV-1451示踪剂。在LEARN研究中（n = 55）实施了类似的方案，在基线、72周、168周、240周或早期终止时收集tau PET扫描。
数据采集
伦理批准从每个参与站点的机构审查委员会或伦理委员会获得。所有参与者及其研究伙伴在研究开始前提供了书面知情同意，包括数据收集和数据共享的同意。
站点资格认证
A4/LEARN研究在澳大利亚、日本和北美68个试验站点进行。作为站点启动过程的一部分，每个站点的MRI和PET扫描仪都经历了初始资格认证过程，包括安装特定研究协议和设置。此过程还包括使用影像模体获取资格扫描。每个资格扫描上传到A4/LEARN数据管理系统⁴，并由特定模态的影像实验室评估是否符合研究影像协议。通过质量控制的扫描仪被认证为可在试验中使用。基于以下原因，影像实验室或试验站点会启动偶尔的重新认证过程：1）扫描仪软件或设置的更新，2）影像协议更新，或3）新扫描仪的引入。
影像收集
参与者扫描根据指定的研究和模态特定协议进行采集。采集后，站点人员使用适当的参与者ID重新标记每个扫描并将其上传到A4/LEARN数据管理系统。影像数据按照标准程序安全存储、备份和归档。为确保一致性，鼓励站点以医学数字成像和通信（DICOM）格式提交扫描。虽然大多数站点遵循此指导，但少量扫描以称为发射计算机轴向断层扫描（ECAT）的旧格式提交，需要转换为DICOM以保持数据集的标准化。
上传后，每个扫描在影像数据库中注册，并进行初始质量控制（QC）检查系列，以验证数据完整性和图像质量。为保护参与者隐私，预定义的一组DICOM头字段被去标识化。此过程移除了所有个人身份信息（PII），同时保留了下游QC和分析所需的基本元数据。
影像质量控制、处理和分析
A4/LEARN研究为MRI和PET影像实施了全面的质量控制框架，以确保数据完整性、可重复性和符合监管标准。这些程序由领先的学术和行业专家共同开发，对跨多个站点和扫描仪平台协调影像数据至关重要。QC策略解决了采集前和采集后阶段，包括站点资格认证、标准化采集协议、自动QC检查和集中审查过程。
不符合质量控制标准且需要用于安全审查的MRI扫描会重新获取，以确保参与者安全和方案合规性，而不需要用于安全审查的扫描（如静息态fMRI）如果QC失败通常不会重复。相比之下，由于辐射暴露担忧，PET扫描很少重新获取，除非在特殊情况下，经研究领导批准认为重新获取必不可少。
研究团队与多位学术影像专家密切合作，促进MRI和PET数据派生的分析数据集的共享。这些包括用于识别微出血和表层含铁血黄素沉积的MRI安全读取、MRI体积测量、淀粉样蛋白PET资格测量（SUVr，临床读取）、标准化的淀粉样蛋白和tau PET SUVr测量。
MRI质量控制、处理和分析
在参与者入组前，每个影像站点都经过严格的MRI站点资格认证，以确认扫描仪性能和遵守协议要求。此过程通常涉及使用A4特定序列（由梅奥诊所衰老和痴呆研究（ADIR）实验室提供）扫描ADNI模体，包括定位器和QC模体矢状3D加速MPRAGE/IRSPGR⁵。之前未在多中心试验中使用或模体结果不佳的扫描仪站点需要进行人体志愿者扫描。ADIR QC团队审查所有提交，以验证参数准确性、图像质量和扫描仪性能。每个站点只有一台扫描仪获得A4资格认证，所有后续扫描必须使用该扫描仪以保持纵向一致性。QC失败的站点被指示在纠正措施后重新扫描。
采集后，3D T1加权MRI扫描上传到影像数据库，并使用NeuroQuant（NQ）进行处理，这是一种FDA批准的自动分割工具⁶。该流程从自动QC开始，检测运动伪影和其他异常，然后生成针对每个参与者调整的个性化图谱，根据年龄和性别指导分割。NeuroQuant随后执行自动分割并计算区域脑体积，包括海马占用（HOC）评分——一种与AD进展相关的内侧颞叶萎缩的敏感生物标志物。HOC评分定义为海马体积与海马和下外侧脑室总体积的比率，作为神经退行性变化的可靠替代指标。所有体积测量均归档用于下游分析，并与合作研究人员共享，以支持二次研究。
PET质量控制、处理和分析
所有PET影像操作由Molecular NeuroImaging LLC（MNI）管理，后被Invicro收购。职责包括资格认证影像中心、提供技术支持以及监督数据质量控制和分析。在参与者招募前，每个影像中心都经过技术设置，评估扫描仪硬件和软件、质量保证程序和使用Hoffman 3D模体的采集协议。通过技术手册提供标准化文档。FBP和FTP PET数据经过合规性审查，使用验证算法进行分析，并以原始格式归档。数据处理和定量分析在π.PMOD工作站上进行，按照标准操作程序进行备份。除非另有规定，所有影像数据保留15年。
PET图像处理和定量分析由图像处理专家（IPS）使用经21 CFR Part 11合规性验证的π.PMOD软件执行，包括完整的审计跟踪。分析对治疗状态设盲，并遵循标准化流程，包括X、Y和Z平面的运动校正、帧平均和归一化至Avid模板空间（Avid Radiopharmaceuticals Inc.）⁷⁸。归一化涉及两步过程：首先对Avid PET参考模板进行刚性对齐，然后使用预定义参数进行脑归一化，采样率为3毫米，采用线性方法。所有变换在质量控制期间进行验证，每个处理阶段生成可追溯文件，以确保数据完整性和可重复性。只有通过质量控制的扫描才被纳入下游分析。
对于氟比他匹F 18 PET成像，使用公式 (SUV = C/(D/W)) 计算标准化摄取值（SUVs），其中 (C) 是示踪剂浓度，(D) 是注射剂量，(W) 是参与者的体重。注射时记录参与者特定数据，包括体重和剂量，并使用双重数据录入输入到影像数据库以确保准确性。这些数据导入π.PMOD软件，用于在空间归一化PET图像上计算SUV。经过培训并每年认证的IPS应用预定义感兴趣区域（VOI）模板，称为Avid资格VOI模板（Avid Radiopharmaceuticals Inc.）⁷⁸，涵盖七个脑区。VOI放置经过解剖准确性质量检查，特别是在脑萎缩病例中。验证后，VOI模板应用于提取SUV值，保存为不可编辑的文本文件。然后使用π.PMOD计算以下脑区的标准化摄取值比（SUVRs）：内侧眶额叶（XLAAL_FRONTAL_MED_ORB）、顶叶（LNEW_PARIETAL）、颞叶（NEW_TEMPORAL_2）、楔前叶（LPRECUNEUS_GM）、后扣带回（LLPOSTERIOR_CINGULATE_2）和前扣带回（LANTERIOR_CINGULATE_2），使用小脑整体（BLCERE_ALL）的平均摄取作为参考区域⁸⁹。还计算了复合SUVR，作为上述六个皮质VOIs的无加权平均值，不包括参考区域¹⁰。当无法从FBP PET图像获得SUVs时，使用数据提交的单位计算SUVRs。所有SUVRs在提交到研究数据库前由核医学医师审查。
FTP的SUVRs使用GTMseg图谱的MNI模板空间图谱得出¹¹，该图谱使用来自哈佛衰老大脑研究（HABS）基线队列的数据创建。简而言之，对于280个基线T1 MPRAGE图像中的每一个，PETsurfer生成的本地空间GTMseg图谱使用SPM12统一分割/归一化算法计算的微分同胚变换映射到MNI空间。MNI空间中的每个体素被分配为GTMseg标签，该标签在所有280个基线HABS扫描中最频繁出现，以生成模板空间GTMseg图谱。A4 FTP数据也通过将FTP扫描与相应的T1图像配准并应用从T1图像导出的MNI空间变换归一化到MNI空间。一旦FTP-PET图像转换到MNI空间，即可获得GTMseg图谱定义的所有100个区域的区域测量值，并通过将区域测量值归一化到小脑灰质参考组织的PET信号生成SUVRs。
准备数据以供共享
A4/LEARN研究人员建立了系统的数据准备流程，以确保影像数据的一致性、隐私性和可用性。此过程包括协调外部QC发现、移除个人身份信息（PII/PHI）、使用dcm2niix将原始DICOM文件转换为更便携的神经影像学信息学技术倡议（NIfTI）格式¹²，并按照脑影像数据结构（BIDS）标准¹³组织JSON头元数据，以增强互操作性和可访问性。
NIfTI格式的影像研究随后使用mri_reface工具进行去脸/再脸处理¹⁴¹⁵。该工具已被证明在保留数据科学实用性的同时提供强有力的参与者隐私保护，用于对MRI和PET序列进行去脸/再脸处理。对于MRI，对部分序列进行去脸/再脸处理：1) T1 - 矢状3D加速MPRAGE，2) T2_star - 轴向T2-星号，3) FLAIR - 轴向T2-FLAIR，以及4) T2_SE - 轴向T2-TSE伴脂肪饱和。为确保最终去脸/再脸图像的质量，进行了100%专家质量审查。
数据共享平台
基线数据通过影像与数据档案馆（IDA）（ida.loni.usc.edu）共享，该档案馆由南加州大学（USC）Mark and Mary Stevens神经影像和信息学研究所的实验室神经影像学（LONI）管理。
为了扩大最终纵向数据集的访问范围并满足研究者社区的需求，A4/LEARN研究人员选择通过多个数据平台分发数据。这些包括LONI IDA，主要吸引关注神经影像学的研究人员；Sage Bionetworks的Synapse平台（www.synapse.org），广泛用于组学研究社区；以及与Gates Ventures合作开发的定制平台（www.a4studydata.org），旨在支持一般数据可用性和更广泛的数据探索与整合。
衡量科学影响
为衡量A4/LEARN数据共享工作的科学影响，研究人员使用Google Scholar（scholar.google.com）、Dimensions AI（app.dimensions.ai）和Web of Science（webofscience.com）进行了文献计量分析。根据A4数据使用协议（DUA），该协议要求研究人员在出版物中承认A4/LEARN研究，Google Scholar和Dimensions AI使用短语'a4 study atri public-private-philanthropic'进行查询。Web of Science使用跨所有字段的术语'a4 study'、'a4 trial'、'a4 clinical trial'和'a4 clinical study'进行搜索，并指定'alzheimer'作为主题关键词。对所有平台的结果进行合并，限制为同行评审文章和注册预印本，并筛选包含2020年至2025年（含）出版日期的出版物。审查每篇出版物的作者列表以确定对A4/LEARN研究团队的归属，并分析每个摘要以评估研究目标、设计和方法、关键发现和结论。然后进行主题分析，以确定所选文献中的总体主题和研究趋势。
结果
影像收集特征
基线数据集
A4/LEARN基线影像收集的关键特征总结于表1。该集合包括用于评估研究资格的筛选和随机前MRI（n=1771）和淀粉样蛋白PET（n=4468）扫描，以及基线tau PET序列（n=449）。还包括从不符合两项研究筛选标准的参与者中收集的大量图像。
最终研究数据集
最终A4/LEARN研究影像收集的关键特征总结于表2。该数据集包括5,661次淀粉样蛋白PET扫描和1,576次tau PET扫描，使其成为目前可用于二次研究的最大规模高分辨率临床前AD PET影像收藏之一。纵向MRI和PET图像按研究阶段的分布见表3，参与者数量按纵向扫描次数、研究和扫描类型详细列于表4。纵向MRI、淀粉样蛋白PET和tau PET图像进一步按A4研究（图2）和LEARN研究（图3）中每个参与者初始同意日期后的天数进行量化。对于MRI，最常见的扫描仪制造商是西门子（67.0%；型号：Skyra、Trio、Verio、Biograph）、GE医疗系统（23.5%；型号：Discovery、Signa）和飞利浦（8.6%；型号：Achieva、Ingenia、Intera）。对于淀粉样蛋白PET，西门子占50.9%（Biograph、SOMATOM）、GE医疗系统占21.0%（Discovery）、飞利浦占17.1%（Ingenuity、Gemini、Guardian、Vereos）。对于tau PET，西门子占42.6%（Biograph、SOMATOM）、飞利浦占20.5%（Gemini、Ingenuity、Guardian、Vereos）、GE医疗系统占18.2%（Discovery）。
贡献分析数据集
在初步共享影像数据后，几个学术团队与A4/LEARN研究人员合作，提供了使用新方法生成的额外分析数据集。这些包括使用PetSurfer部分体积校正调整的tau PET SUVR测量、斯坦福PET流程¹⁶和视网膜淀粉样蛋白测量¹⁷。
数据使用请求
基线影像数据
A4和LEARN研究的基线表格和影像数据分别于2018年12月和2020年初发布。表格数据集包括临床、生物标志物、神经心理学、实验室和影像测量，而影像数据包括重新处理的MRI、淀粉样蛋白PET和tau PET扫描。截至2025年5月，来自60多个国家的研究人员已提交1,907份数据访问请求，其中1,741份（91.3%）获得批准（图4）。此后，179名获准用户已累计下载超过120万次MRI和PET影像序列（图5）。
最终研究影像数据
A4和LEARN研究的最终纵向表格和影像数据于2024年7月发布。截至2025年5月，来自30个国家的研究人员已提交397份数据访问请求，其中379份（95.5%）获得批准（图6）。在这些获准请求中，347份（91.6%）通过Gates Ventures平台处理，32份（8.4%）通过Synapse平台处理。
科学影响
2025年5月30日进行的文献计量搜索得到以下结果：Google Scholar 80条记录，Web of Science 91条，Dimensions AI 91条。其中，19篇出版物归功于A4/LEARN研究团队。这些结果包括多篇被引用超过70次的高影响力影像相关文章，这些文章推进了对临床前AD自然史、tau PET的拓扑模式以及AD血浆标志物变化的理解，以及影像标志物的人口统计学细微差别¹⁶¹⁸⁻²⁰。这些出版物还为基于生物标志物标准的AD诊断和表征指南修订提供了依据，建立了临床前AD试验中的招募科学基础，并提高了对大规模淀粉样蛋白PET结果披露影响的理解²¹⁻²³。值得注意的是，大多数文章引用了基线数据集。
更广泛地说，A4和LEARN数据对临床前AD研究的进展做出了重大贡献，凸显了在识别风险、追踪病理和优化试验设计方面日益精确的能力。这些研究展示了APOE4纯合子等遗传因素以及保护性APOE2和KL-VS变体如何影响疾病轨迹，APOE4纯合子表现出AD生物标志物近乎完全的外显率和更早的症状发作，这对治疗开发具有重要意义¹⁶¹⁸¹⁹²⁴⁻³¹。它们还表明，包括血浆P-tau217和Aβ42/Aβ40比值在内的血液生物标志物，结合预测算法和PARS和AmyloidPETNet等工具，正在改善早期检测并减少对昂贵影像的依赖²⁹³²⁻³⁷。此外，这些研究强调，可以使用Cogstate简短量表（CBB）、计算机化认知组合（C3）和客观记忆障碍阶段（SOMI）分期等工具检测到认知和功能变化，包括记忆和日常活动中的细微障碍，而主观和同伴报告的评估提供了补充性见解¹⁹³⁸⁻⁴³。
此外，基于这些数据的研究阐明了睡眠、身体活动和适度饮酒等生活方式因素如何通过不同机制影响认知，以及生物标志物披露的心理反应如何强调了伦理沟通的必要性⁴⁴⁻⁵³。研究还强调了包容性研究的重要性，揭示了不同种族和民族群体中多样的遗传结构和生物标志物表达差异²⁰²⁴⁻²⁸³¹⁴²⁵⁴⁵⁵。最后，近期工作探索了影像和可扩展筛查方法的创新，包括视网膜眼底成像和协调的认知组合，这些正在提高试验效率并扩大早期干预策略的可及性¹⁷³⁴⁴³⁵⁶⁻⁵⁸。
讨论
正如之前所述³，我们的结果为进一步证明AD试验数据广泛及时共享的可行性和科学实用性提供了更多证据，即使对于像A4这样未能显示治疗益处的试验也是如此¹。从这些共享数据中得出的越来越多的高影响力文章提供了额外的支撑证据，对指导未来试验至关重要。迄今为止，大多数分析集中在横断面基线数据集上。随着最终纵向数据集的最新发布，我们预计一波新的研究发现将增进我们对疾病进展和治疗机制的理解。
尽管对基线数据的兴趣仍然浓厚，随着新的数据使用请求源源不断，对最终纵向数据集的需求增长更快。例如，最终数据集仅在六个月内就达到了250份获准请求——比基线数据实现同样里程碑的时间快了四个月，后者需要整整一年。这一趋势凸显了最终数据集对AD研究社区的潜在效用和相关性。
我们受到鼓舞地看到，我们通过A4/LEARN经验促进阿尔茨海默病临床试验开放科学和数据共享的努力，已激发其他研究人员采用类似原则并分享其分析结果，利用A4存储库作为值得信赖的中心，向AD研究社区广泛传播使用新方法生成的新型神经影像数据和测量。我们计划继续开展工作，开发数据共享方法和平台以促进这些活动，建立确保高质量数据提交的流程，并认可为丰富存储库做出贡献的研究者。
局限性
尽管我们共享A4/LEARN数据的努力取得了成功，但仍存在若干局限性。首要挑战是准确量化我们数据共享活动的影响。我们目前的方法——依赖多种文献搜索工具——仅提供了粗略的近似值。我们正在探索更稳健的策略来解决此问题，例如为每个数据集或数据发布分配数字对象标识符（DOI）。这种方法将增强可引用性，促进更精确的数据使用跟踪，并最终提供更清晰的画面，展示这些共享资源所支持的科学贡献。
其次，寻求将临床和神经影像数据与基因组关联研究（GWAS）或全基因组测序（WGS）等非影像数据类型整合的研究者仍面临关键障碍。由于遗传信息相关的高度隐私风险，这些数据集存储在单独的高度受控存储库中，目前与我们当前的数据共享平台不可互操作。解决这些整合挑战是未来开发工作的优先事项。
最后，A4/LEARN数据的显著科学兴趣和效用证明了支持其共享所需的大量资源是合理的。为确保可持续性和公平性，临床试验预算中应明确纳入与数据共享相关的即时和长期成本。对基础设施、维护和持续可访问性的专项拨款对于在保持质量和可用性的同时扩展这些工作至关重要。令人鼓舞的是，2023年1月25日生效的2023年NIH数据管理和共享政策（NOT-OD-21-013）⁵⁹现在要求将数据管理和共享计划以及相关预算作为拨款申请的一部分。
我们认为，临床试验数据的开放获取对于促进科学过程中的透明度、可重复性和信任至关重要。它还通过实现更广泛的二次使用，最大化对科学的投资回报。然而，为了回应这些问题，我们继续完善流程，以提高效率和可持续性。
例如，我们已发现机会自动化之前手动执行的任务，例如减少去脸过程中手动质量控制的需求。预计这些改进将产生有意义的成本节约并增强可扩展性。此外，我们正在探索使用"众包"策略来帮助分担维护数据存储库的长期成本，这可能为可持续性提供可行途径。我们计划在未来工作中报告这些努力。
结论
临床试验依赖于包括研究参与者及其伙伴、研究人员、研究站点、赞助商、监管机构和更广泛公众在内的多样化利益相关者的贡献。成功的试验——无论其结果是积极的还是消极的——都为其设计解决的主要研究问题提供了明确答案。通过广泛共享试验数据，我们可以通过增加透明度和可重复性来促进对科学过程的信任。此外，广泛的数据共享通过使研究能够调查比研究团队最初设想更广泛的研究问题，扩展了这些投资的价值，从而增强数据的整体科学效用。
对于A4/LEARN神经影像数据集，我们预计这些数据不仅将推进AD研究，还将有助于更广泛的衰老和其他神经系统疾病研究，进一步增加其长期影响。
数据和代码可用性
A4/LEARN数据包，包括来自A4和LEARN研究的完整最终纵向数据集，可通过受控访问流程提供给合格研究人员，访问网址为 R包（
资金来源
A4和LEARN研究由公私慈善合作伙伴关系提供支持，其中包括美国国立卫生研究院国家老龄化研究所（R01 AG063689、U19AG010483和U24AG057437）、Eli Lilly（也是活性药物和安慰剂的供应商）、阿尔茨海默病协会、通过国家卫生研究院基金会的加速药物合作伙伴关系、GHR基金会、Davis阿尔茨海默病预防项目、Yugilbar基金会、Gates Ventures、匿名基金会以及对Brigham and Women's Hospital的额外私人捐赠，同时获得Avid Radiopharmaceuticals、Cogstate、Albert Einstein医学院和神经疾病基金会的实物支持。
伦理声明
每个参与站点的机构审查委员会或伦理委员会均获得了伦理批准。所有参与者及其研究伙伴在研究开始前提供了书面知情同意，包括数据收集和数据共享的同意。
致谢
作者谨向整个A4和LEARN研究团队致谢，包括所有站点主要研究者及其敬业的站点工作人员。特别感谢A4和LEARN参与者及其研究伙伴，没有他们，这些研究将无法实现。
利益冲突
GJM已获得美国国立卫生研究院（NIH）、阿尔茨海默病协会、美国心脏协会、Gates Ventures、Eli Lilly和Eisai的研究支持。APS：无报告事项。MD：无报告事项。HQ：无报告事项。RAS报告获得美国国家老龄化研究所、美国国立卫生研究院、阿尔茨海默病协会、GHR基金会和Gates Ventures的资助支持。她已获得Eisai和Eli Lilly为公私合作试验提供的试验研究资金。她报告担任AbbVie、AC Immune、Alector、Biohaven、Bristol-Myers-Squibb、Ionis、Janssen、Genentech、Merck、Prothena、Roche和Vaxxinity的顾问。PSA已获得美国国立卫生研究院（NIH）、阿尔茨海默病协会、NIH基金会（FNIH）、Lilly、Janssen和Eisai的拨款或合同，以及Merck、Biogen、AbbVie、Roche和Immunobrain Checkpoint的咨询费。
【全文结束】