欧洲神经病学院（EAN）成立于2014年，由原欧洲神经病学会联盟（EFNS）和欧洲神经病学会（ENS）合并组建成立，是一个联合和支撑整个欧洲神经科医生的非盈利组织。2023年第9届欧洲神经病学院（EAN）大会/年会于2023年7月1日-4日在匈牙利布达佩斯举行，本次会议由欧洲神经病学院（EAN）与匈牙利神经学学会联合举办，预计有超过6000名来自世界各地的代表加参加本次EAN年度大会。

主观认知能力下降(SCD)是筛查痴呆的目标人群。先前的研究确定了人口统计学、认知和一般特征与进展为轻度认知障碍(MCI)和阿尔茨海默病(AD)的高风险相关。来自佛罗伦萨大学神经科学的学者旨在测试机器学习模型的准确性，该模型在预测从SCD到MCI和AD的转换时，训练了来自非侵入性和易于获取的技术的特征。相关结果在第9届欧洲神经病学院（EAN）大会上首次报道。

本研究纳入150例SCD患者，在基线时进行神经心理检查，评估认知下降，情绪障碍和认知储备，APOE基因分型。所有患者每12-24个月进行一次临床神经心理学随访，平均随访时间为12年。

结果显示，在随访中，63例患者被分类为进展性SCD (p-SCD, 42.0%[95% C.I.=34.1:49.9]，其中轻度认知障碍41例(27.3% [95%C.I.=20.2:34.5])， AD 22例(14.7% [95%C.I.=9.0:20.3])。87例患者为非进展性SCD (np-SCD, 58.0% [95% C.I.= 50.1:65.9])。随后，将整个样本分为训练组(80%)和测试组(20%)。梯度增强树算法在15个选择的特征上进行训练，包括:年龄、APOE、教育程度、全局认知测试评估、即时和延迟言语、生态记忆和工作记忆、语言、视觉空间能力、语音流畅性和认知储备。最终，该模型对试验组p-SCD和np-SCD的区分准确率较高(0.83,AUC=0.78)。

综上，本研究提示机器学习模型可能是一种可靠的、具有成本效益的、全球可扩展的工具，在通过更具侵入性和昂贵的测试确认AD病理之前，可以对SCD患者进行第一步筛查。

 

来源：

Machine learning model to predict progression from subjective to objective cognitive decline: a 12-year follow-up study. https://www.ean.org/congress2023