ДИАГНОСТИКА БОЛЕЗНИ АЛЬЦГЕЙМЕРА. РОЛЬ ЛИПИДОМИКИ ПЛАЗМЫ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Аннотация

Цель этого исследования - использовать данные липидомики плазмы и методы машинного обучения для анализа диагностики и прогрессирования болезни Альцгеймера (БА). Набор данных включает 213 образцов плазмы, в том числе 104 образца с болезнью Альцгеймера, 89 образцов с умеренными когнитивными нарушениями (MCI) и 20 образцов контрольной группы, а также включает такие параметры, как возраст, пол, результаты мини-обследования психического состояния (MMSE) и биомаркеры спинномозговой жидкости (ликвор) (амилоид, общий тау, фосфорилированный тау).. Результаты визуализации показали, что группа пациентов с болезнью Альцгеймера характеризовалась высоким уровнем тау (600-1600 пг/мл) и низким уровнем амилоида (500-1000 пг/мл), в то время как контрольная группа характеризовалась низким уровнем биомаркеров. Корреляционная матрица выявила сильную положительную связь между тау-белками (0,72) и отрицательную связь между амилоидом и тау-белками (-0,45). Были проанализированы десять моделей машинного обучения, при этом наибольшую производительность показали дополнительные деревья (точность 97,7%, оценка F1 - 95,4%) и случайный лес (точность 93%, оценка F1- 91,9%). Наивная байесовская модель достигла 100% точности, в то время как логистическая регрессия показала самую низкую производительность с точностью 62,8%. Эффективность ансамблевых моделей подтвердила их превосходство в обработке неоднородных данных. Результаты исследования способствуют пониманию взаимосвязи между липидным обменом и снижением когнитивных способностей и позволяют усовершенствовать стратегии ранней диагностики. Однако несбалансированность данных и небольшой размер выборки ограничивают обобщаемость моделей, поэтому для будущих исследований потребуются более крупные и сбалансированные наборы данных.