5月19日，我校公共衛生學院余紅梅教授團隊在Alzheimer's & Dementia（中國科學院一區TOP期刊，IF=13）發表研究成果《Characterizing bidirectional transitions in mild cognitive impairment and post-reversion based on longitudinal neuroimaging and cognitive assessments》，公共衛生學院衛生統計學教研室青年教師秦瑤為第一作者，余紅梅教授為通訊作者。

阿爾茨海默病（AD）診斷技術的不斷革新使三維神經影像（如MRI）產生的腦結構信息呈指數級增長。AD病理進程的長期性特質使得時間維度特征成為不可或缺的信息源，而腦區結構復雜的空間定位特性與生理機制，賦予神經影像數據時空雙重維度屬性。當前研究普遍缺乏能夠系統整合時空信息的分析方法。然而，輕度認知障礙（MCI）向正常認知（NC）逆轉的評價主要采用多認知域量表，這種方法局限于基線測量未考慮多維度縱向標志物的協同效應；且縱向數據通常以非等距、有限觀察時點的離散形式采集（圖1）。

圖1 MCI的多維演變模式及認知狀態間轉歸路徑數量(A)和兩名受試者縱向觀測與認知結局(B)

該研究引入雙重研究目標（降維與動態建模），采用多變量函數型主成分分析（MVFPCA）捕捉多維度縱向認知的異質性模式（圖2），采用多層函數型主成分分析（MLFPCA）提取灰質體積比的時空信息（圖3和圖4）；開發函數型多狀態模型，整合上述函數型縱向標志物，以刻畫MCI初診后不同認知狀態間的動態轉歸路徑（圖5）。

圖2 基于MVFPCA提取的時間維度認知信息

圖3 基于FPCA提取的腦空間域信息

圖4 基于MVFPCA提取的腦時空二維域信息

圖5 MCI雙向轉歸的定量建模

余紅梅教授團隊先后在5項國家自然科學基金的資助下開展了阿爾茨海默病的自然史、計算機輔助診斷、疾病負：透鎏寤沾舳縵趙げ獾認盜醒芯，研究成果可為群體化和個體化癡呆精準預防提供統計決策參考，為復雜縱向數據的處理提供一種新的數據分析范式，為后續建立復雜隊列的預測模型提供新思路。

（圖文/秦瑤）