基于MRI的机器学习模型研究吸烟与大脑年龄的关系

摘要：

目的:通过基于MRI的机器学习模型来预测吸烟者及健康对照者大脑年龄，进一步探讨吸烟与大脑老化的关系。方法:该研究为回顾性研究。数据集1为2014年8月至2017年10月郑州大学第一附属医院募集的男性吸烟者95名［年龄20~50（34±7）岁］和健康对照者49名［年龄20~50（33±7）岁］。数据集2为2010至2015年西南大学成人影像数据库的114名男性健康志愿者［年龄20~50（34±11）岁］。所有受检者均接受高分辨三维 T
1WI。基于数据集1和数据集2健康对照者的结构MR图像构建高斯过程回归（GPR）模型和支持向量机模型预测大脑年龄，并通过交叉验证法验证模型性能，计算预测大脑年龄与实际年龄间的平均绝对误差（MAE）、实际年龄和预测大脑年龄之间的相关性（
r值），最终筛选出最佳模型。将最佳模型应用于吸烟者和健康对照者预测其大脑年龄。最后以年龄、教育年限及颅内总容积为协变量，通过一般线性模型比较吸烟者和健康对照者的大脑年龄差值（PAD）的差异。
结果:GPR模型预测大脑年龄（MAE=5.334，
r=0.747）优于支持向量机模型（MAE=6.040，
r=0.679）。GPR模型预测数据集1的吸烟者PAD值（2.19±6.64）高于数据集1的健康对照者（?0.80±8.94），差异有统计学意义（
F=8.52，
P=0.004）。
结论:基于MRI的GPR模型预测吸烟者及健康对照者大脑年龄性能较好，吸烟者PAD值增加，进一步表明吸烟会加速大脑老化。

关键词：吸烟、磁共振成像、大脑年龄、机器学习

所属期刊栏目：56

资助基金：国家重点研发计划SQ2018YFC130095;河南省科技攻关项目172102310391;河南省重点研发与推广专项（科技攻关）支持项目212102310712;National Key Research and Development Program of ChinaSQ2018YFC130095;Science and Technology Project of Henan Province172102310391;Key Research and Development and Promotion212102310712;Support Project of Henan Province

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1347-1351