机构名称：
¥ 2.0
神经影像学显示偏头痛与大脑结构和功能的改变有关。然而，这些变化与衰老的关系尚未得到详细研究。在这里，我们采用大脑年龄框架来分析偏头痛，通过建立一个根据神经影像学数据预测年龄的机器学习模型。我们假设与健康参与者相比，偏头痛患者的大脑年龄差距（预测年龄和实际年龄之间的差异）会更大。我们训练了一个机器学习模型，根据 2,771 张健康受试者的 T1 加权磁共振成像扫描结果来预测大脑年龄。处理流程包括图像的自动分割、1,479 个成像特征的提取（形态和基于强度）、协调、特征选择和在 10 倍交叉验证方案内进行训练。还训练了仅基于形态和强度特征的单独模型，然后将所有大脑年龄模型应用于由 247 名受试者组成的发现队列，分为健康对照者（HC，n=82）、发作性偏头痛（EM，n=91）和慢性偏头痛患者（CM，n=74）。与 HC 相比，CM 患者的大脑年龄差距较大（4.16 岁 vs -0.56 岁，P=0.01）。EM 患者的大脑年龄差距较小，但未达到统计学意义（1.21 岁 vs -0.56 岁，P=0.19）。未发现大脑年龄差距与头痛或偏头痛频率或疾病持续时间之间存在关联。先前与偏头痛相关的脑成像特征是预测年龄差异的主要驱动因素之一。此外，仅使用形态或强度特征的单独分析揭示了偏头痛患者大脑年龄生物标记的不同模式。大脑预测年龄已被证明是 CM 患者的敏感生物标记，可以帮助揭示偏头痛中不同的衰老模式。
慢性偏头痛患者的 MRI 脑年龄增加
主要关键词
相关文件推荐
