近日，微软亚洲研究院联合香港大学李嘉诚医学院和上海交通大学医学院附属瑞金医院，共同提出了一种基于多模态数据与图人工智能的帕金森病病程建模与预测新方法。这一创新研究为帕金森病的精准医疗开辟了全新的方向，具有重要的学术价值和临床意义。研究的第一作者为香港大学李嘉诚医学院博士、牛津大学博士后廉洁，通讯作者为微软亚洲研究院的骆煦芳博士，合作者还包括香港大学李嘉诚医学院教授Varut Vardhanabhuti（华文思）以及上海交通大学医学院附属瑞金医院教授张陈诚。
帕金森病（PD）是一种复杂的神经退行性疾病，其特征是大脑中多巴胺神经元逐渐减少，导致运动和非运动症状随时间推移逐步加重。值得注意的是，PD的进展因人而异，有些患者症状较轻，进展缓慢，而另一些患者病情迅速恶化，严重影响生活质量和治疗效果。这种个体差异给疾病管理和早期干预带来了重大挑战。特别是在疾病早期阶段，精准预测进展模式对优化治疗策略意义重大。
此项研究提出了一种基于图神经网络的个性化模型，通过整合磁共振成像（MRI）、临床评估和基因信息等多模态数据，预测PD症状在12、24和36个月内的变化轨迹。该模型聚焦于10项临床关键评分，包括MDS-UPDRS（I、II、III）、Hoehn and Yahr分级（HY）、蒙特利尔认知评估（MoCA）和Epworth嗜睡量表（ESS），全面反映运动和认知症状变化。此方法旨在为患者提供更精准的疾病进展预测，从而支持个性化医疗决策。
AdaMedGraph：基于图神经网络的帕金森病预测模型
研究中提出的AdaMedGraph方法（见图1）将自适应提升算法（AdaBoost）与图神经网络（GNN）架构中的近似个性化传播（APPNP）结合，为PD进展建模提供了新思路。与传统模型不同，AdaMedGraph通过为每位患者构建独特的关系图，捕捉个体特征和疾病共性模式。患者被表示为节点，而具有相似特征的患者间形成边，这一结构有效提升了模型的预测能力。
该模型采用迭代优化过程，每次迭代都会细化关系图以捕捉最具预测价值的特征关系。同时，AdaBoost算法选择每次迭代中表现最佳的分类器并赋予其权重，最终形成一个高精度、鲁棒性的分类器集成模型。
核心发现与临床意义
AdaMedGraph在特征提取与进展预测中展现出卓越性能。模型在预测12个月HY评分变化时，识别出如左脚趾敲击（TTAPL）和HY评分等基线评估为关键特征。对于24个月MDS-UPDRS I的预测，模型强调了与睡眠、脑部体积和非运动症状相关的基线特征。这些发现表明，非运动症状和脑部特定区域可能与PD进展存在潜在联系，值得进一步探索。
基因与帕金森病进展的关联
基因在PD易感性和进展中起重要作用。本研究发现，较高的多基因风险评分（PRS90）与多个评分的短期改善相关（图二B），这与早发型PD进展缓慢的现象一致。此外，APOE4等基因标记的作用被进一步证实（图二C），这些结果为基因指导的个性化治疗提供了参考。
药物对症状轨迹的影响
药物管理是PD治疗的重要组成部分。研究揭示了左旋多巴（Levodopa）等药物对不同症状的差异化影响。例如，增加左旋多巴等效日剂量（LEDD）对减轻僵直症状效果显著，但对震颤症状影响有限。这一发现强调了根据患者个体需求调整用药策略的重要性（图二D）。
结论与未来方向
通过多模态数据和个性化图建模，AdaMedGraph方法为PD的精确预测和个体化治疗提供了创新工具。未来研究可探索更多基因标记物，考察长期药物影响，并扩展多模态数据范围（如生活方式或环境因素），最终推动这一模型在临床实践中的应用，为改善患者预后提供支持。
图1：全文实验设计，Label设置，以及AdaMedGraph模型示意图。
图2：(A) 10项临床评估评分在基线、12个月、24个月和36个月时的箱线图，包括四分位数。(B) 多基因风险评分（PRS90）与MDS-UPDRS II、III和MoCA评分在12个月、24个月和36个月时的均值及95%置信区间的关联图。(C) APOE4与认知障碍、Epworth嗜睡量表（ESS）总分、白天及夜间睡眠在12个月、24个月和36个月时的关联图。(D) 左旋多巴等效日剂量（LEDD）变化与静止性震颤、运动性震颤及僵直分析的均值和95%置信区间图。
原文链接：
https://www.nature.com/articles/s41531-024-00832-w
