基于多层感知器的阿尔茨海默病痴呆预测：诊断准确性中的性别差异

　　本研究通过多层感知器（MLP）模型分析阿尔茨海默病（AD）预测中的性别差异，发现女性在交叉熵误差（13.074 vs 20.461）、错误预测率（5% vs 9%）及AUC值（0.992 vs 0.947）等指标上均显著优于男性，揭示了生物性别对AI诊断模型效能的显著影响，为个性化医疗提供了重要依据。

　　

Section snippets

Introducción

阿尔茨海默病（EA）是一种主要影响老年人群的进行性神经退行性疾病¹，是65岁以上人群认知衰退和失能的主要原因之一²。该疾病以逐渐恶化的认知障碍为特征，波及记忆、语言和推理等关键领域，最终干扰日常生活能力³。随着全球多地区预期寿命的增长...

Dise?o y población

本研究采用横断面分析设计，基于经预处理的OASIS（开放影像研究序列）数据库二次数据源（https://www.oasis-brains.org/）。该数据集免费向国际科研社区开放，旨在推动基础与临床神经科学的进展。数据集包含336张无对比剂磁共振影像...

Resultados

多层感知器模型分析显示，女性在训练集和测试集均表现更优。训练阶段女性交叉熵误差为13.074，显著低于男性的20.461；错误预测率女性为5%，男性为9%。测试阶段女性保持更低交叉熵误差（7.888 vs 16.500）和错误预测率（6.80% vs 20.80%）。AUC值表明女性预测能力极为出色（0.992 vs 0.947）。分类准确率女性同样更高：训练集95% vs 91%，测试集93.20% vs 79.20%。

Discusión

人工智能用于EA预测是该疾病早期检测领域的新兴研究方向。已有研究采用复杂AI系统，如Bae等基于卷积神经网络（CNN）的MRI图像识别研究¹⁵；Abuhantash等利用阿尔茨海默病神经影像倡议（ADNI）数据构建图神经网络...

Conclusiones

生物性别显著影响阿尔茨海默病预测模型的有效性。研究结果强调在开发阿尔茨海默病诊断工具时需综合考虑生物与社会因素，此举有望提升治疗与预防策略的个性化水平。