阿尔茨海默病纵向队列不再只按诊断分组：TRACE在24个月预测上纯度高出最强基线3.1个百分点
核心概要
TRACE把纵向就诊记录映射为可解释的进展表型，让表型数量可以多于诊断类别。在ADNI队列的标签匹配设置下，它在当前、12个月和24个月三个预测时点上取得最高的纯度、NMI、ARI、轮廓系数以及准确率和宏F1；24个月时相对最强基线，纯度与轮廓系数分别高出3.1和5.8个百分点。放开表型数后，它从认知正常与轻度认知障碍主导的两组中分出一个新表型，其认知量表轨迹居中而海马体积轨迹与轻度认知障碍组重合。
深度剖析
同一诊断下的患者可以走出不同的进展路径，TRACE把这些路径直接学成若干可解释的进展表型，并让表型数量可以超过诊断类别数。 此前的时序表型方法通常让表型与诊断标签一一对应，同一诊断内部的进展差异因此被粗标签掩盖。 在ADNI队列1788名参与者、10941次就诊的数据上，TRACE在标签匹配设置下于三个预测时点均取得最高的纯度、NMI、ARI、轮廓系数、准确率和宏F1；24个月时相对最强竞争方法，纯度、NMI、ARI、轮廓系数分别高出3.1、2.7、3.5和5.8个百分点。
每个表型由一条概率分配给出，诊断预测必须经过这条分配，因此表型本身承担了预测责任。 方法由两个编码器分别刻画诊断状态与特征演变，再用互信息惩罚压低两者的重叠，使两路证据互补。 双注意力层为每次就诊和每个临床变量给出权重，形成表型级别的显著性图；在ADNI的七次就诊窗口上，认知正常、轻度认知障碍和阿尔茨海默病主导的三个表型呈现不同的就诊—变量显著性模式，后段就诊与认知记忆指标在后两个表型中更突出。
表型数放开到4个时，24个月时点出现第四个表型k3，它吸收了87个评估窗口，几乎全部来自认知正常主导的k0和轻度认知障碍主导的k1。 k3不是严重程度的中间档：在CDRSB、ADAS13和RAVLT遗忘百分比上它位于k0与k1之间并更靠近k0，而海马体积轨迹在整个窗口内与k1无法区分。 这一跨域分离在ADNI同一批评估窗口的重新划分和七次窗口位置的平均标准化特征轨迹上给出，说明新增表型对应的是既有诊断类别内可辨认的一部分轨迹。
启示与展望
评估只在ADNI队列上完成，该队列的阿尔茨海默病进展缓慢，七次可用就诊仅覆盖约3.5年，可观察的时间异质性有限；结论适用于这一纵向临床队列设置，读者应把它看作该队列上的表型发现与多时点诊断预测结果。
作者指出，需要在测量更密集、进展模式更多样的队列上评估，才能确立TRACE的时间建模能力及其对纵向临床监测的用处；表型之间的转移是否对应有临床意义的进展路径，留待后续工作考察。