Alzheimer's disease (AD) is the leading cause of dementia, accounting for 70% of cases worldwide. By 2050, dementia prevalence will have tripled, with most new cases occurring in low- and middle-income countries. Mild cognitive impairment (MCI) is a stage between healthy aging and dementia, marked by cognitive deficits that do not impair daily living. People with MCI are at increased risk of dementia, with an average progression rate of 39% within 5 years. There is urgent need for low-cost, accessible and objective methods to facilitate early dementia detection. Electroencephalography (EEG) has potential to address this need due to its low cost and portability. Here, we collected resting state EEG, structural MRI (sMRI) and rich neuropsychological data from older adults (55+ years) with AD, amnestic MCI (aMCI) and healthy controls (n∼60 per group). We evaluated a range of candidate EEG markers (i.e., frequency band power and functional connectivity) for AD and aMCI classification and compared their performance with sMRI. We also tested a combined EEG and cognitive classification model (using Mini-Mental State Examination; MMSE). sMRI outperformed resting state EEG at classifying AD (AUCs = 1.00 vs 0.76, respectively). However, both EEG and sMRI were only moderately good at distinguishing aMCI from healthy aging (AUCs = 0.67-0.73), and neither method achieved sensitivity above 70%. The addiction of EEG to MMSE scores had no added benefit relative to MMSE scores alone. This is the first direct comparison of EEG and sMRI for classification of AD and aMCI.

中文翻译：

---

静息态脑电图和结构 MRI 对阿尔茨海默病和轻度认知障碍分类的比较。

阿尔茨海默病 (AD) 是痴呆症的主要原因，占全球病例的 70%。到 2050 年，痴呆症患病率将增加两倍，大多数新病例发生在低收入和中等收入国家。轻度认知障碍 (MCI) 是介于健康老龄化和痴呆症之间的阶段，其特征是认知缺陷不会影响日常生活。MCI 患者患痴呆症的风险增加，5 年内平均进展率为 39%。迫切需要低成本、可访问和客观的方法来促进早期痴呆症检测。由于其低成本和便携性，脑电图 (EEG) 具有满足这一需求的潜力。在这里，我们收集了患有 AD 的老年人（55 岁以上）的静息状态 EEG、结构 MRI (sMRI) 和丰富的神经心理学数据，遗忘型 MCI (aMCI) 和健康对照（每组 n~60）。我们评估了一系列用于 AD 和 aMCI 分类的候选 EEG 标记（即频带功率和功能连接），并将它们的性能与 sMRI 进行了比较。我们还测试了组合的 EEG 和认知分类模型（使用迷你精神状态检查；MMSE）。sMRI 在对 AD 进行分类时优于静息状态 EEG（分别为 AUC = 1.00 和 0.76）。然而，EEG 和 sMRI 在区分 aMCI 与健康老龄化（AUCs = 0.67-0.73）方面都只是中等程度，并且两种方法的灵敏度都没有超过 70%。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。频带功率和功能连接）用于 AD 和 aMCI 分类，并将它们的性能与 sMRI 进行比较。我们还测试了组合的 EEG 和认知分类模型（使用迷你精神状态检查；MMSE）。sMRI 在对 AD 进行分类时优于静息状态 EEG（AUC 分别为 1.00 和 0.76）。然而，EEG 和 sMRI 在区分 aMCI 与健康老龄化（AUCs = 0.67-0.73）方面都只是中等程度，并且两种方法的灵敏度都没有超过 70%。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。频带功率和功能连接）用于 AD 和 aMCI 分类，并将它们的性能与 sMRI 进行比较。我们还测试了组合的 EEG 和认知分类模型（使用迷你精神状态检查；MMSE）。sMRI 在对 AD 进行分类时优于静息状态 EEG（分别为 AUC = 1.00 和 0.76）。然而，EEG 和 sMRI 在区分 aMCI 与健康老龄化（AUCs = 0.67-0.73）方面都只是中等程度，并且两种方法的灵敏度都没有超过 70%。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。我们还测试了组合的 EEG 和认知分类模型（使用迷你精神状态检查；MMSE）。sMRI 在对 AD 进行分类时优于静息状态 EEG（AUC 分别为 1.00 和 0.76）。然而，EEG 和 sMRI 在区分 aMCI 与健康老龄化（AUCs = 0.67-0.73）方面都只是中等程度，并且两种方法的灵敏度都没有超过 70%。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。我们还测试了组合的 EEG 和认知分类模型（使用迷你精神状态检查；MMSE）。sMRI 在对 AD 进行分类时优于静息状态 EEG（AUC 分别为 1.00 和 0.76）。然而，EEG 和 sMRI 在区分 aMCI 与健康老龄化（AUCs = 0.67-0.73）方面都只是中等程度，并且两种方法的灵敏度都没有超过 70%。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。相对于单独的 MMSE 分数，EEG 对 MMSE 分数的依赖没有额外的好处。这是 EEG 和 sMRI 对 AD 和 aMCI 分类的首次直接比较。