Quantitative imaging of neuroinflammation in human white matter: A positron emission tomography study with translocator protein 18 kDa radioligand, [<sup>18</sup>F]‐FEPPA
Notice bibliographique
Résumé
The ability to quantify translocator protein 18 kDa (TSPO) in white matter (WM) is important to understand the role of neuroinflammation in neurological disorders with WM involvement. This article aims to extend the utility of TSPO imaging in WM using a second-generation radioligand, [18F]-FEPPA, and high-resolution research tomograph (HRRT) positron emission tomography (PET) camera system. Four WM regions of interests (WM-ROI), relevant to the study of aging and neuroinflammatory diseases, were examined. The corpus callosum, cingulum bundle, superior longitudinal fasciculus, and posterior limb of internal capsule were delineated automatically onto subject's T1 -weighted magnetic resonance image using a diffusion tensor imaging-based WM template. The TSPO polymorphism (rs6971) stratified individuals to three genetic groups: high-affinity binders (HAB), mixed-affinity binders (MAB), and low-affinity binders. [18F]-FEPPA PET scans were acquired on 32 healthy subjects and analyzed using a full kinetic compartment analysis. The two-tissue compartment model showed moderate identifiability (coefficient of variation 15-19%) for [18F]-FEPPA total volume distribution (VT ) in WM-ROIs. Noise affects VT variability, although its effect on bias was small (6%). In a worst-case scenario, ≤6% of simulated data did not fit reliably. A simulation of increased TSPO density exposed minimal effect on variability and identifiability of [18F]-FEPPA VT in WM-ROIs. We found no association between age and [18F]-FEPPA VT in WM-ROIs. The VT values were 15% higher in HAB than in MAB, although the difference was not statistically significant. This study provides evidence for the utility and limitations of [18F]-FEPPA PET to measure TSPO expression in WM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».