Mapping neuroinflammation in frontotemporal dementia with molecular PET imaging
Notice bibliographique
Résumé
Recent findings have led to a renewed interest and support for an active role of inflammation in neurodegenerative dementias and related neurologic disorders. Detection of neuroinflammation in vivo throughout the course of neurodegenerative diseases is of great clinical interest. Studies have shown that microglia activation (an indicator of neuroinflammation) may present at early stages of frontotemporal dementia (FTD), but the role of neuroinflammation in the pathogenesis of FTD is largely unknown. The first-generation translocator protein (TSPO) ligand ([(11)C]-PK11195) has been used to detect microglia activation in FTD, and the second-generation TSPO ligands have imaged neuroinflammation in vivo with improved pharmacokinetic properties. This paper reviews related literature and technical issues on mapping neuroinflammation in FTD with positron-emission tomography (PET) imaging. Early detection of neuroinflammation in FTD may identify new tools for diagnosis, novel treatment targets, and means to monitor therapeutic efficacy. More studies are needed to image and track neuroinflammation in FTD. It is anticipated that the advances of TSPO PET imaging will overcome technical difficulties, and molecular imaging of neuroinflammation will aid in the characterization of neuroinflammation in FTD. Such knowledge has the potential to shed light on the poorly understood pathogenesis of FTD and related dementias, and provide imaging markers to guide the development and assessment of new therapies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».