Pitfalls of Voxel-Based Amyloid PET Analyses for Diagnosis of Alzheimer’s Disease: Artifacts due to Non-Specific Uptake in the White Matter and the Skull
Notice bibliographique
Résumé
Two methods are commonly used in brain image voxel-based analyses widely used for dementia work-ups: 3-dimensional stereotactic surface projections (3D-SSP) and statistical parametric mapping (SPM). The methods calculate the Z-scores of the cortical voxels that represent the significance of differences compared to a database of brain images with normal findings, and visualize them as surface brain maps. The methods are considered useful in amyloid positron emission tomography (PET) analyses to detect small amounts of amyloid-β deposits in early-stage Alzheimer's disease (AD), but are not fully validated. We analyzed the (11)C-labeled 2-(2-[2-dimethylaminothiazol-5-yl]ethenyl)-6-(2-[fluoro]ethoxy)benzoxazole (BF-227) amyloid PET imaging of 56 subjects (20 individuals with mild cognitive impairment [MCI], 19 AD patients, and 17 non-demented [ND] volunteers) with 3D-SSP and the easy Z-score imaging system (eZIS) that is an SPM-based method. To clarify these methods' limitations, we visually compared Z-score maps output from the two methods and investigated the causes of discrepancies between them. Discrepancies were found in 27 subjects (9 MCI, 13 AD, and 5 ND). Relatively high white matter uptake was considered to cause higher Z-scores on 3D-SSP in 4 subjects (1 MCI and 3 ND). Meanwhile, in 17 subjects (6 MCI, 9 AD, and 2 ND), Z-score overestimation on eZIS corresponded with high skull uptake and disappeared after removing the skull uptake ("scalping"). Our results suggest that non-specific uptakes in the white matter and skull account for errors in voxel-based amyloid PET analyses. Thus, diagnoses based on 3D-SSP data require checking white matter uptake, and "scalping" is recommended before eZIS analysis.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».