Characterizing Functional Integrity: Intraindividual Brain Signal Variability Predicts Memory Performance in Patients with Medial Temporal Lobe Epilepsy
Notice bibliographique
Résumé
Computational modeling suggests that variability in brain signals provides important information regarding the system's capacity to adopt different network configurations that may promote optimal responding to stimuli. Although there is limited empirical work on this construct, a recent study indicates that age-related decreases in variability across the adult lifespan correlate with less efficient and less accurate performance. Here, we extend this construct to the assessment of cerebral integrity by comparing fMRI BOLD variability and fMRI BOLD amplitude in their ability to account for differences in functional capacity in patients with focal unilateral medial temporal dysfunction. We were specifically interested in whether either of these BOLD measures could identify a link between the affected medial temporal region and memory performance (as measured by a clinical test of verbal memory retention). Using partial least-squares analyses, we found that variability in a set of regions including the left hippocampus predicted verbal retention and, furthermore, this relationship was similar across a range of cognitive tasks measured during scanning (i.e., the same pattern was seen in fixation, autobiographical recall, and word generation). In contrast, signal amplitude in the hippocampus did not predict memory performance, even for a task that reliably activates the medial temporal lobes (i.e., autobiographical recall). These findings provide a powerful validation of the concept that variability in brain signals reflects functional integrity. Furthermore, this measure can be characterized as a robust biomarker in this clinical setting because it reveals the same pattern regardless of cognitive challenge or task engagement during scanning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».