Clinically feasible MTR is sensitive to cortical demyelination in MS
Notice bibliographique
Résumé
OBJECTIVE: Presently there is no clinically feasible imaging modality that can effectively detect cortical demyelination in patients with multiple sclerosis (MS). The objective of this study is to determine if clinically feasible magnetization transfer ratio (MTR) imaging is sensitive to cortical demyelination in MS. METHODS: MRI were acquired in situ on 7 recently deceased patients with MS using clinically feasible sequences at 3 T, including relatively high-resolution T1-weighted and proton density-weighted images with/without a magnetization transfer pulse for calculation of MTR. The brains were rapidly removed and placed in fixative. Multiple cortical regions from each brain were immunostained for myelin proteolipid protein and classified as mostly myelinated (MM(ctx)), mostly demyelinated (MD(ctx)), or intermediately demyelinated (ID(ctx)). MRIs were registered with the cortical sections so that the cortex corresponding to each cortical section could be identified, along with adjacent subcortical white matter (WM). Mean cortical MTR normalized to mean WM MTR was calculated for each cortical region. Linear mixed-effects models were used to test if mean normalized cortical MTR was significantly lower in demyelinated cortex. RESULTS: We found that mean normalized cortical MTR was significantly lower in cortical tissue with any demyelination (ID(ctx) or MD(ctx)) compared to MM(ctx) (demyelinated cortex: least-squares mean [LSM] = 0.797, SE = 0.007; MM(ctx): LSM = 0.837, SE = 0.006; p = 0.01, n = 89). CONCLUSIONS: This result demonstrates that clinically feasible MTR imaging is sensitive to cortical demyelination and suggests that MTR will be a useful tool to help detect MS cortical lesions in living patients with MS.
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 | 0,003 |
| 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 ».