IC‐P‐131: Robust Identification of Amnestic MCI Progressors to Probable Alzheimer's disease Via Baseline MRI Analysis
Notice bibliographique
Résumé
MR images taken from different centers appear dissimilar due to a variety of scanner-dependent effects. This situation is particularly acute in large, multi-centric settings such as ADNI. Our goal was to assess the accuracy of prediction to progression to AD for ADNI MCI subjects for an automated classification technique (Duchesne et al, Neurobiol. Aging 2008). A total of 481 subjects were available for final analysis. The Volume of Interest (VOI) Group consisted in 75 probable AD and 75 age-matched controls from the LENITEM dataset. The Study Group consisted in 331 MCI subjects from ADNI (129 progressors (1.50 years (SD: 0.69 years)) and 202 stable). MRI data for the VOI Group were acquired in Italy on a 1.0T scanner; ADNI data were acquired on 56 different 1.5T scanners. To increase technique robustness, we added noise removal and intensity standardization to the previous image pipeline. Model features were local volume change and standardized intensity sampled in a pathology-specific VOI, defined as areas of grey matter differences between AD/controls in the VOI group (Figure 1). We randomly split the Study Group in a Model Group of 166 and a Test Group of 165 subjects. We generated a linear model of 134 normally distributed image features explaining 95% of data variance from the Model Group. We projected Test Group data in the model space, and assessed classification accuracy with forward, stepwise linear discriminant analysis (p-to-enter = 0.15) in a k-fold fashion (k = 10), averaged over 5 trials. We obtained 82.3% accuracy, 77.5% specificity, and 85.9% sensitivity with a median number of 37 variables in the discrimination function. We performed comparison studies using other publicly available data (ADAS-COG; hippocampal volumes; SPARE-AD) (these were not available for all subjects). Of note, classification based on SPARE-AD reached 71.7% accuracy on a subset of 61 MCI (Figure 2).
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».