MétaCan
Menu
Retour à la cohorte
Enregistrement W2602936479 · doi:10.1002/hbm.23559

Your algorithm might think the hippocampus grows in Alzheimer's disease: Caveats of longitudinal automated hippocampal volumetry

2017· article· en· W2602936479 sur OpenAlexaff
Tejas Sankar, Min Tae M Park, Natasha Jawa, Raihaan Patel, Nikhil Bhagwat, Aristotle N. Voineskos, Andrés M. Lozano, M. Mallar Chakravarty

Notice bibliographique

RevueHuman Brain Mapping · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensCentre for Addiction and Mental HealthUniversity of TorontoMcGill UniversityDouglas Mental Health University InstituteWestern UniversityUniversity of Alberta
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Mental HealthNational Institute on AgingNational Institutes of Health
Mots-clésHippocampal formationAtrophyHippocampusNeuroimagingAlzheimer's Disease Neuroimaging InitiativeIntraclass correlationMagnetic resonance imagingPsychologyDementiaAlzheimer's diseaseNeuroscienceConcordanceSegmentationCognitive impairmentDiseaseMedicineInternal medicineCognitionRadiologyComputer scienceArtificial intelligenceDevelopmental psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Hippocampal atrophy rate-measured using automated techniques applied to structural MRI scans-is considered a sensitive marker of disease progression in Alzheimer's disease, frequently used as an outcome measure in clinical trials. Using publicly accessible data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), we examined 1-year hippocampal atrophy rates generated by each of five automated or semiautomated hippocampal segmentation algorithms in patients with Alzheimer's disease, subjects with mild cognitive impairment, or elderly controls. We analyzed MRI data from 398 and 62 subjects available at baseline and at 1 year at MRI field strengths of 1.5 T and 3 T, respectively. We observed a high rate of hippocampal segmentation failures across all algorithms and diagnostic categories, with only 50.8% of subjects at 1.5 T and 58.1% of subjects at 3 T passing stringent segmentation quality control. We also found that all algorithms identified several subjects (between 2.94% and 48.68%) across all diagnostic categories showing increases in hippocampal volume over 1 year. For any given algorithm, hippocampal "growth" could not entirely be explained by excluding patients with flawed hippocampal segmentations, scan-rescan variability, or MRI field strength. Furthermore, different algorithms did not uniformly identify the same subjects as hippocampal "growers," and showed very poor concordance in estimates of magnitude of hippocampal volume change over time (intraclass correlation coefficient 0.319 at 1.5 T and 0.149 at 3 T). This precluded a meaningful analysis of whether hippocampal "growth" represents a true biological phenomenon. Taken together, our findings suggest that longitudinal hippocampal volume change should be interpreted with considerable caution as a biomarker. Hum Brain Mapp 38:2875-2896, 2017. © 2017 Wiley Periodicals, Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,352
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Brain MappingMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207