Possible type 1 diabetes risk prediction: Using ultrasound imaging to assess pancreas inflammation in the inducible autoimmune diabetes BBDR model
Notice bibliographique
Résumé
BACKGROUND/AIMS: Studies of human cadaveric pancreas specimens indicate that pancreas inflammation plays an important role in type 1 diabetes pathogenesis. Due to the inaccessibility of pancreas in living patients, imaging technology to visualize pancreas inflammation is much in need. In this study, we investigated the feasibility of utilizing ultrasound imaging to assess pancreas inflammation longitudinally in living rats during the progression leading to type 1 diabetes onset. METHODS: The virus-inducible BBDR type 1 diabetes rat model was used to systematically investigate pancreas changes that occur prior to and during development of autoimmunity. The nearly 100% diabetes incidence upon virus induction and the highly consistent time course of this rat model make longitudinal imaging examination possible. A combination of histology, immunoblotting, flow cytometry, and ultrasound imaging technology was used to identify stage-specific pancreas changes. RESULTS: Our histology data indicated that exocrine pancreas tissue of the diabetes-induced rats underwent dramatic changes, including blood vessel dilation and increased CD8+ cell infiltration, at a very early stage of disease initiation. Ultrasound imaging data revealed significant acute and persistent pancreas inflammation in the diabetes-induced rats. The pancreas micro-vasculature was significantly dilated one day after diabetes induction, and large blood vessel (superior mesenteric artery in this study) dilation and inflammation occurred several days later, but still prior to any observable autoimmune cell infiltration of the pancreatic islets. CONCLUSIONS: Our data demonstrate that ultrasound imaging technology can detect pancreas inflammation in living rats during the development of type 1 diabetes. Due to ultrasound's established use as a non-invasive diagnostic tool, it may prove useful in a clinical setting for type 1 diabetes risk prediction prior to autoimmunity and to assess the effectiveness of potential therapeutics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».