Joint Assessment of Quantitative <sup>18</sup> F-Florbetapir and <sup>18</sup> F-FDG Regional Uptake Using Baseline Data from the ADNI
Notice bibliographique
Résumé
Joint analysis of amyloid and metabolic PET patterns across healthy, mild cognitive impairment (MCI), and Alzheimer's disease (AD) subjects was performed using baseline 18F-florbetapir and 18F-FDG PET of 684 subjects from the ADNI (251 normal, 204 stable MCI, 85 AD converters, and 144 AD). Correlation between regional amyloid and metabolic uptake was measured and predictive value of PET profile regarding AD conversion in cognitively impaired subjects was assessed using survival analysis and support vector machine classification (SVM). The highest correlations were found in the temporal cortex, precuneus, and posterior cingulum. With respect to normal controls, amyloid load increase was diffuse and early in MCI subjects, whereas metabolism decrease occurred later and predominated in temporo-parietal, precuneus, and cingulate cortices. Five-year AD conversion rates in cognitively impaired subjects were 5%, 22%, 42%, and 78% in amyloid-/FDG-, amyloid-/FDG+, amyloid+/FDG-, and amyloid+/FDG+ subjects respectively (mean follow-up 37±14 months). Using SVM, the combination of ADAS-cog score, amyloid PET, and FDG PET yielded better performance in predicting AD conversion (77% accuracy; 58% positive predictive value; 88% negative predictive value) than ADAS-cog (72%; 52%; 86%), amyloid PET (72%; 52%; 87%), and FDG PET (67%; 47%; 84%). This study attests the complementary value of amyloid and FDG PET in MCI assessment and the efficiency of combined cognitive, amyloid, and metabolic scores to predict AD conversion.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».