MRI Asymmetry Index of Hippocampal Subfields Increases Through the Continuum From the Mild Cognitive Impairment to the Alzheimer's Disease
Notice bibliographique
Résumé
Objective: It is well known that the hippocampus presents significant asymmetry in Alzheimer’s disease (AD) and that difference in volumes between left and right exists and varies with disease progression. However, few works investigated whether the asymmetry degree of subfields of hippocampus changes through the continuum from Mild Cognitive Impairment (MCI) to AD. Thus, aim of the present work was to evaluate the Asymmetry Index (AI) of hippocampal substructures as possible MRI biomarkers of Dementia. Moreover, we aimed to assess whether the subfields presented peculiar differences between left and right hemispheres. We also investigated the relationship between the asymmetry magnitude in hippocampal subfields and the decline of verbal memory as assessed by Rey’s auditory verbal learning test (RAVLT). Methods: Four-hundred subjects were selected from ADNI, equally divided into healthy controls (HC), AD, stable MCI (sMCI) and progressive MCI (pMCI). The structural baseline T1s were processed with FreeSurfer 6.0 and volumes of whole hippocampus (WH) and 12 subfields were extracted. The AI was calculated as: (|Left-Right|/(Left+Right))*100. ANCOVA was used for evaluating AI differences between diagnoses, while paired t-test was applied for assessing changes between left and right volumes, separately for each group. Partial correlation was performed for exploring relationship between RAVLT summary scores (Immediate, Learning, Forgetting, Percent Forgetting) and hippocampal substructures AI. The statistical threshold was Bonferroni corrected p<0.05/13=0.0038. Results: We found a general trend of increased degree of asymmetry with increasing severity of diagnosis. Indeed, AD presented the higher magnitude of asymmetry compared with HC, sMCI and pMCI, in the WH (AI mean 5.13±4.29 SD) and in each of its twelve subfields. Moreover, we found in AD a significant negative correlation (r =-0.33, p=0.00065) between the AI of parasubiculum (mean 12.70±9.59 SD) and the RAVLT Learning score (mean 1.70±1.62 SD). Conclusions: Our findings showed that hippocampal subfields AI varies differently among the four groups HC, sMCI, pMCI and AD. Moreover, we found - for the first time - that hippocampal substructures had different sub-patterns of lateralization compared with the whole hippocampus. Importantly, the severity in learning rate was correlated with pathological high degree of asymmetry in parasubiculum of AD patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,003 | 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 ».