Dual-Model Radiomic Biomarkers Predict Development of Mild Cognitive Impairment Progression to Alzheimer’s Disease
Notice bibliographique
Résumé
Predicting progression of Mild cognitive impairment (MCI) to Alzheimer’s disease (AD) is clinically important. In this study, we propose a dual-model radiomic analysis with multivariate Cox proportional hazards regression models to investigate promising risk factors associated with MCI conversion to AD. T1 structural magnetic resonance imaging (MRI) and 18F-Fluorodeoxyglucose (FDG) positron emission tomography (PET) data, from the Alzheimer’s Disease Neuroimaging Initiative database, were collected from 131 patients with MCI who converted to AD within 3 years and 132 patients with MCI without conversion within 3 years. These subjects were randomly partition into 70% training dataset and 30% test dataset with multiple times. We fused MRI and PET images by wavelet method. In a subset of subjects, a group comparison was performed using a two-sample t-test to determine regions of interest (ROIs) associated with MCI conversion. 172 radiomic features from ROIs for each individual were established using a published radiomics tool. Finally, L1-penalized Cox model was constructed and Harrell’s C index (C-index) was used to evaluate prediction accuracy of the model. To evaluate the efficacy of our proposed method, we used a same analysis framework to evaluate MRI and PET data separately. We constructed prognostic Cox models with: clinical data, MRI images, PET images, fused MRI/PET images, and clinical variables and fused MRI/PET images in combination. The experimental results showed that captured ROIs significantly associated with conversion to AD, such as gray matter atrophy in the bilateral hippocampus and hypometabolism in the temporoparietal cortex. Imaging model (MRI/PET/fused) provided significant enhancement in prediction of conversion compared to clinical models, especially the fused-modality Cox model. Moreover, the combination of fused-modality imaging and clinical variables resulted in the greatest accuracy of prediction. The average C-index for the clinical/MRI/PET/fused/combined model in the test dataset was 0.69, 0.73, 0.73 and 0.75 and 0.78, respectively. These results suggested that a combination of radiomic analysis and Cox model analyses could be used successfully in survival analysis and may be powerful tools for personalized precision medicine patients with potential to undergo conversion from MCI to AD.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».