Comparing MRI metrics to quantify white matter microstructural damage in multiple sclerosis
Notice bibliographique
Résumé
Quantifying white matter damage in vivo is becoming increasingly important for investigating the effects of neuroprotective and repair strategies in multiple sclerosis (MS). While various approaches are available, the relationship between MRI-based metrics of white matter microstructure in the disease, that is, to what extent the metrics provide complementary versus redundant information, remains largely unexplored. We obtained four microstructural metrics from 123 MS patients: fractional anisotropy (FA), radial diffusivity (RD), myelin water fraction (MWF), and magnetisation transfer ratio (MTR). Coregistration of maps of these four indices allowed quantification of microstructural damage through voxel-wise damage scores relative to healthy tissue, as assessed in a group of 27 controls. We considered three white matter tissue-states, which were expected to vary in microstructural damage: normal appearing white matter (NAWM), T2-weighted hyperintense lesional tissue without T1-weighted hypointensity (T2L), and T1-weighted hypointense lesional tissue with corresponding T2-weighted hyperintensity (T1L). All MRI indices suggested significant damage in all three tissue-states, the greatest damage being in T1L. The correlations between indices ranged from r = 0.18 to r = 0.87. MWF was most sensitive when differentiating T2L from NAWM, while MTR was most sensitive when differentiating T1L from NAWM and from T2L. Combining the four metrics into one, through a principal component analysis, did not yield a measure more sensitive to damage than any single measure. Our findings suggest that the metrics are (at least partially) correlated with each other, but sensitive to the different aspects of pathology. Leveraging these differences could be beneficial in clinical trials testing the effects of therapeutic interventions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 | 0,001 |
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 tête enseignante, 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 ».