Three‐Dimensional Lesion Phenotyping and Physiologic Characterization Inform Remyelination Ability in Multiple Sclerosis
Notice bibliographique
Résumé
ABSTRACT BACKGROUND AND PURPOSE Multiple sclerosis (MS) clinical management is based upon lesion characterization from 2‐dimensional (2D) magnetic resonance imaging (MRI) views. Such views fail to convey the lesion‐phenotype (ie, shape and surface texture) complexity, underlying metabolic alterations, and remyelination potential. We utilized a 3‐dimensional (3D) lesion phenotyping approach coupled with imaging to study physiologic profiles within and around MS lesions and their impacts on lesion phenotypes. METHODS Lesions were identified in 3T T 2 ‐FLAIR images and segmented using geodesic active contouring. A calibrated fMRI sequence permitted measurement of cerebral blood flow (CBF), blood‐oxygen‐level‐dependent signal (BOLD), and cerebral metabolic rate of oxygen (CMRO 2 ). These metrics were measured within lesions and surrounding tissue in concentric layers exact to the 3D‐lesion shape. BOLD slope was calculated as BOLD changes from a lesion to its surrounding perimeters. White matter integrity was measured using diffusion kurtosis imaging. Associations between these metrics and 3D‐lesion phenotypes were studied. RESULTS One hundred nine lesions from 23 MS patients were analyzed. We identified a noninvasive biomarker, BOLD slope, to metabolically characterize lesions. Positive BOLD slope lesions were metabolically active with higher CMRO 2 and CBF compared to negative BOLD slope or inactive lesions. Metabolically active lesions with more intact white matter integrity had more symmetrical shapes and more complex surface textures compared to inactive lesions with less intact white matter integrity. CONCLUSION The association of lesion phenotypes with their metabolic signatures suggests the prospect for translation of such data to clinical management by providing information related to metabolic activity, lesion age, and risk for disease reactivation and self‐repair. Our findings also provide a platform for disease surveillance and outcome quantification involving myelin repair 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| 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 ».