Profiles of cortical inflammation in multiple sclerosis by <sup>11</sup> C-PBR28 MR-PET and 7 Tesla imaging
Notice bibliographique
Résumé
Background: Neuroinflammation with microglia activation is thought to be closely related to cortical multiple sclerosis (MS) lesion pathogenesis. Objective: Using 11 C-PBR28 and 7 Tesla (7T) imaging, we assessed in 9 relapsing–remitting multiple sclerosis (RRMS) and 10 secondary progressive multiple sclerosis (SPMS) patients the following: (1) microglia activation in lesioned and normal-appearing cortex, (2) cortical lesion inflammatory profiles, and (3) the relationship between neuroinflammation and cortical integrity. Methods: Mean 11 C-PBR28 uptake was measured in focal cortical lesions, cortical areas with 7T quantitative T 2 * (q-T 2 *) abnormalities, and normal-appearing cortex. The relative difference in cortical 11 C-PBR28 uptake between patients and 14 controls was used to classify cortical lesions as either active or inactive. Disease burden was investigated according to cortical lesion inflammatory profiles. The relation between q-T 2 * and 11 C-PBR28 uptake along the cortex was assessed. Results: 11 C-PBR28 uptake was abnormally high in cortical lesions in RRMS and SPMS; in SPMS, tracer uptake was significantly increased also in normal-appearing cortex. 11 C-PBR28 uptake and q-T 2 * correlated positively in many cortical areas, negatively in some regions. Patients with high cortical lesion inflammation had worse clinical outcome and higher intracortical lesion burden than patients with low inflammation. Conclusion: 11 C-PBR28 and 7T imaging reveal distinct profiles of cortical inflammation in MS, which are related to disease burden.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».