Connectome‐Based Propagation Model in Amyotrophic Lateral Sclerosis
Notice bibliographique
Résumé
OBJECTIVE: Clinical trials in amyotrophic lateral sclerosis (ALS) continue to rely on survival or functional scales as endpoints, despite the emergence of quantitative biomarkers. Neuroimaging-based biomarkers in ALS have been shown to detect ALS-associated pathology in vivo, although anatomical patterns of disease spread are poorly characterized. The objective of this study is to simulate disease propagation using network analyses of cerebral magnetic resonance imaging (MRI) data to predict disease progression. METHODS: Using brain networks of ALS patients (n = 208) and matched controls across longitudinal time points, network-based statistics unraveled progressive network degeneration originating from the motor cortex and expanding in a spatiotemporal manner. We applied a computational model to the MRI scan of patients to simulate this progressive network degeneration. Simulated aggregation levels at the group and individual level were validated with empirical impairment observed at later time points of white matter and clinical decline using both internal and external datasets. RESULTS: We observe that computer-simulated aggregation levels mimic true disease patterns in ALS patients. Simulated patterns of involvement across cortical areas show significant overlap with the patterns of empirically impaired brain regions on later scans, at both group and individual levels. These findings are validated using an external longitudinal dataset of 30 patients. INTERPRETATION: Our results are in accordance with established pathological staging systems and may have implications for patient stratification in future clinical trials. Our results demonstrate the utility of computational models in ALS to predict disease progression and underscore their potential as a prognostic biomarker. ANN NEUROL 2020;87:725-738.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».