Brain volume loss in individuals over time: Source of variance and limits of detectability
Notice bibliographique
Résumé
BACKGROUND: Brain volume loss measured from magnetic resonance imaging (MRI) is a marker of neurodegeneration and predictor of disability progression in MS, and is commonly used to assess drug efficacy at the group level in clinical trials. Whether measures of brain volume loss could be useful to help guide management of individual patients depends on the relative magnitude of the changes over a given interval to physiological and technical sources of variability. GOAL: To understand the relative contributions of neurodegeneration vs. physiological and technical sources of variability to measurements of brain volume loss in individuals. MATERIAL AND METHODS: Multiple T1-weighted 3D MPRAGE images were acquired from a healthy volunteer and MS patient over varying time intervals: 7 times on the first day (before breakfast at 7:30AM and then every 2 h for 12 h), each day for the next 6 working days, and 6 times over the remainder of the year, on 2 Siemens MRI scanners: 1.5T Sonata (S1) and 3.0T TIM Trio (S2). Scan-reposition-rescan data were acquired on S2 for daily, monthly and 1-year visits. Percent brain volume change (PBVC) was measured from baseline to each follow-up scan using FSL/SIENA. We estimated the effect of physiologic fluctuations on brain volume using linear regression of the PBVC values over hourly and daily intervals. The magnitude of the physiological effect was estimated by comparing the root-mean-square error (RMSE) of the regression of all the data points relative to the regression line, for the hourly scans vs the daily scans. Variance due to technical sources was assessed as the RMSE of the regression over time using the intracranial volume as a reference. RESULTS: The RMSE of PBVC over 12 h, for both scanners combined, ("Hours", 0.15%), was similar to the day-to-day variation over 1 week ("Days", 0.14%), and both were smaller than the RMS error over the year (0.21%). All of these variations, however, were smaller than the scan-reposition-rescan RMSE (0.32%). The variability of PBVC for the individual scanners followed the same trend. The standard error of the mean (SEM) for PBVC was 0.26 for S1, and 0.22 for S2. From these values, we computed the minimum detectable change (MDC) to be 0.7% on S1 and 0.6% on S2. The location of the brain along the z-axis of the magnet inversely correlated with brain volume change for hourly and daily brain volume fluctuations (p < 0.01). CONCLUSION: Consistent diurnal brain volume fluctuations attributable to physiological shifts were not detectable in this small study. Technical sources of variation dominate measured changes in brain volume in individuals until the volume loss exceeds around 0.6-0.7%. Reliable interpretation of measured brain volume changes as pathological (greater than normal aging) in individuals over 1 year requires changes in excess of about 1.1% (depending on the scanner). Reliable brain atrophy detection in an individual may be feasible if the rate of brain volume loss is large, or if the measurement interval is sufficiently long.
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 | 0,066 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».