Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer’s dementia
Notice bibliographique
Résumé
PURPOSE: F-fluorodeoxyglucose (FDG) reveals altered cerebral metabolism in individuals with mild cognitive impairment (MCI) and Alzheimer's dementia (AD). Previous metabolic connectome analyses derive from groups of patients but do not support the prediction of an individual's risk of conversion from present MCI to AD. We now present an individual metabolic connectome method, namely the Kullback-Leibler Divergence Similarity Estimation (KLSE), to characterize brain-wide metabolic networks that predict an individual's risk of conversion from MCI to AD. METHODS: FDG-PET data consisting of 50 healthy controls, 332 patients with stable MCI, 178 MCI patients progressing to AD, and 50 AD patients were recruited from ADNI database. Each individual's metabolic brain network was ascertained using the KLSE method. We compared intra- and intergroup similarity and difference between the KLSE matrix and group-level matrix, and then evaluated the network stability and inter-individual variation of KLSE. The multivariate Cox proportional hazards model and Harrell's concordance index (C-index) were employed to assess the prediction performance of KLSE and other clinical characteristics. RESULTS: The KLSE method captures more pathological connectivity in the parietal and temporal lobes relative to the typical group-level method, and yields detailed individual information, while possessing greater stability of network organization (within-group similarity coefficient, 0.789 for sMCI and 0.731 for pMCI). Metabolic connectome expression was a superior predictor of conversion than were other clinical assessments (hazard ratio (HR) = 3.55; 95% CI, 2.77-4.55; P < 0.001). The predictive performance improved further upon combining clinical variables in the Cox model, i.e., C-indices 0.728 (clinical), 0.730 (group-level pattern model), 0.750 (imaging connectome), and 0.794 (the combined model). CONCLUSION: The KLSE indicator identifies abnormal brain networks predicting an individual's risk of conversion from MCI to AD, thus potentially constituting a clinically applicable imaging biomarker.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».