A recommended “minimum data set” framework for SD‐OCT retinal image acquisition and analysis from the Atlas of Retinal Imaging in Alzheimer's Study (ARIAS)
Notice bibliographique
Résumé
INTRODUCTION: We propose a minimum data set framework for the acquisition and analysis of retinal images for the development of retinal Alzheimer's disease (AD) biomarkers. Our goal is to describe methodology that will increase concordance across laboratories, so that the broader research community is able to cross-validate findings in parallel, accumulate large databases with normative data across the cognitive aging spectrum, and progress the application of this technology from the discovery stage to the validation stage in the search for sensitive and specific retinal biomarkers in AD. METHODS: The proposed minimum data set framework is based on the Atlas of Retinal Imaging Study (ARIAS), an ongoing, longitudinal, multi-site observational cohort study. However, the ARIAS protocol has been edited and refined with the expertise of all co-authors, representing 16 institutions, and research groups from three countries, as a first step to address a pressing need identified by experts in neuroscience, neurology, optometry, and ophthalmology at the Retinal Imaging in Alzheimer's Disease (RIAD) conference, convened by the Alzheimer's Association and held in Washington, DC, in May 2019. RESULTS: Our framework delineates specific imaging protocols and methods of analysis for imaging structural changes in retinal neuronal layers, with optional add-on procedures of fundus autofluorescence to examine beta-amyloid accumulation and optical coherence tomography angiography to examine AD-related changes in the retinal vasculature. DISCUSSION: This minimum data set represents a first step toward the standardization of retinal imaging data acquisition and analysis in cognitive aging and AD. A standardized approach is essential to move from discovery to validation, and to examine which retinal AD biomarkers may be more sensitive and specific for the different stages of the disease severity spectrum. This approach has worked for other biomarkers in the AD field, such as magnetic resonance imaging; amyloid positron emission tomography; and, more recently, blood proteomics. Potential context of use for retinal AD biomarkers is discussed.
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 | 0,158 | 0,247 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,013 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 ».