Automatic Prediction of Cognitive and Functional Decline Can Significantly Decrease the Number of Subjects Required for Clinical Trials in Early Alzheimer’s Disease
Notice bibliographique
Résumé
BACKGROUND: While both cognitive and magnetic resonance imaging (MRI) data has been used to predict progression in Alzheimer's disease, heterogeneity between patients makes it challenging to predict the rate of cognitive and functional decline for individual subjects. OBJECTIVE: To investigate prognostic power of MRI-based biomarkers of medial temporal lobe atrophy and macroscopic tissue change to predict cognitive decline in individual patients in clinical trials of early Alzheimer's disease. METHODS: Data used in this study included 312 patients with mild cognitive impairment from the ADNI dataset with baseline MRI, cerebrospinal fluid amyloid-β, cognitive test scores, and a minimum of two-year follow-up information available. We built a prognostic model using baseline cognitive scores and MRI-based features to determine which subjects remain stable and which functionally decline over 2 and 3-year follow-up periods. RESULTS: Combining both sets of features yields 77%accuracy (81%sensitivity and 75%specificity) to predict cognitive decline at 2 years (74%accuracy at 3 years with 75%sensitivity and 73%specificity). When used to select trial participants, this tool yields a 3.8-fold decrease in the required sample size for a 2-year study (2.8-fold decrease for a 3-year study) for a hypothesized 25%treatment effect to reduce cognitive decline. CONCLUSION: When used in clinical trials for cohort enrichment, this tool could accelerate development of new treatments by significantly increasing statistical power to detect differences in cognitive decline between arms. In addition, detection of future decline can help clinicians improve patient management strategies that will slow or delay symptom progression.
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 | 0,050 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».