Deep grey matter injury in multiple sclerosis: a NAIMS consensus statement
Notice bibliographique
Résumé
Although multiple sclerosis has traditionally been considered a white matter disease, extensive research documents the presence and importance of grey matter injury including cortical and deep regions. The deep grey matter exhibits a broad range of pathology and is uniquely suited to study the mechanisms and clinical relevance of tissue injury in multiple sclerosis using magnetic resonance techniques. Deep grey matter injury has been associated with clinical and cognitive disability. Recently, MRI characterization of deep grey matter properties, such as thalamic volume, have been tested as potential clinical trial end points associated with neurodegenerative aspects of multiple sclerosis. Given this emerging area of interest and its potential clinical trial relevance, the North American Imaging in Multiple Sclerosis (NAIMS) Cooperative held a workshop and reached consensus on imaging topics related to deep grey matter. Herein, we review current knowledge regarding deep grey matter injury in multiple sclerosis from an imaging perspective, including insights from histopathology, image acquisition and post-processing for deep grey matter. We discuss the clinical relevance of deep grey matter injury and specific regions of interest within the deep grey matter. We highlight unanswered questions and propose future directions, with the aim of focusing research priorities towards better methods, analysis, and interpretation of results.
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 | 0,075 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,016 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».