A multicenter comparison of [18F]flortaucipir, [18F]RO948, and [18F]MK6240 tau PET tracers to detect a common target ROI for differential diagnosis
Notice bibliographique
Résumé
Abstract Purpose This study aims to determine whether comparable target regions of interest (ROIs) and cut-offs can be used across [ 18 F]flortaucipir, [ 18 F]RO948, and [ 18 F]MK6240 tau positron emission tomography (PET) tracers for differential diagnosis of Alzheimer’s disease (AD) dementia vs either cognitively unimpaired (CU) individuals or non-AD neurodegenerative diseases. Methods A total of 1755 participants underwent tau PET using either [ 18 F]flortaucipir ( n = 975), [ 18 F]RO948 ( n = 493), or [ 18 F]MK6240 ( n = 287). SUVR values were calculated across four theory-driven ROIs and several tracer-specific data-driven (hierarchical clustering) regions of interest (ROIs). Diagnostic performance and cut-offs for ROIs were determined using receiver operating characteristic analyses and the Youden index, respectively. Results Comparable diagnostic performance (area under the receiver operating characteristic curve [AUC]) was observed between theory- and data-driven ROIs. The theory-defined temporal meta-ROI generally performed very well for all three tracers (AUCs: 0.926–0.996). An SUVR value of approximately 1.35 was a common threshold when using this ROI. Conclusion The temporal meta-ROI can be used for differential diagnosis of dementia patients with [ 18 F]flortaucipir, [ 18 F]RO948, and [ 18 F]MK6240 tau PET with high accuracy, and that using very similar cut-offs of around 1.35 SUVR. This ROI/SUVR cut-off can also be applied across tracers to define tau positivity.
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 | 0,012 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».