Predicting brain atrophy from tau pathology: A summary of clinical findings and their translation into personalized models
Notice bibliographique
Résumé
Abstract For more than 25 years, the amyloid hypothesis-the paradigm that amyloid is the primary cause of Alzheimer’s disease-has dominated the Alzheimer’s community. Now, increasing evidence suggests that tissue atrophy and cognitive decline in Alzheimer’s disease are more closely linked to the amount and location of misfolded tau protein than to amyloid plaques. However, the precise correlation between tau pathology and tissue atrophy remains unknown. Here we integrate multiphysics modeling and Bayesian inference to create personalized tau-atrophy models using longitudinal clinical images from the the Alzheimer’s Disease Neuroimaging Initiative. For each subject, we infer three personalized parameters, the tau misfolding rate, the tau transport coefficient, and the tau-induced atrophy rate from four consecutive annual tau positron emission tomography scans and structural magnetic resonance images. Strikingly, the tau-induced atrophy coefficient of 0.13/year (95% CI: 0.097-0.189) was fairly consistent across all subjects suggesting a strong correlation between tau pathology and tissue atrophy. Our personalized whole brain atrophy rates of 0.68-1.68%/year (95% CI: 0.5-2.0) are elevated compared to healthy subjects and agree well with the atrophy rates of 1-3%/year reported for Alzheimer’s patients in the literature. Once comprehensively calibrated with a larger set of longitudinal images, our model has the potential to serve as a diagnostic and predictive tool to estimate future atrophy progression from clinical tau images on a personalized basis.
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 | 0,003 | 0,007 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».