Multiparametric MRI for the improved diagnostic accuracy of Alzheimer’s disease and mild cognitive impairment: Research protocol of a case-control study design
Notice bibliographique
Résumé
BACKGROUND: Alzheimer's disease (AD) is a major neurocognitive disorder identified by memory loss and a significant cognitive decline based on previous level of performance in one or more cognitive domains that interferes in the independence of everyday activities. The accuracy of imaging helps to identify the neuropathological features that differentiate AD from its common precursor, mild cognitive impairment (MCI). Identification of early signs will aid in risk stratification of disease and ensures proper management is instituted to reduce the morbidity and mortality associated with AD. Magnetic resonance imaging (MRI) using structural MRI (sMRI), functional MRI (fMRI), diffusion tensor imaging (DTI), and magnetic resonance spectroscopy (1H-MRS) performed alone is inadequate. Thus, the combination of multiparametric MRI is proposed to increase the accuracy of diagnosing MCI and AD when compared to elderly healthy controls. METHODS: This protocol describes a non-interventional case control study. The AD and MCI patients and the healthy elderly controls will undergo multi-parametric MRI. The protocol consists of sMRI, fMRI, DTI, and single-voxel proton MRS sequences. An eco-planar imaging (EPI) will be used to perform resting-state fMRI sequence. The structural images will be analysed using Computational Anatomy Toolbox-12, functional images will be analysed using Statistical Parametric Mapping-12, DPABI (Data Processing & Analysis for Brain Imaging), and Conn software, while DTI and 1H-MRS will be analysed using the FSL (FMRIB's Software Library) and Tarquin respectively. Correlation of the MRI results and the data acquired from the APOE genotyping, neuropsychological evaluations (i.e. Montreal Cognitive Assessment [MoCA], and Mini-Mental State Examination [MMSE] scores) will be performed. The imaging results will also be correlated with the sociodemographic factors. The diagnosis of AD and MCI will be standardized and based on the DSM-5 criteria and the neuropsychological scores. DISCUSSION: The combination of sMRI, fMRI, DTI, and MRS sequences can provide information on the anatomical and functional changes in the brain such as regional grey matter volume atrophy, impaired functional connectivity among brain regions, and decreased metabolite levels specifically at the posterior cingulate cortex/precuneus. The combination of multiparametric MRI sequences can be used to stratify the management of MCI and AD patients. Accurate imaging can decide on the frequency of follow-up at memory clinics and select classifiers for machine learning that may aid in the disease identification and prognostication. Reliable and consistent quantification, using standardised protocols, are crucial to establish an optimal diagnostic capability in the early detection of Alzheimer's disease.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
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 | 0,047 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».