Longitudinal surface‐based spatial Bayesian GLM reveals complex trajectories of motor neurodegeneration in ALS
Notice bibliographique
Résumé
Longitudinal fMRI studies hold great promise for the study of neurodegenerative diseases, development and aging, but realizing their full potential depends on extracting accurate fMRI-based measures of brain function and organization in individual subjects over time. This is especially true for studies of rare, heterogeneous and/or rapidly progressing neurodegenerative diseases. These often involve small samples with heterogeneous functional features, making traditional group-difference analyses of limited utility. One such disease is amyotrophic lateral sclerosis (ALS), a severe disease resulting in extreme loss of motor function and eventual death. Here, we use an advanced individualized task fMRI analysis approach to analyze a rich longitudinal dataset containing 190 hand clench fMRI scans from 16 ALS patients (78 scans) and 22 age-matched healthy controls (112 scans). Specifically, we adopt our cortical surface-based spatial Bayesian general linear model (GLM), which has high power and precision to detect activations in individual subjects, and propose a novel longitudinal extension to leverage information shared across visits. We perform all analyses in native surface space to preserve individual anatomical and functional features. Using mixed-effects models to subsequently study the relationship between size of activation and ALS disease progression, we observe for the first time an inverted U-shaped trajectory of motor activations: at relatively mild motor disability we observe enlarging activations, while at higher levels of motor disability we observe severely diminished activation, reflecting progression toward complete loss of motor function. We further observe distinct trajectories depending on clinical progression rate, with faster progressors exhibiting more extreme changes at an earlier stage of disability. These differential trajectories suggest that initial hyper-activation is likely attributable to loss of inhibitory neurons, rather than functional compensation as earlier assumed. These findings substantially advance scientific understanding of the ALS disease process. This study also provides the first real-world example of how surface-based spatial Bayesian analysis of task fMRI can further scientific understanding of neurodegenerative disease and other phenomena. The surface-based spatial Bayesian GLM is implemented in the BayesfMRI R package.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».