A retinal deep phenotyping<sup>TM</sup> platform to predict the cerebral amyloid PET status in older adults
Notice bibliographique
Résumé
Abstract Background As the only optically accessible part of the central nervous system, the retina represents an intriguing opportunity for the detection of biomarkers for Alzheimer’s disease (AD). This study evaluated the performance of the Retinal Deep PhenotypingTM platform, a digital biomarker platform comprising a hyperspectral retinal camera and image analysis algorithms, for the detection of likely positron‐emission tomography (PET) amyloid status (negative or positive) in older adults. A set of phenotypic features that correlates with the cerebral amyloid status as determined by amyloid PET scan were identified and used to train a classifying algorithm. Method Hyperspectral retinal images acquired with a Mydriatic Hyperspectral Retinal Camera from 194 participants (age ≥ 50 years), including cognitively normal and cognitively impaired (mild cognitive impairment and dementia) across 5 imaging sites were processed in order to train the model. Of these 194 participants, 73 individuals (38%) were amyloid‐positive, as confirmed by unanimous readings of PET scans by a panel of 3 expert reviewers. The pre‐processed hyperspectral images were segmented into various anatomical sites, and a texture‐based approach was used to extract several thousands of spatial‐spectral features. The most relevant features for the classification task were selected using a minimum redundancy maximum relevance (MRMR) algorithm and used to train a linear support vector machine (SVM) classifier. A nested, cross‐validation technique was used to evaluate the performance of the classifier. Result The resulting model based on the 17 most significant features showed high performance to discriminate between amyloid positive and negative subjects with an area under the receiver operating curve (AUCROC) of 0.87 (95% CI: 0.83 – 0.92). Conclusion The Retinal Deep PhenotypingTM platform shows promise for detecting the likely cerebral amyloid PET status in adults 50 years and older from a simple, non‐invasive retinal scan and could provide an accessible means to identify individuals with abnormal cerebral amyloid in a clinical or drug development context. This phenotyping platform provides a flexible approach that could also be used for the detection of multiple biomarkers involved in cognitive decline from the same hyperspectral images of the retina.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».