Regional Radiomics Similarity Networks Reveal Distinct Subtypes and Abnormality Patterns in Mild Cognitive Impairment
Notice bibliographique
Résumé
Individuals with mild cognitive impairment (MCI) of different subtypes show distinct alterations in network patterns. The first aim of this study is to identify the subtypes of MCI by employing a regional radiomics similarity network (R2SN). The second aim is to characterize the abnormality patterns associated with the clinical manifestations of each subtype. An individual-level R2SN is constructed for N = 605 normal controls (NCs), N = 766 MCI patients, and N = 283 Alzheimer's disease (AD) patients. MCI patients' R2SN profiles are clustered into two subtypes using nonnegative matrix factorization. The patterns of brain alterations, gene expression, and the risk of cognitive decline in each subtype are evaluated. MCI patients are clustered into "similar to the pattern of NCs" (N-CI, N = 252) and "similar to the pattern of AD" (A-CI, N = 514) subgroups. Significant differences are observed between the subtypes with respect to the following: 1) clinical measures; 2) multimodal neuroimaging; 3) the proportion of progression to dementia (61.54% for A-CI and 21.77% for N-CI) within three years; 4) enriched genes for potassium-ion transport and synaptic transmission. Stratification into the two subtypes provides new insight for risk assessment and precise early intervention for MCI patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 ».