Pulmonary<scp>MRI</scp>and Cluster Analysis Help Identify Novel Asthma Phenotypes
Notice bibliographique
Résumé
Background Outside eosinophilia, current clinical asthma phenotypes do not show strong relationships with disease pathogenesis or treatment responses. While chest x‐ray computed tomography (CT) phenotypes have previously been explored, functional MRI measurements provide complementary phenotypic information. Purpose To derive novel data‐driven asthma phenotypic clusters using functional MRI airway biomarkers that better describe airway pathologies in patients. Study Type Retrospective. Population A total of 45 patients with asthma who underwent post‐bronchodilator129Xe MRI, volume‐matched CT, spirometry and plethysmography within a 90‐minute visit. Field Strength/Sequence Three‐dimensional gradient‐recalled echo129Xe ventilation sequence at 3 T. Assessment We measured MRI ventilation defect percent (VDP), CT airway wall‐area percent (WA%), wall‐thickness (WT, WT* [*normalized for age/sex/height]), lumen‐area (LA), lumen‐diameter (D, D*) and total airway count (TAC). Univariate relationships were utilized to select variables for k‐means cluster analysis and phenotypic subgroup generation. Spirometry and plethysmography measurements were compared across imaging‐based clusters. Statistical Tests Spearman correlation (ρ), one‐way analysis of variance (ANOVA) or Kruskal–Wallis tests with post hoc Bonferroni correction for multiple comparisons, significance level 0.05. Results Based on limited common variance (Kaiser–Meyer–Olkin‐measure = 0.44), four unique clusters were generated using MRI VDP, TAC, WT* and D* (52 ± 14 years, 27 female). Imaging measurements were significantly different across clusters as was the forced expiratory volume in 1‐second (FEV1%pred), residual volume/total lung capacity and airways resistance. Asthma‐control (P = 0.9), quality‐of‐life scores (P = 0.7) and the proportions of severe‐asthma (P = 0.4) were not significantly different. Cluster1 (n = 15/8 female) reflected mildly abnormal CT airway measurements and FEV1with moderately abnormal VDP. Cluster2 (n = 12/12 female) reflected moderately abnormal TAC, WT and FEV1. In Cluster3 and Cluster4 (n = 14/6 female,n = 4/1 female, respectively), there was severely reduced TAC, D and FEV1, but Cluster4 also had significantly worse, severely abnormal VDP (7 ± 5% vs. 41 ± 12%). Data Conclusion We generated four proof‐of‐concept MRI‐derived clusters of asthma with distinct structure–function pathologies. Cluster analysis of asthma using129Xe MRI in combination with CT biomarkers is feasible and may challenge currently used paradigms for asthma phenotyping and treatment decisions. Evidence Level 3 Technical Efficacy Stage
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 | 0,001 | 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) | 0,002 | 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 ».