MétaCan
Menu
Retour à la cohorte
Enregistrement W4240740574 · doi:10.1016/j.jalz.2018.06.941

P2‐252: AN AMYLOID LIGAND‐FREE OPTICAL RETINAL IMAGING METHOD TO PREDICT CEREBRAL AMYLOID PET STATUS

2018· article· en· W4240740574 sur OpenAlexaff
Jean‐Paul Soucy, Claudia Chevrefils, Jean‐Philippe Sylvestre, Jean Daniel Arbour, Marc‐André Rhéaume, Sylvain Beaulieu, Céline Chayer, Alain Robillard, Pedro Rosa‐Neto, Sulantha Mathotaarachchi, Ziad Nasreddine, Serge Gauthier, Frédéric Lesage

Notice bibliographique

RevueAlzheimer s & Dementia · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensGreenfield Research (Canada)Polytechnique MontréalMcGill Genome CentreHôpital Maisonneuve-RosemontOptina Diagnostics (Canada)Clinique Paro ExcellenceMcGill University
Organismes subventionnairesnon disponible
Mots-clésRetinalHyperspectral imagingMedicineRetinaAmyloid (mycology)NeuroimagingPathologyOphthalmologyNeuroscienceArtificial intelligenceComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

A simple, low-cost approach to identify amyloid positive subjects at or before the earliest stages of cognitive impairment could dramatically impact clinical trials evaluating disease modifying treatments for Alzheimer's disease (AD) by greatly reducing cerebral PET amyloid imaging-related expenses, and could also be clinically useful for screening purposes. In this pilot study, a non-invasive retina (an extension of the central nervous system) imaging approach with the Metabolic Hyperspectral Retinal Camera requiring no amyloid-labeling agent is evaluated as a mean to identify biomarkers correlating with the cerebral load of amyloid plaques determined with PET imaging. The cohort (n=40) included probable AD (n=15) and age-matched controls (53 to 85 years) with no concomitant retinal diseases nor significant ocular media opacity. Hyperspectral retinal measurements were obtained at 450-900 nm. Image analysis based on texture of the spatial/spectral dimensions in segmented retinal vascular areas allowed extraction of 16 different statistical measures. A classifier was trained using 102 datasets (1-3 per subject) to establish the predictive value of those texture features, based on the cerebral amyloid status determined from binary reads by an expert rater on 18F-Florbetaben PET studies. A leave-one-out approach determined the sensitivity and specificity values of the method. Other vascular metrics are also evaluated in the retinal images for possible correlation with the cerebral amyloid status. At least one good quality hyperspectral dataset was acquired in the vast majority (n=40) of the participants enrolled in the study (n=42). Excellent retinal scanning correspondence with PET amyloid status was achieved, independently of cognition, when texture features extracted from the principal retinal vessels were used, with estimated sensitivity and specificity values of 85% and 93% respectively. The developed machine learning approach, based on a non-invasive hyperspectral retinal imaging technique which does not require amyloid labeling, shows promise in predicting cerebral amyloid PET status and could serve as a screening tool to identify subjects in the early stages of the AD continuum, for instance in a drug development context. The study is ongoing to test this approach and other retinal measures in more subjects.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,320
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetRetinal Imaging and AnalysisTravaux en français237 207