Prediction of clinical and biomarker conformed Alzheimer’s disease and mild cognitive impairment from multi-feature brain structural MRI
Notice bibliographique
Résumé
Abstract Background: Structural neuroimaging has been applied towards identification of individuals with Alzheimer’s disease (AD) and mild cognitive impairment (MCI). However, these methods are greatly impacted by age limiting their utility for detection of preclinical pathology. Therefore, careful consideration of age effects in the modeling of AD degenerative patterns could provide more sensitive detection of the earliest stages of brain disease. Methods: We built linear models for age based on multiple combined structural features (cortical thickness, subcortical structural volumes, ratio of gray to white matter signal intensity, white matter signal abnormalities, total intracranial volume) in 272 healthy adults across a wide age range (D1: age 36-108). These models were then used to create a new support vector machine (SVM) training model with 10-fold cross validation in 136 AD and 268 control participants (D2) based on deviations from the expected age-effects found in the initial sample. Subsequent validation assessed the accuracy of the SVM model to correctly classify AD patients in a new dataset (D3). Finally, we applied the classifier to individuals with MCI to evaluate prediction for early impairment and longitudinal cognitive change. Results: Optimal cross-validation accuracy was 93.07% in the D2, compared to 91.83% without age detrending in D1. In the validation dataset (D3), the classifier obtained an accuracy of 84.85% (56/66), sensitivity of 85.36% (35/41) and specificity of 84% (21/25). In the MCI dataset, we observed significantly greater longitudinal cognitive decline in MCI who were classified as more ‘AD-like’ (MCI-AD), and this effect was pronounced in individuals who were late MCI. The top five contributive features were volumes of left hippocampus, right hippocampus, left amygdala, the thickness of left and right medial temporal & parahippocampus gyrus. Conclusions: Linear detrending for age in SVM for combined structural features resulted in good performance for classification of AD and generalization of MCI prediction. Such procedures should be employed in future work.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».