A predictive model using the mesoscopic architecture of the living brain to detect Alzheimer’s disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Alzheimer’s disease, the most common cause of dementia, causes a progressive and irreversible deterioration of cognition that can sometimes be difficult to diagnose, leading to suboptimal patient care. Methods We developed a predictive model that computes multi-regional statistical morpho-functional mesoscopic traits from T1-weighted MRI scans, with or without cognitive scores. For each patient, a biomarker called “Alzheimer’s Predictive Vector” (ApV) was derived using a two-stage least absolute shrinkage and selection operator (LASSO). Results The ApV reliably discriminates between people with (ADrp) and without (nADrp) Alzheimer’s related pathologies (98% and 81% accuracy between ADrp - including the early form, mild cognitive impairment - and nADrp in internal and external hold-out test sets, respectively), without any a priori assumptions or need for neuroradiology reads. The new test is superior to standard hippocampal atrophy (26% accuracy) and cerebrospinal fluid beta amyloid measure (62% accuracy). A multiparametric analysis compared DTI-MRI derived fractional anisotropy, whose readout of neuronal loss agrees with ADrp phenotype, and SNPrs2075650 is significantly altered in patients with ADrp-like phenotype. Conclusions This new data analytic method demonstrates potential for increasing accuracy of Alzheimer diagnosis.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle