Deviation From Model of Normal Aging in Alzheimer’s Disease: Application of Deep Learning to Structural MRI Data and Cognitive Tests
Notice bibliographique
Résumé
Background. Psychophysiological and cognitive tests as well as other functional studies can detect pre-symptomatic stages of dementia. When assembled with structural data, cognitive tests diagnose NDs more reliably thus becoming a multimodal diagnostic tool. Objective. Our main goal is to improve screening for dementia by studying an association between the brain structure and its function. Hypothetically, the brain structure-function association has features specific for either diseaserelated cognitive deterioration or normal neurocognitive slowing while aging. Materials and methods. We studied a total number of 287 cognitively normal cases, 646 of mild cognitive impairment, and 369 of Alzheimer’s disease. To work out a new marker of neurodegeneration, we created a convolutional neural network-based regression model and predicted the cognitive status of the cognitively preserved examinee from the brain MRI data. This was a model of normal aging. A big deviation from the model suggests a high risk of accelerated cognitive decline. Results. The deviation from the model of normal aging can accurately distinguish cognitively normal subjects from MCI patients (AUC = 0.9957). We also achieved creditable performance in the MCI-versus-AD classification (AUC = 0.9793). We identified a considerable difference in the MMSE test between A-positive and A-negative demented individuals according to ATN-criteria (6.27±1.82 vs 5.32±1.9; p < 0.05). Conclusion. The deviation from the model of normal aging can be potentially used as a marker of dementia and as a tool for differentiating Alzheimer’s disease from non-Alzheimer’s dementia. To find and justify a reliable threshold levels, further research is required.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».