Monitoring Alzheimer’s Disease Progression in Mild Cognitive Impairment Stage Using Machine Learning-Based FDG-PET Classification Methods
Notice bibliographique
Résumé
BACKGROUND: We previously introduced a machine learning-based Alzheimer's Disease Designation (MAD) framework for identifying AD-related metabolic patterns among neurodegenerative subjects. OBJECTIVE: We sought to assess the efficiency of our MAD framework for tracing the longitudinal brain metabolic changes in the prodromal stage of AD. METHODS: MAD produces subject scores using five different machine-learning algorithms, which include a general linear model (GLM), two different approaches of scaled subprofile modeling, and two different approaches of a support vector machine. We used our pre-trained MAD framework, which was trained based on metabolic brain features of 94 patients with AD and 111 age-matched cognitively healthy (CH) individuals. The MAD framework was applied on longitudinal independent test sets including 54 CHs, 51 stable mild cognitive impairment (sMCI), and 39 prodromal AD (pAD) patients at the time of the clinical diagnosis of AD, and two years prior. RESULTS: The GLM showed excellent performance with area under curve (AUC) of 0.96 in distinguishing sMCI from pAD patients at two years prior to the time of the clinical diagnosis of AD while other methods showed moderate performance (AUC: 0.7-0.8). Significant annual increment of MAD scores were identified using all five algorithms in pAD especially when it got closer to the time of diagnosis (p < 0.001), but not in sMCI. The increased MAD scores were also significantly associated with cognitive decline measured by Mini-Mental State Examination in pAD (q < 0.01). CONCLUSION: These results suggest that MAD may be a relevant tool for monitoring disease progression in the prodromal stage of AD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 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 ».