Clinical and MRI measures to identify non-acute MOG-antibody disease in adults
Notice bibliographique
Résumé
MRI and clinical features of myelin oligodendrocyte glycoprotein (MOG)-antibody disease may overlap with those of other inflammatory demyelinating conditions posing diagnostic challenges, especially in non-acute phases and when serologic testing for MOG antibodies is unavailable or shows uncertain results. We aimed to identify MRI and clinical markers that differentiate non-acute MOG-antibody disease from aquaporin 4 (AQP4)-antibody neuromyelitis optica spectrum disorder and relapsing remitting multiple sclerosis, guiding in the identification of patients with MOG-antibody disease in clinical practice. In this cross-sectional retrospective study, data from 16 MAGNIMS centres were included. Data collection and analyses were conducted from 2019 to 2021. Inclusion criteria were: diagnosis of MOG-antibody disease; AQP4-neuromyelitis optica spectrum disorder and multiple sclerosis; brain and cord MRI at least 6 months from relapse; and Expanded Disability Status Scale (EDSS) score on the day of MRI. Brain white matter T2 lesions, T1-hypointense lesions, cortical and cord lesions were identified. Random forest models were constructed to classify patients as MOG-antibody disease/AQP4-neuromyelitis optica spectrum disorder/multiple sclerosis; a leave one out cross-validation procedure assessed the performance of the models. Based on the best discriminators between diseases, we proposed a guide to target investigations for MOG-antibody disease. One hundred and sixty-two patients with MOG-antibody disease [99 females, mean age: 41 (±14) years, median EDSS: 2 (0-7.5)], 162 with AQP4-neuromyelitis optica spectrum disorder [132 females, mean age: 51 (±14) years, median EDSS: 3.5 (0-8)], 189 with multiple sclerosis (132 females, mean age: 40 (±10) years, median EDSS: 2 (0-8)] and 152 healthy controls (91 females) were studied. In young patients (<34 years), with low disability (EDSS < 3), the absence of Dawson's fingers, temporal lobe lesions and longitudinally extensive lesions in the cervical cord pointed towards a diagnosis of MOG-antibody disease instead of the other two diseases (accuracy: 76%, sensitivity: 81%, specificity: 84%, P < 0.001). In these non-acute patients, the number of brain lesions < 6 predicted MOG-antibody disease versus multiple sclerosis (accuracy: 83%, sensitivity: 82%, specificity: 83%, P < 0.001). An EDSS < 3 and the absence of longitudinally extensive lesions in the cervical cord predicted MOG-antibody disease versus AQP4-neuromyelitis optica spectrum disorder (accuracy: 76%, sensitivity: 89%, specificity: 62%, P < 0.001). A workflow with sequential tests and supporting features is proposed to guide better identification of patients with MOG-antibody disease. Adult patients with non-acute MOG-antibody disease showed distinctive clinical and MRI features when compared to AQP4-neuromyelitis optica spectrum disorder and multiple sclerosis. A careful inspection of the morphology of brain and cord lesions together with clinical information can guide further analyses towards the diagnosis of MOG-antibody disease in clinical practice.
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 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».