Can T1-Weighted Magnetic Resonance Imaging Significantly Improve Mini-Mental State Examination-Based Distinguishing Between Mild Cognitive Impairment and Early-Stage Alzheimer’s Disease?
Notice bibliographique
Résumé
BACKGROUND: Detecting early-stage Alzheimer's disease (AD) is still problematic in clinical practice. This work aimed to find T1-weighted MRI-based markers for AD and mild cognitive impairment (MCI) to improve the screening process. OBJECTIVE: Our assumption was to build a screening model that would be accessible and easy to use for physicians in their daily clinical routine. METHODS: The multinomial logistic regression was used to detect status: AD, MCI, and normal control (NC) combined with the Bayesian information criterion for model selection. Several T1-weighted MRI-based radiomic features were considered explanatory variables in the prediction model. RESULTS: The best radiomic predictor was the relative brain volume. The proposed method confirmed its quality by achieving a balanced accuracy of 95.18%, AUC of 93.25%, NPV of 97.93%, and PPV of 90.48% for classifying AD versus NC for the European DTI Study on Dementia (EDSD). The comparison of the two models: with the MMSE score only as an independent variable and corrected for the relative brain value and age, shows that the addition of the T1-weighted MRI-based biomarker improves the quality of MCI detection (AUC: 67.04% versus 71.08%) while maintaining quality for AD (AUC: 93.35% versus 93.25%). Additionally, among MCI patients predicted as AD inconsistently with the original diagnosis, 60% from ADNI and 76.47% from EDSD were re-diagnosed as AD within a 48-month follow-up. It shows that our model can detect AD patients a few years earlier than a standard medical diagnosis. CONCLUSION: The created method is non-invasive, inexpensive, clinically accessible, and efficiently supports AD/MCI screening.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 | 0,001 |
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 ».