Early Detection of Alzheimer’s Disease-Related Pathology Using a Multi-Disease Diagnostic Platform Employing Autoantibodies as Blood-Based Biomarkers
Notice bibliographique
Résumé
BACKGROUND: Evidence for the universal presence of IgG autoantibodies in blood and their potential utility for the diagnosis of Alzheimer's disease (AD) and other neurodegenerative diseases has been extensively demonstrated by our laboratory. The fact that AD-related neuropathological changes in the brain can begin more than a decade before tell-tale symptoms emerge has made it difficult to develop diagnostic tests useful for detecting the earliest stages of AD pathogenesis. OBJECTIVE: To determine the utility of a panel of autoantibodies for detecting the presence of AD-related pathology along the early AD continuum, including at pre-symptomatic [an average of 4 years before the transition to mild cognitive impairment (MCI)/AD)], prodromal AD (MCI), and mild-moderate AD stages. METHODS: A total of 328 serum samples from multiple cohorts, including ADNI subjects with confirmed pre-symptomatic, prodromal, and mild-moderate AD, were screened using Luminex xMAP® technology to predict the probability of the presence of AD-related pathology. A panel of eight autoantibodies with age as a covariate was evaluated using randomForest and receiver operating characteristic (ROC) curves. RESULTS: Autoantibody biomarkers alone predicted the probability of the presence of AD-related pathology with 81.0% accuracy and an area under the curve (AUC) of 0.84 (95% CI = 0.78-0.91). Inclusion of age as a parameter to the model improved the AUC (0.96; 95% CI = 0.93-0.99) and overall accuracy (93.0%). CONCLUSION: Blood-based autoantibodies can be used as an accurate, non-invasive, inexpensive, and widely accessible diagnostic screener for detecting AD-related pathology at pre-symptomatic and prodromal AD stages that could aid clinicians in diagnosing 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 | 0,005 | 0,005 |
| 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 | 0,000 | 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 ».