Do Epilepsy Patients with Cognitive Impairment Have Alzheimer’s Disease-like Brain Metabolism?
Notice bibliographique
Résumé
Although not classically considered together, there is emerging evidence that Alzheimer’s disease (AD) and epilepsy share a number of features and that each disease predisposes patients to developing the other. Using machine learning, we have previously developed an automated fluorodeoxyglucose positron emission tomography (FDG-PET) reading program (i.e., MAD), and demonstrated good sensitivity (84%) and specificity (95%) for differentiating AD patients versus healthy controls. In this retrospective chart review study, we investigated if epilepsy patients with/without mild cognitive symptoms also show AD-like metabolic patterns determined by the MAD algorithm. Scans from a total of 20 patients with epilepsy were included in this study. Because AD diagnoses are made late in life, only patients aged ≥40 years were considered. For the cognitively impaired patients, four of six were identified as MAD+ (i.e., the FDG-PET image is classified as AD-like by the MAD algorithm), while none of the five cognitively normal patients was identified as MAD+ (χ2 = 8.148, p = 0.017). These results potentially suggest the usability of FDG-PET in prognosticating later dementia development in non-demented epilepsy patients, especially when combined with machine learning algorithms. A longitudinal follow-up study is warranted to assess the effectiveness of this approach.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
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 tête enseignante, 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 ».