Can the fNIRS-derived neural biomarker better discriminate mild cognitive impairment than a neuropsychological screening test?
Notice bibliographique
Résumé
Introduction: Early detection of mild cognitive impairment (MCI), a pre-clinical stage of Alzheimer's disease (AD), has been highlighted as it could be beneficial to prevent progression to AD. Although prior studies on MCI screening have been conducted, the optimized detection way remain unclear yet. Recently, the potential of biomarker for MCI has gained a lot of attention due to a relatively low discriminant power of clinical screening tools. Methods: This study evaluated biomarkers for screening MCI by performing a verbal digit span task (VDST) using functional near-infrared spectroscopy (fNIRS) to measure signals from the prefrontal cortex (PFC) from a group of 84 healthy controls and 52 subjects with MCI. The concentration changes of oxy-hemoglobin (HbO) were explored during the task in subject groups. Results: Findings revealed that significant reductions in HbO concentration were observed in the PFC in the MCI group. Specially, the mean of HbO (mHbO) in the left PFC showed the highest discriminant power for MCI, which was higher than that of the Korean version of montreal cognitive assessment (MoCA-K) widely used as a screening tool for MCI. Furthermore, the mHbO in the PFC during the VDST was identified to be significantly correlated to the MoCA-K scores. Discussion: These findings shed new light on the feasibility and superiority of fNIRS-derived neural biomarker for screening MCI.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».