MRI biomarkers for memory-related impairment in amyotrophic lateral sclerosis: a systematic review
Notice bibliographique
Résumé
Introduction Amyotrophic lateral sclerosis (ALS) is a neurodegenerative disorder associated with cognitive and behavioral impairments and motor symptoms. Magnetic resonance imaging (MRI) biomarkers have been investigated as potential tools for detecting and monitoring memory-related impairment in ALS. Our objective was to examine the importance of identifying MRI biomarkers for memory-related impairment in ALS, motor neuron disease (MND), and ALS frontotemporal dementia (FTD) (ALS-FTD) patients.Methods PubMed and Scopus databases were searched. Keywords covering magnetic resonance imaging, ALS, MND, and memory impairments were searched. There were a total of 25 studies included in our work here.Results The structural MRI (sMRI) studies reported gray matter (GM) atrophy in the regions associated with memory processing, such as the hippocampus and parahippocampal gyrus (PhG), in ALS patients. The diffusion tensor imaging (DTI) studies showed white matter (WM) alterations in the corticospinal tract (CST) and other tracts that are related to motor and extra-motor functions, and these alterations were associated with memory and executive function impairments in ALS. The functional MRI (fMRI) studies also demonstrated an altered activation in the prefrontal cortex, limbic system, and other brain regions involved in memory and emotional processing in ALS patients.Conclusion MRI biomarkers show promise in uncovering the neural mechanisms of memory-related impairment in ALS. Nonetheless, addressing challenges such as sample sizes, imaging protocols, and longitudinal studies is crucial for future research. Ultimately, MRI biomarkers have the potential to be a tool for detecting and monitoring memory-related impairments in ALS.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».