Brain Age Estimation on a Dementia Cohort Using FLAIR MRI Biomarkers
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The prodromal stage of Alzheimer's disease presents an imperative intervention window. This work focuses on using brain age prediction models and biomarkers from FLAIR MR imaging to identify subjects who progress to Alzheimer's disease (converting mild cognitive impairment) or those who remain stable (stable mild cognitive impairment). MATERIALS AND METHODS: A machine learning model was trained to predict the age of normal control subjects on the basis of volume, intensity, and texture features from 3239 FLAIR MRI volumes. The brain age gap estimation (BrainAGE) was computed as the difference between the predicted and true age, and it was used as a biomarker for both cross-sectional and longitudinal analyses. Differences in biomarker means, slopes, and intercepts were investigated using ANOVA and Tukey post hoc test. Correlation analysis was performed between brain age gap estimation and established Alzheimer's disease indicators. RESULTS: The brain age prediction model showed accurate results (mean absolute error = 2.46 years) when testing on held out normal control data. The computed BrainAGE metric showed significant differences between the stable mild cognitive impairment and converting mild cognitive impairment groups in cross-sectional and longitudinal analyses, most notably showing significant differences up to 4 years before conversion to Alzheimer's disease. A significant correlation was found between BrainAGE and previously established Alzheimer's disease conversion biomarkers. CONCLUSIONS: The BrainAGE metric can allow clinicians to consider a single explainable value that summarizes all the biomarkers because it considers many dimensions of disease and can determine whether the subject has normal aging patterns or if he or she is trending into a high-risk category using a single value.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 | 0,000 |
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 ».