Men show increased brain aging with respect to women among Cognitively Normal Individuals
Notice bibliographique
Résumé
Abstract Background There is an increasing interest in using machine learning and artificial intelligence to estimate chronological age using neuroimaging data. The gap between chronological age and estimated brain age (brain age gap, BAG) is used as a measure of accelerated/resilient brain aging. Previously, BAG has been associated with cognitive status. However, whether the BAG varies across sex and cognitive status have been less explored. The present study examines these associations and validates a voxel‐based machine learning approach based on the elastic net regression (ENR) for BAG calculation. Method Using data from the Atherosclerosis Risk in Communities Study (ARIC) study, the Wake Forest School of Medicine Alzheimer’s Disease Research Center (WFSM‐ADRC) clinical cohort and Alzheimer’s Disease Neuroimaging Initiative (ADNI), we examined associations of BAG across cognitive status and sex. We used structural MRI scans from 1853 ARIC participants (ages 67‐90, 60% females), 508 from the WFSM‐ADRC (55‐95 yo., 66% females) and 584 ADNI cognitively normal (CN) participants (55‐90 yo., 57% females). All images were aligned into a common template and the derived gray matter (GM) probability maps from ADNI MRIs were used as input to train the machine learning algorithm. Once the model was fitted the ARIC and WFSM‐ADRC GM probability maps were provided as input to the algorithm to estimate the BAG values. Finally, an age bias correction was applied. Linear regression methods were used to investigate differences between groups. Age, race, education, sex, and cognitive status were included in the model. Result We found in both ARIC and WFSM‐ADRC participants that differences in BAG values between CN‐MCI and MCI‐Dementia participants were highly significant. In addition, when we examined differences in BAG values across sex per cognitive status, we found again in both cohorts that differences were only significant for CN individuals. See Table 1 for details. Conclusion Our analyses show that our approach to estimate chronological age using high‐dimensional ENR, produces BAG values which are strongly associated with cognitive status. The increased severity of cognitive impairment is related to accelerated brain aging. Differences in BAG between men and women were significant for CN individuals only.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,005 | 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 ».