Diagnostic Performance of MRI‐based Alzheimer’s Disease Resemblance Atrophy Index and Plasma‐Based Biomarkers on Alzheimer’s Disease
Notice bibliographique
Résumé
Abstract Background Although positron emission tomography (PET) or cerebrospinal fluid measurements of amyloid and tau burden are available for the detection of Alzheimer’s disease pathology, such methods are invasive and not easily accessible. Recent studies show that Alzheimer’s Disease‐resemblance atrophy index (AD‐RAI), an MRI‐based machine learning‐derived biomarker, and plasma‐based biomarkers can be used as accurate biomarkers for Alzheimer’s disease pathology. We aim to evaluate the diagnostic metrics of AD‐RAI and plasma‐based biomarkers for detecting Alzheimer’s disease. Method We recruited 69 subjects from the CU‐SEEDS (The Chinese University of Hong Kong‐Screening for Early AlzhEimer’s DiseaSe) study who were stroke‐free and had different degrees of cognitive impairment: 8 cognitive unimpaired [CU], 26 with subjective cognitive decline [SCD], 21 with mild cognitive impairment [MCI] and 14 with dementia. All subjects underwent 11C‐ PIB and 18F‐T807 PET to measure pathological Aβ deposition (A+) and tau burden (T+). Subjects received structural MRI for deriving AD‐RAI. Plasma levels of Aβ40, Aβ42, total tau (t‐tau), phosphorylated tau at 181 (p‐tau181), and neurofilament light chain (NfL) were measured by Single Molecule Array (SiMoA) assays. Result Among 69 subjects (mean [SD] age, 67.7 [6.8] years; 28 men [40.6%]), 25 (36.23%) subjects were confirmed to be A+ and T+. AD‐RAI, plasma p‐tau 181, and plasma Aβ42 were associated with A+T+ after adjusting for age, gender, and education (p<0.01). AD‐RAI individually outperformed all plasma‐based biomarkers (AUC = 0.911; Sensitivity = 0.826; Specificity = 0.905). The combination of AD‐RAI, p‐tau181 and Aβ42 yielded the best diagnostic metrics for detecting A+T+ subjects (AUC = 0.957; Sensitivity = 0.870; Specificity = 0.929). Conclusion A panel of AD‐RAI, plasma p‐tau, and plasma Aβ42 might help with screening and diagnosis of Alzheimer’s disease.
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 | 0,001 |
| 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 | 0,001 | 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 ».