Combining Blood-Based Biomarkers and Structural MRI Measurements to Distinguish Persons with and without Significant Amyloid Plaques
Notice bibliographique
Résumé
Background: Amyloid-β (Aβ) plaques play a pivotal role in Alzheimer's disease. The current positron emission tomography (PET) is expensive and limited in availability. In contrast, blood-based biomarkers (BBBMs) show potential for characterizing Aβ plaques more affordably. We have previously proposed an MRI-based hippocampal morphometry measure to be an indicator of Aβ plaques. Objective: To develop and validate an integrated model to predict brain amyloid PET positivity combining MRI feature and plasma Aβ42/40 ratio. Methods: We extracted hippocampal multivariate morphometry statistics from MR images and together with plasma Aβ42/40 trained a random forest classifier to perform a binary classification of participant brain amyloid PET positivity. We evaluated the model performance using two distinct cohorts, one from the Alzheimer's Disease Neuroimaging Initiative (ADNI) and the other from the Banner Alzheimer's Institute (BAI), including prediction accuracy, precision, recall rate, F1 score, and AUC score. Results: Results from ADNI (mean age 72.6, Aβ+ rate 49.5%) and BAI (mean age 66.2, Aβ+ rate 36.9%) datasets revealed the integrated multimodal (IMM) model's superior performance over unimodal models. The IMM model achieved prediction accuracies of 0.86 in ADNI and 0.92 in BAI, surpassing unimodal models based solely on structural MRI (0.81 and 0.87) or plasma Aβ42/40 (0.73 and 0.81) predictors. CONCLUSIONS: Our IMM model, combining MRI and BBBM data, offers a highly accurate approach to predict brain amyloid PET positivity. This innovative multiplex biomarker strategy presents an accessible and cost-effective avenue for advancing Alzheimer's disease diagnostics, leveraging diverse pathologic features related to Aβ plaques and structural MRI.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».