129Xe MRI Ventilation Textures and Longitudinal Quality-of-Life Improvements in Long-COVID
Notice bibliographique
Résumé
Rationale and Objectives It remains difficult to predict longitudinal outcomes in long-COVID, even with chest CT and functional MRI. 129 Xe MRI reflects airway dysfunction, measured using ventilation defect percent (VDP) and in long-COVID patients, MRI VDP was abnormal, suggestive of airways disease. While MRI VDP and quality-of-life improved 15-month post-COVID infection, both remained abnormal. To better understand the relationship of airways disease and quality-of-life improvements in patients with long-COVID, we extracted 129 Xe ventilation MRI textures and generated machine-learning models in an effort to predict improved quality-of-life, 15-month post-infection. Materials and Methods Long-COVID patients provided written-informed consent to 3-month and 15-month post-infection visits. Pyradiomics was used to extract 129 Xe ventilation MRI texture features, which were ranked using a Random-Forest classifier. Top-ranking features were used in classification models to dichotomize patients based on St. George's Respiratory Questionnaire (SGRQ) score improvement greater than the minimal-clinically-important-difference (MCID). Classification performance was evaluated using the area under the receiver-operator-characteristic-curve (AUC), sensitivity, and specificity. Results 120 texture features were extracted from 129 Xe ventilation MRI in 44 long-COVID participants (54 ± 14 years), including 30 (52 ± 12 years) with ΔSGRQ≥MCID and 14 (58 ± 18 years) with ΔSGRQ P < .05), central-airways resistance ( P < .05), forced-vital-capacity (ρ = .37, P = .01) and diffusing-capacity for carbon-monoxide (ρ = .39, P = .03). Conclusion A machine learning model exclusively trained on 129 Xe MRI ventilation textures explained improved SGRQ-scores 12 months later, and outperformed clinical models. Their unique spatial-intensity information helps build our understanding about long-COVID airway dysfunction.
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 | 0,000 |
| 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) | 0,001 | 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 ».