Utility of cerebrovascular imaging biomarkers to detect cerebral amyloidosis
Notice bibliographique
Résumé
Abstract INTRODUCTION The relationship between cerebrovascular disease (CVD) and amyloid beta (Aβ) in Alzheimer's disease (AD) is understudied. We hypothesized that magnetic resonance imaging (MRI)–based CVD biomarkers—including cerebral microbleeds (CMBs), lacunar infarction, and white matter hyperintensities (WMHs)—would correlate with Aβ positivity on positron emission tomography (Aβ‐PET). METHODS We cross‐sectionally analyzed data from the Alzheimer's Disease Neuroimaging Initiative (ADNI, N = 1352). Logistic regression was used to calculate odds ratios (ORs), with Aβ‐PET positivity as the standard‐of‐truth. RESULTS Following adjustment, WMHs (OR = 1.25) and superficial CMBs (OR = 1.45) remained positively associated with Aβ‐PET positivity (p < 0.001). Deep CMBs and lacunes exhibited a varied relationship with Aβ‐PET in cognitive subgroups. The combined diagnostic model, which included CVD biomarkers and other accessible measures, significantly predicted Aβ‐PET (pseudo‐R2 = 0.41). DISCUSSION The study highlights the translational value of CVD biomarkers in diagnosing AD, and underscores the need for more research on their inclusion in diagnostic criteria. ClinicalTrials.gov: ADNI‐2 (NCT01231971), ADNI‐3 (NCT02854033). Highlights Cerebrovascular biomarkers linked to amyloid beta (Aβ) in Alzheimer's disease (AD). White matter hyperintensities and cerebral microbleeds reliably predict Aβ‐PET positivity. Relationships with Aβ‐PET vary by cognitive stage. Novel accessible model predicts Aβ‐PET status. Study supports multimodal diagnostic approaches.
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 | 0,009 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».