The use of 7T MRI in multiple sclerosis: review and consensus statement from the North American Imaging in Multiple Sclerosis Cooperative
Notice bibliographique
Résumé
The use of ultra-high-field 7-Tesla (7T) MRI in multiple sclerosis (MS) research has grown significantly over the past two decades. With recent regulatory approvals of 7T scanners for clinical use in 2017 and 2020, the use of this technology for routine care is poised to continue to increase in the coming years. In this context, the North American Imaging in MS Cooperative (NAIMS) convened a workshop in February 2023 to review the previous and current use of 7T technology for MS research and potential future research and clinical applications. In this workshop, experts were tasked with reviewing the current literature and proposing a series of consensus statements, which were reviewed and approved by the NAIMS. In this review and consensus paper, we provide background on the use of 7T MRI in MS research, highlighting this technology's promise for identification and quantification of aspects of MS pathology that are more difficult to visualize with lower-field MRI, such as grey matter lesions, paramagnetic rim lesions, leptomeningeal enhancement and the central vein sign. We also review the promise of 7T MRI to study metabolic and functional changes to the brain in MS. The NAIMS provides a series of consensus statements regarding what is currently known about the use of 7T MRI in MS, and additional statements intended to provide guidance as to what work is necessary going forward to accelerate 7T MRI research in MS and translate this technology for use in clinical practice and clinical trials. This includes guidance on technical development, proposals for a universal acquisition protocol and suggestions for research geared towards assessing the utility of 7T MRI to improve MS diagnostics, prognostics and therapeutic efficacy monitoring. The NAIMS expects that this article will provide a roadmap for future use of 7T MRI in MS.
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 | 0,036 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».