MRI-free processing of tau PET images for early detection
Notice bibliographique
Résumé
Abstract Tau positron emission tomography (PET) imaging in Alzheimer’s Disease (AD) is becoming increasingly common to assess in vivo tau burden. MR images are often acquired to assist with processing of PET data, including for region-of-interest definitions in native space and for normalization to template space. However, in the real-world setting, corresponding MRIs may not be available and PET processing may require MRI-free pipelines. This is particularly important and challenging as the field moves towards early detection among clinically unimpaired (CU) individuals where changes in tau PET signal are expected to be subtle. We used two independent [18F]Flortaucipir tau PET datasets to evaluate whether MRI-free PET processing can detect subtle tau PET uptake differences in Amyloid+ (A+) CU individuals (preclinical AD) versus A-. Standardized Uptake Value Ratios (SUVRs) from MRI-free compared to MRI-based methods were evaluated using linear regression and linear mixed-effects regression models. Effect size differences between A+/- CU groups in MRI-free processed cross-sectional and longitudinal tau PET SUVRs were compared to differences quantified through MRI-based processing. Regional MRI-free SUVRs were highly correlated with MRI-based SUVRs within CU individuals (average ICC = 0.90 for ADNI CU and 0.81 for A4 CU). MRI-free and MRI-based pipelines resulted in similar estimates of cross-sectional and longitudinal differences between A- and A+ CU, even in early focal regions within the medial temporal lobe.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».