Deciphering white matter microstructural alterations in catatonia according to ICD-11: replication and machine learning analysis
Notice bibliographique
Résumé
Catatonia is a severe psychomotor disorder characterized by motor, affective and cognitive-behavioral abnormalities. Although previous magnetic resonance imaging (MRI) studies suggested white matter (WM) dysconnectivity in the pathogenesis of catatonia, it is unclear whether microstructural alterations of WM tracts connecting psychomotor regions might contribute to a better classification of catatonia patients. Here, diffusion-weighted MRI data were collected from two independent cohorts (whiteCAT/replication cohort) of patients with (n = 45/n = 13) and without (n = 56/n = 26) catatonia according to ICD-11 criteria. Catatonia severity was examined using the Northoff (NCRS) and Bush-Francis (BFCRS) Catatonia Rating Scales. We used tract-based spatial statistics (TBSS), tractometry (TractSeg) and machine-learning (ML) to classify catatonia patients from tractometry values as well as tractomics features generated by the newly developed tool RadTract. Catatonia patients showed fractional anisotropy (FA) alterations measured via TractSeg in different corpus callosum segments (CC_1, CC_3, CC_4, CC_5 and CC_6) compared to non-catatonia patients across both cohorts. Our classification results indicated a higher level of performance when trained on tractomics as opposed to traditional tractometry values. Moreover, in the CC_6, we successfully trained two classifiers using the tractomics features identified in the whiteCAT data. These classifiers were applied separately to the whiteCAT and replication cohorts, demonstrating comparable performance with Area Under the Receiver Operating Characteristics (AUROC) values of 0.79 for the whiteCAT cohort and 0.76 for the replication cohort. In contrast, training on FA tractometry resulted in lower AUROC values of 0.66 for the whiteCAT cohort and 0.51 for the replication cohort. In conclusion, these findings underscore the significance of CC WM microstructural alterations in the pathophysiology of catatonia. The successful use of an ML based classification model to identify catatonia patients has the potential to improve diagnostic precision.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».