Spatial Characterization of White Matter Hyperintensity Pathophysiology Across Disorders
Notice bibliographique
Résumé
Abstract Background White matter hyperintensities (WMHs) are age‐related radiological abnormalities indicative of small vessel disease. It is unclear if WMHs in different regions represent similar pathophysiology and etiology. Here, we developed a framework to estimate WMH pathophysiology in vivo, which allowed us to precisely characterize spatial patterns of WMH tissue alterations associated with four disorders. Method We used data from 32,014 UK Biobank (UKB) participants. WMHs and normal‐appearing white matter (NAWM) were automatically segmented. Diffusion‐ and susceptibility‐weighted images were used to derive fluid‐, fiber‐, myelin‐ and iron‐sensitive microstructural markers. We calculated voxel‐wise normative models of NAWM microstructure using Bayesian linear regression with age (4th order B‐spline) and sex predictors in a custom UKB template space derived using multi‐spectral registration of T1w and fractional anisotropy (FA) images (Figure 1A‐B). Within‐subject WMH pathophysiology was estimated as the difference between WMH microstructure and predicted NAWM microstructure (Figure 1C). Result First, from between‐subject averages of WMH microstructural abnormality (Figure 2A), we used spectral clustering to derive spatial patterns of WMHs that share similar pathophysiological properties (Figure 2B). The first cluster (periventricular) has low abnormality. The second (posterior) and third (anterior) cluster both show fluid accumulation, fiber alterations, and myelin and iron loss, while the anterior cluster shows higher abnormality. Second, we assessed the differences between four disorders and age‐ and sex‐matched controls in terms of all WMH features with Cohen’s D. Ischemic heart diseases (n=2320) and hypertensive diseases (n=9852) demonstrated small but significant effects across measures, which were slightly higher in anterior regions. Stroke (n=320) demonstrated larger effects, which were more prominent in anterior regions. On the other hand, dementia (n=46) demonstrated smaller effects compared to stroke, reaching significance mostly in posterior regions despite the smaller sample size. Interestingly, the fractional anisotropy and orientation dispersion markers showed drastically inverted patterns of effects between stroke and dementia. Conclusion Our results separating anterior and posterior WMHs are consistent with accumulating evidence showing that posterior WMHs may be linked to Alzheimer’s pathology, whereas anterior WMHs may be associated with vascular pathologies. MRI pathophysiological markers may further help in distinguishing these etiologies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».