Predicting Future Brain Atrophy Based on Longitudinal MRI
Notice bibliographique
Résumé
Neuron loss is a key feature of neurodegenerative diseases often leading to brain atrophy detectable through magnetic resonance imaging (MRI). Various brain atrophy measures are essential in research of Alzheimer' disease (AD) and related dementias. This study aims to forecast future annual percentage changes in hippocampal, ventricular, and total gray matter (TGM) volumes in individuals with varying cognitive statuses, from healthy to dementia. We developed a machine learning model using elastic net linear regression and tested two approaches: (1) a baseline model using predictors from a single-time-point and (2) a longitudinal model using predictors derived from longitudinal MRI. Both approaches were evaluated with MRI-only models and models that combined MRI with additional risk factors (age, sex, APOE4, and baseline diagnosis). Cross-validated Pearson correlation scores between predicted and actual annual percentage changes were 0.62 for the hippocampus, 0.51 for the ventricles, and 0.41 for TGM, using the longitudinal MRI + risk factor model. Longitudinal models consistently outperformed baseline models, and models including risk factors outperformed the MRI only model. Validation using an external dataset confirmed these findings, highlighting the value of predictors derived based on longitudinal data. We further studied the value of the predicted atrophy/enlargement rates for clinical status progression prediction across three different datasets. Predicted atrophy was a consistently better indicator of progression to mild cognitive impairment and dementia than present-day regional volumes, with the longitudinal atrophy prediction model typically outperforming the baseline model in terms of clinical status prediction. Future atrophy prediction has significant potential for assessing the risk of cognitive decline, even in cognitively unimpaired individuals, and can aid in selecting participants for clinical trials of disease-modifying drugs for AD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».