Diagnosing neurodegenerative disorders using retina as an external window: A systematic review of OCT-MRI correlations
Notice bibliographique
Résumé
BackgroundRecent studies have explored optical coherence tomography (OCT) and OCT-angiography (OCT-A) as biomarkers for Alzheimer's disease (AD). However, correlations between OCT/OCT-A and neurodegeneration metrics remain underexplored.ObjectiveWe performed a systematic review of OCT/OCT-A and structural brain imaging using MRI across various neurodegenerative disorders.MethodsWe searched Medline, Embase, and various other databases from January to June 2023 using keywords regarding neurodegenerative conditions and OCT/OCT-A. Out of 2962 citations. 93 articles were reviewed, and 28 met our inclusion criteria.ResultsLayer-or-region-specific retinal metrics were the most promising for non-vascular neurodegeneration, while vascular retinal parameters had the unique capacity to reflect vascular lesions. Both types of biomarkers correlated with global brain atrophy. Microstructural brain alterations best correlated with layer-specific thinning of retina.ConclusionsA better understanding of associations between retinal and brain lesions could eventually lead to the clinical application of retinal biomarkers for the early diagnosis of neurodegenerative conditions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».