An artificial intelligence-derived metabolic network predicts psychosis in Alzheimer’s disease
Notice bibliographique
Résumé
Abstract The delusions and hallucinations that characterize Alzheimer’s disease psychosis (AD + P) are associated with violence towards caregivers and an accelerated cognitive and functional decline whose management relies on the utilization of medications developed for young people with schizophrenia. The development of novel therapies requires biomarkers that distinguish AD + P from non-psychotic Alzheimer’s disease. We investigated whether there might exist a brain metabolic network that distinguishes AD + P from non-psychotic Alzheimer’s disease that could be used as a biomarker to predict and track the course of AD + P for use in clinical trials. Utilizing F-18 fluorodeoxyglucose positron emission tomography scans from cohorts of cognitively healthy elderly (N = 174), those with Alzheimer’s disease without psychosis (N = 174) and those with AD + P (N = 88) participating in the Alzheimer’s Disease Neuroimaging Initiative study, we employed a convolutional neural network to identify and validate the Alzheimer’s Psychosis Network. We analysed network progression, clinical correlations and psychosis prediction using expression scores and network organization using graph theory. The Alzheimer’s Psychosis Network accurately distinguishes AD + P from controls (97%), with increasing scores correlating with cognitive decline. The Alzheimer’s Psychosis Network–based approach predicts psychosis in Alzheimer’s disease with 77% accuracy and identifies specific brain regions and connections associated with psychosis. Alzheimer’s Psychosis Network expression was found to be associated with increased cognitive and functional decline that characterizes AD + P. The increased metabolic connectivity between motor and language/social cognition regions in AD + P may drive delusions and agitated behaviour. Alzheimer’s Psychosis Network holds promise as a biomarker for AD + P, aiding in treatment development and patient stratification.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».