Fluorodeoxyglucose–Positron Emission Tomography as a Preoperative Biomarker for Predicting and Optimizing Response to Subcallosal Cingulate Area Deep Brain Stimulation
Notice bibliographique
Résumé
BACKGROUND: Deep brain stimulation targeting the subcallosal cingulate area (SCC-DBS) has emerged as a promising therapy for treatment-resistant depression (TRD). However, only one-half to two-thirds of patients experience meaningful clinical response, highlighting the need for biomarkers that could help to optimize SCC-DBS outcomes. Our group previously showed that a support vector machine (SVM) incorporating preoperative fluorodeoxyglucose-positron emission tomography (FDG-PET) glucose metabolism values from the frontal pole, anterior cingulate cortex, and temporal pole could retrospectively classify treatment response in 21 patients with TRD with 81.0% accuracy. Here, we assessed the out-of-sample performance and wider applicability of this putative biomarker. METHODS: Baseline FDG-PET data were preprocessed and fed into an SVM classifier. This model, which utilized the 3 regional inputs mentioned above, was trained and tuned using the familiar 21-patient cohort and tested on an unseen TRD validation set (n = 35). Within the combined cohort, we also explored glucose metabolism's potential influence on previously demonstrated relationships between white matter tract stimulation and clinical outcome. RESULTS: = .008) and exceeded that of an alternative, clinically informed SVM. In addition, we found that patients with lower temporal pole metabolism showed stronger coupling between uncinate fasciculus engagement (approximated using electrode localization and activation modeling) and clinical outcome (p = .027). CONCLUSIONS: These results corroborate the validity of FDG-PET models as tools for predicting SCC-DBS outcomes and underscore their value in refining patient selection and further personalizing DBS treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».