P.012 Myelin water imaging in Anti-NMDA receptor autoimmune encephalitis; a pilot study
Notice bibliographique
Résumé
Background: This study explored whether Myelin Water imaging could detect myelin injury in Anti-NMDA receptor autoimmune encephalitis (NMDAr-AIE), where traditional neuroimaging is often normal. Myelin Water Fraction (MWF) quantifies myelin content by distinguishing myelin sheath water from other brain water compartments. Methods: Adult participants with confirmed NMDAr-AIE diagnoses and healthy controls (HC) underwent 3T brain MRI including MWF mapping. Participants were recruited after discharge from the hospital. Mean MWF was calculated for 4 white matter regions of interest (ROI). Patient demographics, clinical assessments, treatment, and outcomes were collected. Results: Five participants with NMDAr-AIE (4F/1M, mean age 30, SD 7) and four HC (3F/1M, mean age 36, SD 6) were included. All NMDAr-AIE participants had normal or non-specific T2 hyperintensities on initial imaging and had received immunotherapy. The mean Modified Rankin Score (MRS) on discharge was 2. MWF (mean ± SD) for normal-appearing white matter, corpus callosum, corticospinal tract, and superior longitudinal fasciculus were 0.10±0.02, 0.12±0.02, 0.15±0.03, 0.12±0.02, which were very similar to HC at 0.09±0.02, 0.11±0.01, 0.15±0.02, and 0.11±0.02, respectively. Conclusions: Myelin Water imaging showed no myelin pathology in five NMDAr-AIE patients, with MWF values comparable to HC. This suggests that myelin pathways are relatively preserved post-recovery from AIE.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».