Artificial Intelligence–Powered Quantification of Flortaucipir PET for Detecting Tau Pathology
Notice bibliographique
Résumé
We developed and evaluated an artificial intelligence (AI)–powered approach for easier quantification of tau PET uptake without requiring structural MR to aid earlier tracking of Alzheimer disease (AD). Methods: We implemented a deep neural network model that normalizes 18F-AV1451 (tau) PET images to a standard template without requiring MR, using transfer learning from a model pretrained on amyloid PET. This model was integrated into an MR-free pipeline for tau PET quantification and validated on external dataset (Alzheimer Disease Neuroimaging Initiative). We examined correlations between model-derived tau uptake estimates and cognitive measures, including AD stage and episodic memory performance (n = 666). Longitudinal analyses were conducted to assess whether baseline tau deposition predicted future cognitive decline (n = 168). Results: The AI-powered pipeline achieved robust performance with intraclass correlation coefficients exceeding 0.97 for regional uptake estimation compared with MR-based ground truth. We also showed that the tau deposition in metatemporal regions was significantly correlated with Mini-Mental State Examination and Montreal Cognitive Assessment scores. Elevated tau PET uptake in the entorhinal cortex and inferior temporal gyrus predicted future cognitive decline. Conclusion: The proposed AI-powered pipeline enhances the clinical accessibility of tau PET by reducing scan costs and streamlining the uptake quantification, achieving high performance without requiring structural MR. We further demonstrated that the pipeline yields cognitively relevant outcome measures for early diagnosis and monitoring of AD progression to aid more personalized treatment strategies targeting AD biomarkers.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».