Tract-based Quantitative MRI for Resolving the Clinico-Radiological Paradox in Multiple Sclerosis
Notice bibliographique
Résumé
Abstract The clinico-radiological paradox in multiple sclerosis (MS) arises because conventional MRI measures, particularly total lesion volume, fail to fully capture the true burden of disability. These broad volumetric measures overlook the dual influence of where lesions occur and what their microstructural composition is. This study aimed to improve the clinical relevance of lesion analysis in MS by combining tract-based spatial filtering with quantitative microstructural MRI metrics. We hypothesized that filtering lesions through clusters of functionally meaningful white matter tracts, rather than broad anatomical compartments, would enable more accurate identification of clinically relevant damage. We studied 132 participants, including 89 patients with MS (49 relapsing–remitting, 17 primary progressive, 23 secondary progressive; 62 women and 27 men) and 43 healthy controls (28 women and 15 men). All underwent standardised 3 Tesla MRI including FLAIR, T1 mapping, magnetisation transfer ratio (MTR), and diffusion tensor imaging (DTI) with fractional anisotropy (FA) and mean diffusivity (MD). We evaluated associations between imaging measures and disability and assessed predictive performance with ridge-penalised regression across EDSS, motor scores (T25FW, 9HPT), and MSPro-defined progression risk. Tract-based models remained superior to classical region-based models, achieving higher discrimination and better model fit for binarised EDSS and MSPro (AUC = 0.86–0.96 vs 0.57– 0.86) and substantially greater variance explained for continuous motor outcomes (RZ = 0.245– 0.43 vs 0.01–0.195). By integrating lesion location and microstructural composition, tract-based quantitative MRI enhances disability prediction and provides interpretable imaging markers to support disability characterisation and individualized monitoring in MS. Abbreviated Summary Abdullah et al. show that anchoring lesions within functionally critical white-matter tracts and measuring their microstructural tissue composition reveals stronger associations with motor and progression-related clinical measures in multiple sclerosis, helping explain why conventional lesion burden alone often poorly reflects disability.
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 | 0,006 |
| 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 | 0,000 | 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 ».