Macular choriocapillaris perfusion area: a potential biomarker of mild cognitive impairment in patients with cerebral small vessel disease
Notice bibliographique
Résumé
Aim To develop and validate retinal vascular biomarkers for detecting mild cognitive impairment (MCI) in cerebral small vessel disease (CSVD) using swept-source optical coherence tomography angiography (SS-OCTA). Methods Participants with MCI and normal cognition were prospectively enrolled from two ongoing cohorts (Dream-10 and FRESH-CSVD; NCT06164262 and NCT06431711 ). All participants underwent SS-OCTA and structural MRI (S-MRI). Individuals with Alzheimer’s disease were excluded based on plasma biomarkers. Participants were split into development (January–August 2024) and temporal validation (September 2024–January 2025) cohorts. Feature selection was conducted using least absolute shrinkage and selection operator regression, followed by receiver operating characteristic analyses. Results A total of 209 participants were included, with 48.8% (102/209) diagnosed with MCI. In the development cohort (n=136), the 3–6 mm macular choriocapillaris perfusion area (CCPA) of the left eye (oculus sinister, OS) showed superior diagnostic accuracy for MCI (AUC=0.906), outperforming S-MRI markers (all p < 0.05). Temporal validation confirmed diagnostic accuracy (AUC 0.902; sensitivity 88.6%, specificity 81.3%) with minimal performance drift (ΔAUC 0.002). Adding S-MRI markers did not significantly enhance diagnostic performance (p>0.05). Both 0–3 and 3–6 mm OS macular CCPA were significantly associated with cognitive decline (Mini-Mental State Examination, Montreal Cognitive Assessment and Clinical Dementia Rating Sum of Boxes; all p < 0.01), and mediation analyses suggested partial effects through white matter hyperintensity volume and right choroid plexus volume ratio. Conclusion SS-OCTA-derived macular CCPA, especially in the 3–6 mm OS region, may serve as a promising and non-invasive biomarker for CSVD-related MCI. Further multicentre studies are needed to establish its clinical applicability.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».