Generating <scp>MRI</scp> ‐Derived <scp>CSF</scp> Proxy‐Markers to Predict and Visualize Alzheimer's Disease Progression
Notice bibliographique
Résumé
Preclinical detection of Alzheimer's disease (AD) is crucial to efficiently recruit clinical trial participants for examining AD-modifying drugs and ultimately yield clinical benefits for at-risk individuals. Cerebral amyloidosis precedes synaptic dysfunction and neurodegeneration markers, followed by the onset of AD-related cognitive impairment. To improve early AD-biomarker detection accuracy, patient data is, however, often collected via invasive procedures such as a lumbar puncture or intravenous injection of active radiopharmaceuticals. This coupled health risk is small yet significant and can be avoided by generating equally predictive or superior AD-risk staging proxy biomarkers derived from noninvasive neuroimaging modalities. In addition, using neuroimaging can provide richer insights into regional distributions of brain biomarkers of AD. Motivated by that, here we train neural networks to optimally generate latent structural MRI (sMRI) representations as proxies for cerebrospinal fluid (CSF) biomarker status on multiple classification and prediction contexts, an approach that we demonstrate has the potential to be clinically useful in screening and diagnosing AD and predicting AD progression. We found that the amygdala, hippocampus, parahippocampus, posterior and middle cingulate gyrus, middle and inferior temporal gyrus, angular gyrus, precuneus, and inferior parietal lobe regions revealed maximum attribution, thereby implying the highest prognostic value for AD risk. The proposed approach of predicting amyloid and/or tau pathology biomarkers from MRI data and subsequently transferring the MRI-derived amyloid and/or tau pathology models to predict future risk of AD progression may be useful to assist in disease screening, triage of patients for invasive testing, and efficiently determining suitability for clinical trial recruitment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».