Brain and retina in Alzheimer's disease: Pathological intersections and estimates from imaging
Notice bibliographique
Résumé
Recent studies have highlighted retinal optical coherence tomography (OCT) imaging as a promising biomarker for the early detection of Alzheimer's disease (AD). This review connects AD brain pathology - particularly amyloid beta (Aβ), tau, and vascular changes - with corresponding retinal changes. Evidence suggests that abnormal Aβ and tau deposits in the retina may reflect brain pathology, though their formation mechanisms remain unclear. Retinal vascular changes may also mirror brain pathology, with recent data emerging on other co-pathologies. Retinal thickness changes, especially in acetylcholine-producing layers, can differentiate AD from controls, although not in early AD; however, emerging high-resolution OCT techniques may enhance early detection. We find that correlations between retinal thickness and brain structures are often weak, and retinal vascular imaging shows promise in estimating cerebrovascular disease markers from retinal vascular changes. Novel imaging modalities (e.g., hyperspectral imaging) for detecting retinal Aβ deposits may improve early AD screening when combined with other biomarkers. HIGHLIGHTS: Retinal Aβ/tau is equivocal; peripheral retinal p-tau shows diagnostic promise. OCT retinal/choroid thickness diagnostic/prognostic AUC is small to medium. Hyperspectral imaging and electroretinography may aid early diagnosis. OCTA may differentiate MCI from controls, but preclinical studies are needed. The added value of retinal biomarkers for risk stratification remains uncertain.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».