MétaCan
Menu
Retour à la cohorte
Enregistrement W4417129219 · doi:10.1162/imag.a.1264

Data-driven Subtyping and Staging of ALS: A Multicentre, Longitudinal, Deformation-Based Morphometry Study

2025· article· en· W4417129219 sur OpenAlexafffundabout
Isabelle Lajoie, Sanjay Kalra, Mahsa Dadar

Notice bibliographique

RevueImaging Neuroscience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of AlbertaMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesCanadian Institutes of Health ResearchCompute CanadaFondation Brain CanadaALS Society of Canada
Mots-clésSubtypingAtrophyLongitudinal studyStage (stratigraphy)Amyotrophic lateral sclerosisSurvival analysisMotor neuronCognition

Résumé

récupéré en direct d'OpenAlex

Abstract Amyotrophic lateral sclerosis (ALS) is clinically and biologically heterogeneous, yet data-driven imaging subtyping approaches have rarely been validated longitudinally or linked to clinical and survival outcomes. We aimed to identify and validate distinct ALS subtypes and disease stages using deformation-based morphometry (DBM) and the Subtype and Stage Inference (SuStaIn) model, and to characterize their cross-sectional and longitudinal imaging, clinical, cognitive, and survival profiles. Data from 198 ALS patients and 144 healthy controls in the Canadian ALS Neuroimaging Consortium (CALSNIC) multicenter cohort were analyzed. Baseline regional DBM w-scores from 14 ALS-relevant regions served as input to SuStaIn to infer subtypes and stages. Longitudinal consistency of subtype and stage assignments (e.g. adherence to the expected disease evolution) was assessed using follow-up visits. Imaging and clinical trajectories were compared across subtypes using linear mixed-effects models incorporating stage and elapsed time. Associations between longitudinal variables and SuStaIn stage were estimated using mixed models, while baseline clinical and cognitive differences were assessed with ordinary least squares regression. Survival differences were evaluated using Kaplan–Meier curves and log-rank tests. SuStaIn identified one normal-appearing group (S0) and three ALS atrophy subtypes. S0 showed no baseline atrophy but exhibited longitudinal motor decline and the most favorable survival (log-rank p < 0.05 to p < 0.01). S1 exhibited classical motor/corticospinal tract-dominant degeneration, greater lower motor neuron burden, and intermediate survival. S2 showed limbic-onset atrophy progressing toward motor pathways, with preserved cognition and a milder course. S3 demonstrated extensive fronto-parietal and striatal atrophy, longitudinal motor–thalamic degeneration, and the shortest survival. Subtype and stage assignments demonstrated high longitudinal consistency (>90%). SuStaIn stage was strongly associated with widespread brain atrophy (and ventricular expansion), with the strongest effects in limbic–subcortical regions. Stage also correlated with ALS Functional Rating Scale-Revised (ALSFRS-R) decline and forced vital capacity (FVC) reduction, indicating that stage reflects disease-linked progression. This study establishes a robust, longitudinally validated model of ALS heterogeneity, showing that SuStaIn-derived subtypes define distinct disease trajectories, whereas the normal-appearing group reflects an early, structurally preserved state with a more favorable survival profile. By integrating probabilistic staging with longitudinal modeling, these findings clarify dynamic subtype-specific progression patterns and support the use of SuStaIn for biologically informed patient stratification, prognostication, and clinical trial enrichment in ALS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,386
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImaging NeuroscienceMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207