Patient‐level predicting AD onset using lifespan volumetric trajectories
Notice bibliographique
Résumé
BACKGROUND: Predicting dementia risk from neuroimaging and cognitive data is vital for early Alzheimer's disease (AD) management. Coupe [2019] and others have shown that the volume of certain anatomical structures deviate from the normal trajectories. We aim to predict individual AD progression risk by analyzing deviations from expected age and sex-based volumetric measurements at the baseline. METHOD: We utilized T1w MRI scans from several databases: (N Scans, N subjects, age range) : ADNI1,2,3 (8697, 2118, 50-97y), AIBL (1242, 667, 55-97y), HCP (1113, 1113, 28-36y), ICBM (341, 341, 18-80y), MCSA (1801,1801, 49-89y), NIHPD (1089, 442,4-22y), NKI (2306, 1326, 6-85y), OASIS1,2,3 (3212, 1802, 18-97y), UK Biobank (47396, 42912, 44-83y), PreventAD (2400, 387, 54-88y) and TRIAD (914,20-91y) and processed them with AssemblyNET [Coupe 2019]. We used scans from UKBB, ICBM, NKI, HCP, and NIHPD studies, along with half of the cognitively normal (CN) subjects from ADNI1,2,3, to model healthy aging trajectories with cubic b-splines for each brain structure from ages 10 to 90 using a Bayesian multilevel model. We used baseline scans from remaining CN subjects (N = 984, 73 progressed to AD) and MCI subjects (N = 1396, 395 progressed) to calculate deviation from age and sex expected volumes as estimated for 70 ROIs extracted by AssemblyNET. These values, along with sex and baseline diagnosis, were used to perform time-to-event modelling of conversion to AD. We employed a linear Survival Support Vector Machine within a 10-fold cross-validation loop. Additionally, permutation importance was used to identify important ROIs. RESULT: Our results demonstrate that the proposed method effectively identifies individuals with varying levels of risk for AD conversion, achieving a concordance index of 0.82(0.04). The five most important features identified by the method are baseline diagnosis (CN or MCI), and volumes of Amygdala, Inferior lateral ventricles, Superior temporal gyrus and Superior frontal gyrus. CONCLUSION: We have developed a library of healthy aging trajectories for 70 anatomical structures, demonstrating its effectiveness in identifying subjects at high risk of progressing to Alzheimer's Dementia.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».