Harmonizing visual readings of tau PET tracers ‐ the HEAD study
Notice bibliographique
Résumé
BACKGROUND: F]MK-6240 (MK) and provide preliminary data toward a unified visual reading approach for all tau-PET tracers using a head-to-head dataset. METHODS: The study design and development plans are illustrated in Figure 1. To evaluate previously published visual reading methods, two blinded raters conducted FTP and MK visual reads on 340 participants from the HEAD study. A unified visual reading method was developed and tested on 101 participants, using a composite of adjusted Braak regions to determine 3 stages of severity while harmonizing between tracers. For external validation, the method will be tested on four additional cohorts, each using one of the following tracers: FTP, MK, PI, or RO. RESULTS: Inter-rater agreement using previous methods (Figure 2A) showed high Cohen's kappa values (0.71-0.77) for the low and high tau burden categories in both FTP and MK visual reads. However, agreement was substantially lower in the non-AD-like category, leading to overall agreement rates of 0.55 for FTP and 0.69 for MK. In contrast, the method developed here improved inter-rater agreement across all categories (0.87-0.96) and introduced a moderate tau (0.79-0.83) burden group (Figure 2B), leading to higher overall agreement rates of 0.81 for FTP and 0.87 for MK (Figure 2C). For inter-tracer agreement (Figure 3), previous methods resulted in discordant visual reads for FTP and MK in 34.4% of cases for rater 1 and 24.7% for rater 2. The developed method reduced this disagreement to 11.9% (rater 1) and 15.8% (rater 2), demonstrating improved consistency across different tracers. CONCLUSION: This study demonstrates that previously published visual reading methods produced varying classifications depending on the tracer used. The method proposed here improved inter-rater and inter-tracer visual read agreements by developing a unified, tracer-agnostic approach easy to be used. Importantly, this clinician-friendly method has the potential for widespread adoption, offering a single harmonized visual reading technique for all tau-PET tracers.
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 | 0,039 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».