White Matter Hyperintensities on Brain MRI are Related to Brain Atrophy and Accelerated Brain Age
Notice bibliographique
Résumé
Abstract Background Brain age – an estimate of chronological age‐ derived from structural brain MR neuroimaging may reveal underlying factors driving brain aging. White matter hyperintensities (WMH) are areas of abnormally high signal on FLAIR that frequently reflect chronic small vessel ischemic changes and potentially increased aging. Method Overall, 1,164 healthy participants from four sites (mean chronological age 55.17 ± 12.37 years, 52% women; 48% men; 39% non‐white) were scanned on 1.5T MR machines with a whole‐body protocol. For each participant, a 2D multi‐slice FLAIR image was obtained. A 2D convolutional neural network, trained on data from 120 individuals across three public datasets (MICCAI 2017, ISLES2015, and ISLES2022), was employed to automatically segment WMH from the FLAIR scans. Deep learning with FastSurfer on MPRAGE trained on 134 participants aged 27‐66 and segmented 96 brain regions. Brain age was computed using a regression‐based 3D Simple Fully Convolutional Network trained on in‐house T1‐weighted MRI scans collected from 5,500 healthy individuals (, aged 18 to 89 years). Brain age gap (BAG) was computed by subtracting chronological age from brain age. Partial correlation and regression models evaluated the relationship between WMH normalized to total brain volume (gray matter and white matter), brain age, brain volumes controlling for age, sex, and total intracranial volume. Chronological age was not adjusted for in the brain age models to avoid collinearity. Result Mean brain age was similar to chronological age (mean brain age = 56.04 ± 12.65, mean BAG = 0.69). The median of WMH were 1.4 mL (0.75‐2.51 mL). Increased WMH were related to lower brain volumes in the i) hippocampus (rp= ‐0.13, p = 1.174e‐05) ii) cerebral white matter (rp= ‐0.08, p = .004) iii) thalamus (rp= ‐0.16, p = 1.634e‐07). Additionally, increased WMH was related to larger cerebral ventricle size (rp= 0.28, p = 6.604e‐21). The regression model showed that increased WMH was related to increased brain age (t= 5.92, rp= .42, p <.001) and increased brain age gap (t= 4.07, rp= .12, p <.001). Conclusion Increased WMH are related to brain atrophy – in both Alzheimer's and non‐Alzheimer's affected regions – and are also related to increased brain age and accelerated brain aging.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 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 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 ».