MétaCan
Menu
Back to cohort
Record W6906343566 · doi:10.17169/refubium-31775

Voxel-basierte Läsions-Symptom-Kartierung nach Hirntumor in der hinteren Schädelgrube im Kindes- und Jugendalter

2021· article· de· W6906343566 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languagede
FieldComputer Science
TopicAI in Service Interactions
Canadian institutionsnot available
Fundersnot available
KeywordsHemiparesisCongenital diseaseLower limbComputed tomography

Abstract

fetched live from OpenAlex

Einleitung Eine Schädigung von zerebrozerebellären Bahnen ist am Auftreten von motorischen und kognitiven Funktionsdefiziten bei Überlebenden von Kleinhirntumoren im Kindes- und Jugendalter maßgeblich beteiligt. Wir verwendeten den Atlas der weißen Kleinhirnbahnen und untersuchten die Hypothese, dass voxel-basierte Läsions-Symptom-Kartierung kritische Läsionen von zerebellären Bahnen nachweist. Methodik Wir untersuchten 31 Langzeitüberlebende einer Hirntumorerkrankung mit isolierter zerebellärer Lokalisation (13 pilozytische Astrozytome, 18 Medulloblastome). Die Überlebenden erhielten neben einer Kernspintomographie (MRT) des Schädels eine neurologische Untersuchung zur Beurteilung der Ataxie (ICARS) und der feinmotorischen Funktion der Hand (digitales Grafiktablett) sowie eine kognitive Testung (deutsche Version des WISC-III) und Prüfung von Exekutivfunktionen (Planungsfähigkeit mit Tower of London-Test, Aufmerksamkeitsflexibilität mit Amsterdam Neuropsychological Task Programm (ANT)). Die individuellen konsolidierten Kleinhirnläsionen wurden manuell auf das individuelle MRT des Überlebenden mit dem Programm MRIcroN gezeichnet. Nach Normalisierung in den MNI (Montreal Neurological Institute) Koordinatenraum erfolgte eine voxel-basierte Läsions-Symptom-Kartierung (VLSM) unter Anwendung des Programmes NPM. Ergebnisse Die Überschneidungen der Kleinhirnläsionen bei Überlebenden nach MB Erkrankung umfassten den Vermis, den paravermalen Lobulus IX, den SCP, ICP sowie die tiefen Kleinhirnkerne. Bei Überlebenden nach PA Erkrankung lag die größte Überschneidung der Läsionen etwas mehr kranial und umfasste neben dem Vermis die paravermalen Anteile der Lobuli V und VI, die dorsomedialen Anteile von CRUS I und II sowie die tiefen Kleinhirnkerne. VLSM ergab eine Assoziation von motorischen Funktionsdefiziten mit Läsionen des SCP, der tiefen Kleinhirnkerne (NI, NF, ventromedialer ND) und des inferioren Vermis (VIIIa, VIIIb, IX, X). Die mit VLSM erstellten Läsionskarten zu Defiziten der Intelligenz und Planungsfähigkeit identifizierten die gleichen zerebellären Strukturen und zusätzlich paravermale Regionen von Lobulus VI, Crus I und Teile des oberen Vermis (V, VI). Funktionsdefizite der Exekutivfunktion wurden auf den SCP, den medialen ND und unteren Vermis (VIIIa, VIIIb, IX) projeziert. Insbesondere bei beeinträchtigter Mustererkennung zeigten die mit VLSM erstellten Läsionskarten den Nucleus interpositus (NI) und Nucleus fastigii (NF) neben dem unteren Vermis und kleineren Anteilen des unteren vorderen Kleinhirnlappens (medianer Lobulus IV, V). Defizite der Planungsfähigkeit und Intelligenz waren zusätzlich assoziiert mit Läsionen der paravermalen Areale des hinteren Kleinhirnlappens (Crus I, Crus II). Zusammenfassung Wir identifizierten Läsionen des SCP neben Läsionen der tiefen Kleinhirnkerne als kritische Strukturen für ein persistierendes Defizit motorischer und kognitiver Funktionen bei Überlebenden einer Kleinhirntumorerkrankung im Kindes- und Jugendalter. Weitere Studien mit dem Ziel des Erhalts der motorischen und kognitiven Funktion werden präoperativ Patienten mit erhöhtem Risiko für eine Schädigung dieser kritischen Strukturen identifizieren müssen und somit multimodale Therapiekonzepte individualisieren können.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Scholarly communication, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.469
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.003
Science and technology studies0.0010.000
Scholarly communication0.0010.002
Open science0.0020.002
Research integrity0.0000.002
Insufficient payload (model declined to judge)0.0070.008

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.023
GPT teacher head0.311
Teacher spread0.288 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same topicAI in Service InteractionsFrench-language works237,207