LA VOLUMÉTRIE CÉRÉBRALE POUR L'AIDE AU DIAGNOSTIC DIFFÉRENTIEL DES TROUBLES NEURODÉGÉNÉRATIFS

IF 3 3区 医学 Q2 CLINICAL NEUROLOGY Journal of Neuroradiology Pub Date : 2024-02-24 DOI:10.1016/j.neurad.2024.01.044
Veronica Muñoz-Ramírez, Harmonie Dehaene, Senan Doyle
{"title":"LA VOLUMÉTRIE CÉRÉBRALE POUR L'AIDE AU DIAGNOSTIC DIFFÉRENTIEL DES TROUBLES NEURODÉGÉNÉRATIFS","authors":"Veronica Muñoz-Ramírez,&nbsp;Harmonie Dehaene,&nbsp;Senan Doyle","doi":"10.1016/j.neurad.2024.01.044","DOIUrl":null,"url":null,"abstract":"<div><p>De nombreux biomarqueurs de neuro-imagerie sont apparus au cours de la dernière décennie, fournissant des critères mesurables et objectifs pour le diagnostic différentiel et le suivi des pathologies neurologiques. Pixyl.Neuro.BV est un outil d'IA permettant d'effectuer automatiquement la segmentation de structures cérébrales pertinentes, et de calculer leur volume et leur évolution dans le temps. Ces valeurs sont ensuite comparées à celles d'une population normative saine d’âge égal.</p><p>Dans cette étude, nous évaluons comment cet outil peut assister le processus de diagnostic différentiel des maladies neurodégénératives.</p><p>L’évaluation est réalisée sur 265 patients cognitivement normaux, 114 patients atteints de la maladie d'Alzheimer (AD), et 150 patients souffrant de démence fronto-temporale (FTD) (bases de données ADNI et NIFD). Tout volume du patient en dehors des percentiles 5-95 est considéré comme anormal. La capacité de l'outil d'IA à classifier les patients entre le groupe sain et le groupe pathologique en question (AD vs FTD), uniquement à partir de l'IRM, est évaluée en termes de sensibilité et spécificité.</p><p>La <em>Figure 1</em> illustre le potentiel de discrimination des mesures volumétriques contextualisées par la base normative fournies par l'outil d'IA.Selon les biomarqueurs considérés, l'outil d'IA distingue les patients sains des patients AD (resp. FTD) avec des valeurs de sensibilité et de spécificité variables (cf. <em>Figure 2</em>). L'outil d'IA différencie les patients AD des patients sains avec une sensibilité optimale de 85% et une spécificité associée de 85%. De la même façon, l'outil d'IA peut différencier les patients FTD des patients sains avec une sensibilité de 75% et une spécificité de 89%.</p><p>En conclusion, les mesures volumétriques fournies par l'outil d'IA permettent de différencier les patients sains des patients atteints de types de démences les plus communes (AD, FTD), grâce à la comparaison avec des valeurs normatives intégrées dans l'outil.</p></div>","PeriodicalId":50115,"journal":{"name":"Journal of Neuroradiology","volume":null,"pages":null},"PeriodicalIF":3.0000,"publicationDate":"2024-02-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Neuroradiology","FirstCategoryId":"3","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S0150986124000440","RegionNum":3,"RegionCategory":"医学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q2","JCRName":"CLINICAL NEUROLOGY","Score":null,"Total":0}
引用次数: 0

Abstract

De nombreux biomarqueurs de neuro-imagerie sont apparus au cours de la dernière décennie, fournissant des critères mesurables et objectifs pour le diagnostic différentiel et le suivi des pathologies neurologiques. Pixyl.Neuro.BV est un outil d'IA permettant d'effectuer automatiquement la segmentation de structures cérébrales pertinentes, et de calculer leur volume et leur évolution dans le temps. Ces valeurs sont ensuite comparées à celles d'une population normative saine d’âge égal.

Dans cette étude, nous évaluons comment cet outil peut assister le processus de diagnostic différentiel des maladies neurodégénératives.

L’évaluation est réalisée sur 265 patients cognitivement normaux, 114 patients atteints de la maladie d'Alzheimer (AD), et 150 patients souffrant de démence fronto-temporale (FTD) (bases de données ADNI et NIFD). Tout volume du patient en dehors des percentiles 5-95 est considéré comme anormal. La capacité de l'outil d'IA à classifier les patients entre le groupe sain et le groupe pathologique en question (AD vs FTD), uniquement à partir de l'IRM, est évaluée en termes de sensibilité et spécificité.

La Figure 1 illustre le potentiel de discrimination des mesures volumétriques contextualisées par la base normative fournies par l'outil d'IA.Selon les biomarqueurs considérés, l'outil d'IA distingue les patients sains des patients AD (resp. FTD) avec des valeurs de sensibilité et de spécificité variables (cf. Figure 2). L'outil d'IA différencie les patients AD des patients sains avec une sensibilité optimale de 85% et une spécificité associée de 85%. De la même façon, l'outil d'IA peut différencier les patients FTD des patients sains avec une sensibilité de 75% et une spécificité de 89%.

En conclusion, les mesures volumétriques fournies par l'outil d'IA permettent de différencier les patients sains des patients atteints de types de démences les plus communes (AD, FTD), grâce à la comparaison avec des valeurs normatives intégrées dans l'outil.

查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
用脑容积测量法帮助鉴别诊断神经退行性疾病
在过去十年中,出现了许多神经影像生物标志物,为神经系统病症的鉴别诊断和监测提供了可测量的客观标准。Pixyl.Neuro.BV是一款人工智能工具,可自动分割相关的大脑结构并计算其体积和随时间的变化。在这项研究中,我们对该工具如何协助神经退行性疾病的鉴别诊断过程进行了评估。评估对象包括 265 名认知正常的患者、114 名阿尔茨海默氏症(AD)患者和 150 名额颞叶痴呆症(FTD)患者(ADNI 和 NIFD 数据库)。任何超出 5-95 百分位数的患者体量均被视为异常。图 1 展示了根据人工智能工具提供的常模基础对容积测量结果进行鉴别的潜力。根据所考虑的生物标志物,人工智能工具以不同的灵敏度和特异性值将健康患者与 AD(或 FTD)患者区分开来(参见图 2)。人工智能工具区分注意力缺失症患者和健康患者的最佳灵敏度为 85%,相关特异性为 85%。总之,人工智能工具提供的容积测量结果可以将健康患者与最常见类型的痴呆症(AD、FTD)患者区分开来,这要归功于与工具内置的标准值进行的比较。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
Journal of Neuroradiology
Journal of Neuroradiology 医学-核医学
CiteScore
6.10
自引率
5.70%
发文量
142
审稿时长
6-12 weeks
期刊介绍: The Journal of Neuroradiology is a peer-reviewed journal, publishing worldwide clinical and basic research in the field of diagnostic and Interventional neuroradiology, translational and molecular neuroimaging, and artificial intelligence in neuroradiology. The Journal of Neuroradiology considers for publication articles, reviews, technical notes and letters to the editors (correspondence section), provided that the methodology and scientific content are of high quality, and that the results will have substantial clinical impact and/or physiological importance.
期刊最新文献
Editorial board Contents Progressive T1 high-intensity plaques in carotid stenosis: Comparative MRI analyses in asymptomatic and symptomatic phases of low-grade stenosis Using the sandwich technique for the treatment of sigmoid sinus diverticulum causing pulsatile tinnitus Assessment of large-scale imaging practices in patients with acute brain hemorrhage in French emergency departments
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1