Évaluation comparative des modalités d'IRM cérébrale, des mesures spécifiques aux modalités, des régions cérébrales et des tests cognitifs pour la prédiction de l'âge cérébral.A comparative evaluation of brain MRI modalities, modality-specific measures, brain regions, and cognitive tests for brain age prediction.
- Les caractéristiques de connectivité fonctionnelle (IRMf repos) prédisent l'âge cérébral avec la plus faible erreur absolue moyenne (7,60 ans).
- Les tests cognitifs seuls donnent un MAE de 9,14 ans, moins performants que l'IRMf.
- La sélection des 20% meilleures caractéristiques améliore la performance pour l'épaisseur corticale et met en évidence les contributions régionales spécifiques.
Article pertinent pour comprendre l'apport des différentes modalités d'imagerie et tests cognitifs dans la prédiction du vieillissement cérébral, avec implications potentielles pour le diagnostic des troubles neurodégénératifs.
Étude sur un échantillon limité ; nécessité de réplication sur des populations plus larges et diversifiées. L'erreur de prédiction et le biais d'âge doivent être interprétés conjointement ; ils ne sont pas indépendants. Les résultats ne permettent pas encore de conclure sur l'utilité clinique comme biomarqueurs fiables.
Cette étude compare différentes modalités d'IRM (T1, IRMf au repos, IRM de diffusion) et tests cognitifs pour prédire l'âge cérébral via régression ridge. Les caractéristiques de connectivité fonctionnelle issues de l'IRMf au repos donnent la meilleure précision (MAE=7,60 ans), suivies des fluctuations de basse fréquence et des tests cognitifs. La sélection des 20% meilleures caractéristiques améliore les performances pour l'épaisseur corticale. Les résultats soulignent l'apport différentiel des mesures à la prédiction du vieillissement cérébral.
Les caractéristiques de connectivité fonctionnelle (IRMf repos) prédisent l'âge cérébral avec la plus faible erreur absolue moyenne (7,60 ans). Les tests cognitifs seuls donnent un MAE de 9,14 ans, moins performants que l'IRMf. La sélection des 20% meilleures caractéristiques améliore la performance pour l'épaisseur corticale et met en évidence les contributions régionales spécifiques. Les modèles basés sur la connectivité montrent une association résiduelle plus forte entre l'écart d'âge cérébral et l'âge chronologique, indiquant un biais d'âge. Ces résultats suggèrent que différentes modalités d'IRM et tests cognitifs apportent des informations complémentaires pour caractériser le vieillissement cérébral.
La prédiction de l'âge cérébral pourrait aider à détecter un vieillissement pathologique, mais les biais d'âge doivent être corrigés. Les mesures de connectivité fonctionnelle pourraient servir de biomarqueurs pour les maladies neurodégénératives, mais des études supplémentaires sont nécessaires. La combinaison de multiples modalités pourrait améliorer la précision diagnostique en clinique.
Élevé