NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Biyobank düzeyinde veri kümelerinin ortaya çıkması, yeni görüntüleme belirteçlerini keşfetmek ve beyin hastalıkları için tahmin modelleri geliştirmek için eşi görülmemiş fırsatlar sunar. Bu çalışmada, ilk olarak prospektif bir kohort çalışması gerçekleştirdik ve İngiltere Biobank'tan 46.090 bireyde 22 beyin hastalığı ile ilişkili 692 beyin imgesi türevi fenotipi (IDP) kapsamlı bir atlas elde ettik, 2,494 vaka ve 10,8 yıllık bir takip süresi. Bu çalışmada, 1.746 IDP-hastalık derneği ve 558'den fazla IDP'nin birden fazla hastalık arasında paylaşıldığı ortaya çıktı. Daha sonra, resmi tanıdan 8,4 yıl öncesine kadar hastalık geliştirme riski yüksek olan bireyleri tanımlamak için görüntüleme belirteçlerini ve kolayca erişilebilir klinik demografik değişkenleri birleştiren 9 makine öğrenme modeli geliştirdik. Görüntüleme profillerini ve klinik tahmincileri içeren modeller, glioma, Alzheimer hastalığı (AD), Parkinson hastalığı (PD) ve multipl skleroz (MS) (C-index> 0.6) dahil olmak üzere beyin hastalıklarının başlangıcını etkili bir şekilde tahmin etti. Ek olarak, multi-omics genomik entegrasyon analizi (9.725 ila 807.553 birey arasında değişen) IDP'ler ve beyin hastalıkları arasında paylaşılan genetik yapıyı ortaya koydu. IDP-hastalık birliği ve hastalık tahmin modelleri, halka açık bir görüntüleme-fenome kaynağı olan ansiklopedi olarak yatırılır (https://bsbd.hapyun.com/home). Bu çalışma, IDP-hastalık ilişkisinin biyolojik mekanizmalarına ışık tutar ve yeni görüntüleme belirteçlerinin tanımlanmasına ve beyin hastalıkları için tahmin modellerinin geliştirilmesine katkıda bulunur. Bulgularımız, IDP'lerin tanıdan sekiz yıldan daha uzun bir süre önce bile beyin hastalıklarını tahmin etmek için potansiyel biyobelirteçler olduğunu kuvvetle vurgulamaktadır. Bu çalışma, bu IDP'lerin yüksek riskli taramayı ve beyin hastalıklarının erken müdahalesini geliştirmek için güçlü potansiyelini göstermektedir.
Özgün kaynak özetini okuyun
Abstract The advent of biobank level datasets offers unprecedented opportunities to discover novel imaging markers and develop prediction models for brain diseases. In this study, we first performed a prospective cohort study and derived a comprehensive atlas of 692 brain image-derived phenotypes (IDPs) associated with 22 brain diseases in 46,090 individuals from the UK Biobank, with 2,494 cases and a follow-up time of 10.8 years. This study revealed 1,746 IDP-disease associations and over 558 IDPs were shared among more than one disease. We then developed 9 machine learning models that combine imaging markers and easily accessible clinical demographic variables to identify individuals at high risk of developing disease up to 8.4 years prior to the official diagnosis. The models incorporating imaging profiles and clinical predictors effectively predicted the onset of brain diseases, including glioma, Alzheimer's disease (AD), Parkinson's disease (PD), and multiple sclerosis (MS) (C-index > 0.6). Additionally, multi-omics genomic integration analysis (ranging from 9,725 to 807,553 individuals) revealed shared genetic structure between IDPs and brain diseases. The IDP-disease association and disease prediction models are deposited as an encyclopedia, a publicly available imaging-phenome resource (https://bsbd.hapyun.com/home). This work sheds light on the biological mechanisms of IDP-disease association and contributes to the identification of novel imaging markers and the development of prediction models for brain diseases. Our findings strongly emphasize that IDPs are the prospective biomarkers for predicting brain diseases, even at the time that is more than eight years prior to diagnosis. This study demonstrates the strong potential of these IDPs to enhance high-risk screening and early intervention of brain diseases.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.