Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach
- Autores
- Bachli, M. Belen; Sedeño, Lucas; Ochab, Jeremi K.; Piguet, Olivier; Kumfor, Fiona; Reyes, Pablo; Torralva, Teresa; Roca, María; Cardona, Juan Felipe; Gonzalez Campo, Cecilia; Herrera, Eduar; Slachevsky, Andrea; Matallana, Diana; Manes, Facundo Francisco; García, Adolfo Martín; Ibañez, Agustin Mariano; Chialvo, Dante Renato
- Año de publicación
- 2020
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Accurate early diagnosis of neurodegenerative diseases represents a growing challenge for current clinical practice. Promisingly, current tools can be complemented by computational decision-support methods to objectively analyze multidimensional measures and increase diagnostic confidence. Yet, widespread application of these tools cannot be recommended unless they are proven to perform consistently and reproducibly across samples from different countries. We implemented machine-learning algorithms to evaluate the prediction power of neurocognitive biomarkers (behavioral and imaging measures) for classifying two neurodegenerative conditions –Alzheimer Disease (AD) and behavioral variant frontotemporal dementia (bvFTD)– across three different countries (>200 participants). We use machine-learning tools integrating multimodal measures such as cognitive scores (executive functions and cognitive screening) and brain atrophy volume (voxel based morphometry from fronto-temporo-insular regions in bvFTD, and temporo-parietal regions in AD) to identify the most relevant features in predicting the incidence of the diseases. In the Country-1 cohort, predictions of AD and bvFTD became maximally improved upon inclusion of cognitive screenings outcomes combined with atrophy levels. Multimodal training data from this cohort allowed predicting both AD and bvFTD in the other two novel datasets from other countries with high accuracy (>90%), demonstrating the robustness of the approach as well as the differential specificity and reliability of behavioral and neural markers for each condition. In sum, this is the first study, across centers and countries, to validate the predictive power of cognitive signatures combined with atrophy levels for contrastive neurodegenerative conditions, validating a benchmark for future assessments of reliability and reproducibility.
Fil: Bachli, M. Belen. Universidad Nacional de San Martín; Argentina
Fil: Sedeño, Lucas. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva. Fundación Favaloro. Instituto de Neurociencia Cognitiva; Argentina
Fil: Ochab, Jeremi K.. No especifíca;
Fil: Piguet, Olivier. University Of Technology Sydney.; Australia
Fil: Kumfor, Fiona. University Of Technology Sydney.; Australia
Fil: Reyes, Pablo. Hospital Universitario San Ignacio; Colombia
Fil: Torralva, Teresa. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina
Fil: Roca, María. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina
Fil: Cardona, Juan Felipe. Universidad del Valle; Colombia
Fil: Gonzalez Campo, Cecilia. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina
Fil: Herrera, Eduar. Universidad Icesi; Colombia
Fil: Slachevsky, Andrea. Universidad del Desarrollo; Chile
Fil: Matallana, Diana. Pontificia Universidad Javeriana; Colombia
Fil: Manes, Facundo Francisco. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina
Fil: García, Adolfo Martín. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Nacional de Cuyo. Facultad de Educación Elemental y Especial; Argentina
Fil: Ibañez, Agustin Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Adolfo Ibañez; Chile
Fil: Chialvo, Dante Renato. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina - Materia
-
ALZHEIMER'S DISEASE
CLASSIFICATION
EXECUTIVE FUNCTIONS
FRONTOTEMPORAL DEMENTIA
MACHINE-LEARNING
VOXEL-BASED MORPHOMETRY - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
- Repositorio
.jpg)
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/152110
Ver los metadatos del registro completo
| id |
CONICETDig_8c1270fdf8e17c3835ea70eaad196994 |
|---|---|
| oai_identifier_str |
oai:ri.conicet.gov.ar:11336/152110 |
| network_acronym_str |
CONICETDig |
| repository_id_str |
3498 |
| network_name_str |
CONICET Digital (CONICET) |
| spelling |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approachBachli, M. BelenSedeño, LucasOchab, Jeremi K.Piguet, OlivierKumfor, FionaReyes, PabloTorralva, TeresaRoca, MaríaCardona, Juan FelipeGonzalez Campo, CeciliaHerrera, EduarSlachevsky, AndreaMatallana, DianaManes, Facundo FranciscoGarcía, Adolfo MartínIbañez, Agustin MarianoChialvo, Dante RenatoALZHEIMER'S DISEASECLASSIFICATIONEXECUTIVE FUNCTIONSFRONTOTEMPORAL DEMENTIAMACHINE-LEARNINGVOXEL-BASED MORPHOMETRYhttps://purl.org/becyt/ford/5.1https://purl.org/becyt/ford/5Accurate early diagnosis of neurodegenerative diseases represents a growing challenge for current clinical practice. Promisingly, current tools can be complemented by computational decision-support methods to objectively analyze multidimensional measures and increase diagnostic confidence. Yet, widespread application of these tools cannot be recommended unless they are proven to perform consistently and reproducibly across samples from different countries. We implemented machine-learning algorithms to evaluate the prediction power of neurocognitive biomarkers (behavioral and imaging measures) for classifying two neurodegenerative conditions –Alzheimer Disease (AD) and behavioral variant frontotemporal dementia (bvFTD)– across three different countries (>200 participants). We use machine-learning tools integrating multimodal measures such as cognitive scores (executive functions and cognitive screening) and brain atrophy volume (voxel based morphometry from fronto-temporo-insular regions in bvFTD, and temporo-parietal regions in AD) to identify the most relevant features in predicting the incidence of the diseases. In the Country-1 cohort, predictions of AD and bvFTD became maximally improved upon inclusion of cognitive screenings outcomes combined with atrophy levels. Multimodal training data from this cohort allowed predicting both AD and bvFTD in the other two novel datasets from other countries with high accuracy (>90%), demonstrating the robustness of the approach as well as the differential specificity and reliability of behavioral and neural markers for each condition. In sum, this is the first study, across centers and countries, to validate the predictive power of cognitive signatures combined with atrophy levels for contrastive neurodegenerative conditions, validating a benchmark for future assessments of reliability and reproducibility.Fil: Bachli, M. Belen. Universidad Nacional de San Martín; ArgentinaFil: Sedeño, Lucas. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva. Fundación Favaloro. Instituto de Neurociencia Cognitiva; ArgentinaFil: Ochab, Jeremi K.. No especifíca;Fil: Piguet, Olivier. University Of Technology Sydney.; AustraliaFil: Kumfor, Fiona. University Of Technology Sydney.; AustraliaFil: Reyes, Pablo. Hospital Universitario San Ignacio; ColombiaFil: Torralva, Teresa. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; ArgentinaFil: Roca, María. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; ArgentinaFil: Cardona, Juan Felipe. Universidad del Valle; ColombiaFil: Gonzalez Campo, Cecilia. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; ArgentinaFil: Herrera, Eduar. Universidad Icesi; ColombiaFil: Slachevsky, Andrea. Universidad del Desarrollo; ChileFil: Matallana, Diana. Pontificia Universidad Javeriana; ColombiaFil: Manes, Facundo Francisco. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; ArgentinaFil: García, Adolfo Martín. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Nacional de Cuyo. Facultad de Educación Elemental y Especial; ArgentinaFil: Ibañez, Agustin Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Adolfo Ibañez; ChileFil: Chialvo, Dante Renato. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; ArgentinaAcademic Press Inc Elsevier Science2020-03info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/152110Bachli, M. Belen; Sedeño, Lucas; Ochab, Jeremi K.; Piguet, Olivier; Kumfor, Fiona; et al.; Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach; Academic Press Inc Elsevier Science; Journal Neuroimag; 208; 3-2020; 1-131053-8119CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S105381191931047X?via%3Dihubinfo:eu-repo/semantics/altIdentifier/doi/10.1016/j.neuroimage.2019.116456info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:16:07Zoai:ri.conicet.gov.ar:11336/152110instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:16:07.632CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
| dc.title.none.fl_str_mv |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| title |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| spellingShingle |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach Bachli, M. Belen ALZHEIMER'S DISEASE CLASSIFICATION EXECUTIVE FUNCTIONS FRONTOTEMPORAL DEMENTIA MACHINE-LEARNING VOXEL-BASED MORPHOMETRY |
| title_short |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| title_full |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| title_fullStr |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| title_full_unstemmed |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| title_sort |
Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach |
| dc.creator.none.fl_str_mv |
Bachli, M. Belen Sedeño, Lucas Ochab, Jeremi K. Piguet, Olivier Kumfor, Fiona Reyes, Pablo Torralva, Teresa Roca, María Cardona, Juan Felipe Gonzalez Campo, Cecilia Herrera, Eduar Slachevsky, Andrea Matallana, Diana Manes, Facundo Francisco García, Adolfo Martín Ibañez, Agustin Mariano Chialvo, Dante Renato |
| author |
Bachli, M. Belen |
| author_facet |
Bachli, M. Belen Sedeño, Lucas Ochab, Jeremi K. Piguet, Olivier Kumfor, Fiona Reyes, Pablo Torralva, Teresa Roca, María Cardona, Juan Felipe Gonzalez Campo, Cecilia Herrera, Eduar Slachevsky, Andrea Matallana, Diana Manes, Facundo Francisco García, Adolfo Martín Ibañez, Agustin Mariano Chialvo, Dante Renato |
| author_role |
author |
| author2 |
Sedeño, Lucas Ochab, Jeremi K. Piguet, Olivier Kumfor, Fiona Reyes, Pablo Torralva, Teresa Roca, María Cardona, Juan Felipe Gonzalez Campo, Cecilia Herrera, Eduar Slachevsky, Andrea Matallana, Diana Manes, Facundo Francisco García, Adolfo Martín Ibañez, Agustin Mariano Chialvo, Dante Renato |
| author2_role |
author author author author author author author author author author author author author author author author |
| dc.subject.none.fl_str_mv |
ALZHEIMER'S DISEASE CLASSIFICATION EXECUTIVE FUNCTIONS FRONTOTEMPORAL DEMENTIA MACHINE-LEARNING VOXEL-BASED MORPHOMETRY |
| topic |
ALZHEIMER'S DISEASE CLASSIFICATION EXECUTIVE FUNCTIONS FRONTOTEMPORAL DEMENTIA MACHINE-LEARNING VOXEL-BASED MORPHOMETRY |
| purl_subject.fl_str_mv |
https://purl.org/becyt/ford/5.1 https://purl.org/becyt/ford/5 |
| dc.description.none.fl_txt_mv |
Accurate early diagnosis of neurodegenerative diseases represents a growing challenge for current clinical practice. Promisingly, current tools can be complemented by computational decision-support methods to objectively analyze multidimensional measures and increase diagnostic confidence. Yet, widespread application of these tools cannot be recommended unless they are proven to perform consistently and reproducibly across samples from different countries. We implemented machine-learning algorithms to evaluate the prediction power of neurocognitive biomarkers (behavioral and imaging measures) for classifying two neurodegenerative conditions –Alzheimer Disease (AD) and behavioral variant frontotemporal dementia (bvFTD)– across three different countries (>200 participants). We use machine-learning tools integrating multimodal measures such as cognitive scores (executive functions and cognitive screening) and brain atrophy volume (voxel based morphometry from fronto-temporo-insular regions in bvFTD, and temporo-parietal regions in AD) to identify the most relevant features in predicting the incidence of the diseases. In the Country-1 cohort, predictions of AD and bvFTD became maximally improved upon inclusion of cognitive screenings outcomes combined with atrophy levels. Multimodal training data from this cohort allowed predicting both AD and bvFTD in the other two novel datasets from other countries with high accuracy (>90%), demonstrating the robustness of the approach as well as the differential specificity and reliability of behavioral and neural markers for each condition. In sum, this is the first study, across centers and countries, to validate the predictive power of cognitive signatures combined with atrophy levels for contrastive neurodegenerative conditions, validating a benchmark for future assessments of reliability and reproducibility. Fil: Bachli, M. Belen. Universidad Nacional de San Martín; Argentina Fil: Sedeño, Lucas. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva. Fundación Favaloro. Instituto de Neurociencia Cognitiva; Argentina Fil: Ochab, Jeremi K.. No especifíca; Fil: Piguet, Olivier. University Of Technology Sydney.; Australia Fil: Kumfor, Fiona. University Of Technology Sydney.; Australia Fil: Reyes, Pablo. Hospital Universitario San Ignacio; Colombia Fil: Torralva, Teresa. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina Fil: Roca, María. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina Fil: Cardona, Juan Felipe. Universidad del Valle; Colombia Fil: Gonzalez Campo, Cecilia. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina Fil: Herrera, Eduar. Universidad Icesi; Colombia Fil: Slachevsky, Andrea. Universidad del Desarrollo; Chile Fil: Matallana, Diana. Pontificia Universidad Javeriana; Colombia Fil: Manes, Facundo Francisco. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina Fil: García, Adolfo Martín. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Nacional de Cuyo. Facultad de Educación Elemental y Especial; Argentina Fil: Ibañez, Agustin Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina. Universidad Adolfo Ibañez; Chile Fil: Chialvo, Dante Renato. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Instituto de Neurología Cognitiva. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt | Fundación Favaloro. Instituto de Neurociencia Cognitiva y Traslacional. Fundación Ineco Rosario Sede del Incyt; Argentina |
| description |
Accurate early diagnosis of neurodegenerative diseases represents a growing challenge for current clinical practice. Promisingly, current tools can be complemented by computational decision-support methods to objectively analyze multidimensional measures and increase diagnostic confidence. Yet, widespread application of these tools cannot be recommended unless they are proven to perform consistently and reproducibly across samples from different countries. We implemented machine-learning algorithms to evaluate the prediction power of neurocognitive biomarkers (behavioral and imaging measures) for classifying two neurodegenerative conditions –Alzheimer Disease (AD) and behavioral variant frontotemporal dementia (bvFTD)– across three different countries (>200 participants). We use machine-learning tools integrating multimodal measures such as cognitive scores (executive functions and cognitive screening) and brain atrophy volume (voxel based morphometry from fronto-temporo-insular regions in bvFTD, and temporo-parietal regions in AD) to identify the most relevant features in predicting the incidence of the diseases. In the Country-1 cohort, predictions of AD and bvFTD became maximally improved upon inclusion of cognitive screenings outcomes combined with atrophy levels. Multimodal training data from this cohort allowed predicting both AD and bvFTD in the other two novel datasets from other countries with high accuracy (>90%), demonstrating the robustness of the approach as well as the differential specificity and reliability of behavioral and neural markers for each condition. In sum, this is the first study, across centers and countries, to validate the predictive power of cognitive signatures combined with atrophy levels for contrastive neurodegenerative conditions, validating a benchmark for future assessments of reliability and reproducibility. |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-03 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/152110 Bachli, M. Belen; Sedeño, Lucas; Ochab, Jeremi K.; Piguet, Olivier; Kumfor, Fiona; et al.; Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach; Academic Press Inc Elsevier Science; Journal Neuroimag; 208; 3-2020; 1-13 1053-8119 CONICET Digital CONICET |
| url |
http://hdl.handle.net/11336/152110 |
| identifier_str_mv |
Bachli, M. Belen; Sedeño, Lucas; Ochab, Jeremi K.; Piguet, Olivier; Kumfor, Fiona; et al.; Evaluating the reliability of neurocognitive biomarkers of neurodegenerative diseases across countries: A machine learning approach; Academic Press Inc Elsevier Science; Journal Neuroimag; 208; 3-2020; 1-13 1053-8119 CONICET Digital CONICET |
| dc.language.none.fl_str_mv |
eng |
| language |
eng |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S105381191931047X?via%3Dihub info:eu-repo/semantics/altIdentifier/doi/10.1016/j.neuroimage.2019.116456 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Academic Press Inc Elsevier Science |
| publisher.none.fl_str_mv |
Academic Press Inc Elsevier Science |
| dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
| reponame_str |
CONICET Digital (CONICET) |
| collection |
CONICET Digital (CONICET) |
| instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
| _version_ |
1844614103022174208 |
| score |
13.069144 |