{rfName}
Pr

Indexado en

Citaciones

79

Altmetrics

Investigadores/as Institucionales

Platero, CAutor (correspondencia)Tobar, McAutor o Coautor

Compartir

30 de noviembre de 2020
Publicaciones
>
Artículo
No

Predicting Alzheimer's conversion in mild cognitive impairment patients using longitudinal neuroimaging and clinical markers

Publicado en: Brain Imaging and Behavior. 15 (4): 1728-1738 - 2021-08-01 15(4), DOI: 10.1007/s11682-020-00366-8

Autores:

Platero, Carlos; Tobar, M Carmen
[+]

Afiliaciones

Univ Politecn Madrid, Hlth Sci Technol Grp, Ronda Valencia 3, Madrid 28012, Spain - Autor o Coautor

Resumen

Patients with mild cognitive impairment (MCI) have a high risk for conversion to Alzheimer's disease (AD). Early diagnose of AD in MCI subjects could help to slow or halt the disease progression. Selecting a set of relevant markers from multimodal data to predict conversion from MCI to probable AD has become a challenging task. The aim of this paper is to quantify the impact of longitudinal predictive models with single- or multisource data for predicting MCI-to-AD conversion and identifying a very small subset of features that are highly predictive of conversion. We developed predictive models of MCI-to-AD progression that combine magnetic resonance imaging (MRI)-based markers (cortical thickness and volume of subcortical structures) with neuropsychological tests. These models were built with longitudinal data and validated using baseline values. By using a linear mixed effects approach, we modeled the longitudinal trajectories of the markers. A set of longitudinal features potentially discriminating between MCI subjects who convert to dementia and those who remain stable over a period of 3 years was obtained. Classifier were trained using the marginal longitudinal trajectory residues from the selected features. Our best models predicted conversion with 77% accuracy at baseline (AUC = 0.855, 84% sensitivity, 70% specificity). As more visits were available, longitudinal predictive models improved their predictions with 84% accuracy (AUC = 0.912, 83% sensitivity, 84% specificity). The proposed approach was developed, trained and evaluated using the Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset with a total of 2491 visits from 610 subjects.
[+]

Palabras clave

Alzheimer diseaseAlzheimer&#8217Alzheimer’s diseaseAlzheimer’s diseaseBiomarkersBrain atrophyClassificationCognitive dysfunctionCohortCortical thicknessDiagnosisDiseaseDisease progressionHumansLongitudinal analysisMagnetic resonance imagingMciMriNeuroimagingPatternsS diseaseSegmentation

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Brain Imaging and Behavior debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2021, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Radiology, Nuclear Medicine and Imaging.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 2.02. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.2 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-24, el siguiente número de citas:

  • WoS: 27
  • Scopus: 28
  • Europe PMC: 24
  • Open Alex: 35
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-24:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 30.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 30 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 10.
  • El número de menciones en la red social X (antes Twitter): 2 (Altmetric).
  • El número de menciones en medios de comunicación: 1 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/91864/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 70
  • Descargas: 32
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (PLATERO DUEÑAS, CARLOS) .

el autor responsable de establecer las labores de correspondencia ha sido PLATERO DUEÑAS, CARLOS.

[+]

Objetivos del proyecto

Breve resumen de los objetivos perseguidos:

- Cuantificar el impacto de modelos predictivos longitudinales basados en datos de una o múltiples fuentes para predecir la conversión de deterioro cognitivo leve (MCI) a enfermedad de Alzheimer (AD).
- Seleccionar y caracterizar un subconjunto reducido de marcadores neuroimagenológicos y clínicos altamente predictivos de la conversión de MCI a AD.
- Desarrollar modelos predictivos que integren marcadores derivados de resonancia magnética (grosor cortical y volumen de estructuras subcorticales) junto con pruebas neuropsicológicas.
- Modelar las trayectorias longitudinales de los marcadores mediante un enfoque de efectos mixtos lineales para discriminar entre sujetos que convierten a demencia y aquellos que permanecen estables.
- Evaluar la precisión y capacidad predictiva de los modelos tanto en datos basales como en datos longitudinales a lo largo de un periodo de seguimiento de tres años.
- Validar y entrenar los modelos utilizando el conjunto de datos ADNI con un amplio número de visitas y sujetos.
[+]

Resultados más relevantes

RESULTADOS MÁS RELEVANTES

El estudio desarrolló y evaluó modelos predictivos longitudinales para anticipar la conversión de pacientes con deterioro cognitivo leve (MCI) a enfermedad de Alzheimer (AD), integrando marcadores neuroimagenológicos y clínicos. Los principales resultados obtenidos fueron:

- Se identificó un pequeño subconjunto de características longitudinales basadas en resonancia magnética (grosor cortical y volumen de estructuras subcorticales) y pruebas neuropsicológicas con alta capacidad predictiva para distinguir entre pacientes MCI que convierten a AD y aquellos que permanecen estables durante un periodo de 3 años.
- Los modelos predictivos basados en datos de línea base alcanzaron una precisión del 77%, con un área bajo la curva (AUC) de 0.855, sensibilidad del 84% y especificidad del 70%.
- La incorporación de datos de visitas longitudinales mejoró la precisión predictiva hasta un 84%, con un AUC de 0.912, sensibilidad del 83% y especificidad del 84%.
- La metodología empleó un enfoque de efectos mixtos lineales para modelar las trayectorias longitudinales de los marcadores y utilizó residuos marginales para entrenar los clasificadores.
- El desarrollo y validación de los modelos se realizó con un conjunto de datos de la iniciativa ADNI, que incluyó 2491 visitas correspondientes a 610 sujetos.
[+]