Brainstorming diseases Consistent classification of neuropsychiatric diseases is problematic because it can lead to misunderstanding of etiology. The Brainstorm Consortium examined multiple genome-wide association studies drawn from more than 200,000 patients for 25 brain-associated disorders and 17 phenotypes. Broadly, it appears that psychiatric and neurologic disorders share relatively little common genetic risk. However, different and independent pathways can result in similar clinical manifestations (e.g., psychosis, which occurs in both schizophrenia and Alzheimer's disease). Schizophrenia correlated with many psychiatric disorders, whereas the immunopathological affliction Crohn's disease did not, and posttraumatic stress syndrome was also largely independent of underlying traits. Essentially, the earlier the onset of a disorder, the more inheritable it appeared to be. Science , this issue p. eaap8757

Importance

 Many clinical trials focus on restricting hematoma expansion following acute intracerebral hemorrhage (ICH), but selecting those patients at highest risk of hematoma expansion is challenging. 

Objective

 To develop a prediction score for hematoma expansion in patients with primary ICH. 

Design, Setting, and Participants

 Prospective cohort study at 2 urban academic medical centers among patients having primary ICH with available baseline and follow-up computed tomography for volumetric analysis (817 patients in the development cohort and 195 patients in the independent validation cohort). 

Main Outcomes and Measures

 Hematoma expansion was assessed using semiautomated software and was defined as more than 6 mL or 33% growth. Covariates were tested for association with hematoma expansion using univariate and multivariable logistic regression. A 9-point prediction score was derived based on the regression estimates and was subsequently tested in the independent validation cohort. 

Results

 Hematoma expansion occurred in 156 patients (19.1%). In multivariable analysis, predictors of expansion were as follows: warfarin sodium use, the computed tomography angiography spot sign, and shorter time to computed tomography (≤6 vs >6 hours) (P < .001 for all), as well as baseline ICH volume (<30 [reference], 30-60 [P = .03], and >60 [P = .005] mL). The incidence of hematoma expansion steadily increased with higher scores. In the independent validation cohort (n = 195), our prediction score performed well and showed strong association with hematoma expansion (odds ratio, 4.59;P < .001 for a high vs low score). The C statistics for the score were 0.72 for the development cohort and 0.77 for the independent validation cohort. 

Conclusions and Relevance

 A 9-point prediction score for hematoma expansion was developed and independently validated. The results open a path for individualized treatment and trial design in ICH aimed at patients at highest risk of hematoma expansion with maximum potential for therapeutic benefit.

The increasing availability of biomedical data from large biobanks, electronic health records, medical imaging, wearable and ambient biosensors, and the lower cost of genome and microbiome sequencing have set the stage for the development of multimodal artificial intelligence solutions that capture the complexity of human health and disease. In this Review, we outline the key applications enabled, along with the technical and analytical challenges. We explore opportunities in personalized medicine, digital clinical trials, remote monitoring and care, pandemic surveillance, digital twin technology and virtual health assistants. Further, we survey the data, modeling and privacy challenges that must be overcome to realize the full potential of multimodal artificial intelligence in health.

Neuroimaging is a key step in the clinical evaluation of brain injury. Conventional magnetic resonance imaging (MRI) systems operate at high-strength magnetic fields (1.5-3 T) that require strict, access-controlled environments. Limited access to timely neuroimaging remains a key structural barrier to effectively monitor the occurrence and progression of neurological injury in intensive care settings. Recent advances in low-field MRI technology have allowed for the acquisition of clinically meaningful imaging outside of radiology suites and in the presence of ferromagnetic materials at the bedside.To perform an assessment of brain injury in critically ill patients in intensive care unit settings, using a portable, low-field MRI device at the bedside.This was a prospective, single-center cohort study of 50 patients admitted to the neuroscience or coronavirus disease 2019 (COVID-19) intensive care units at Yale New Haven Hospital in New Haven, Connecticut, from October 30, 2019, to May 20, 2020. Patients were eligible if they presented with neurological injury or alteration, no contraindications for conventional MRI, and a body habitus not exceeding the scanner's 30-cm vertical opening. Diagnosis of COVID-19 was determined by positive severe acute respiratory syndrome coronavirus 2 polymerase chain reaction nasopharyngeal swab result.Portable MRI in an intensive care unit room.Demographic, clinical, radiological, and treatment data were collected and analyzed. Brain imaging findings are described.Point-of-care MRI examinations were performed on 50 patients (16 women [32%]; mean [SD] age, 59 [12] years [range, 20-89 years]). Patients presented with ischemic stroke (n = 9), hemorrhagic stroke (n = 12), subarachnoid hemorrhage (n = 2), traumatic brain injury (n = 3), brain tumor (n = 4), and COVID-19 with altered mental status (n = 20). Examinations were acquired at a median of 5 (range, 0-37) days after intensive care unit admission. Diagnostic-grade T1-weighted, T2-weighted, T2 fluid-attenuated inversion recovery, and diffusion-weighted imaging sequences were obtained for 37, 48, 45, and 32 patients, respectively. Neuroimaging findings were detected in 29 of 30 patients who did not have COVID-19 (97%), and 8 of 20 patients with COVID-19 (40%) demonstrated abnormalities. There were no adverse events or complications during deployment of the portable MRI or scanning in an intensive care unit room.This single-center series of patients with critical illness in an intensive care setting demonstrated the feasibility of low-field, portable MRI. These findings demonstrate the potential role of portable MRI to obtain neuroimaging in complex clinical care settings.

Abstract Radiological examination of the brain is a critical determinant of stroke care pathways. Accessible neuroimaging is essential to detect the presence of intracerebral hemorrhage (ICH). Conventional magnetic resonance imaging (MRI) operates at high magnetic field strength (1.5–3 T), which requires an access-controlled environment, rendering MRI often inaccessible. We demonstrate the use of a low-field MRI (0.064 T) for ICH evaluation. Patients were imaged using conventional neuroimaging (non-contrast computerized tomography (CT) or 1.5/3 T MRI) and portable MRI (pMRI) at Yale New Haven Hospital from July 2018 to November 2020. Two board-certified neuroradiologists evaluated a total of 144 pMRI examinations (56 ICH, 48 acute ischemic stroke, 40 healthy controls) and one ICH imaging core lab researcher reviewed the cases of disagreement. Raters correctly detected ICH in 45 of 56 cases (80.4% sensitivity, 95%CI: [0.68–0.90]). Blood-negative cases were correctly identified in 85 of 88 cases (96.6% specificity, 95%CI: [0.90–0.99]). Manually segmented hematoma volumes and ABC/2 estimated volumes on pMRI correlate with conventional imaging volumes (ICC = 0.955, p = 1.69e-30 and ICC = 0.875, p = 1.66e-8, respectively). Hematoma volumes measured on pMRI correlate with NIH stroke scale (NIHSS) and clinical outcome (mRS) at discharge for manual and ABC/2 volumes. Low-field pMRI may be useful in bringing advanced MRI technology to resource-limited settings.

BACKGROUND: Genetic association studies can reveal biology and treatment targets but have received limited attention for stroke recovery. STRONG (Stroke, Stress, Rehabilitation, and Genetics) was a prospective, longitudinal (1-year), genetic study in adults with stroke at 28 US stroke centers. The primary aim was to examine the association that candidate genetic variants have with (1) motor/functional outcomes and (2) stress-related outcomes. METHODS: For motor/functional end points, 3 candidate gene variants (ApoE ε4, BDNF [brain-derived neurotrophic factor], and a dopamine polygenic score) were analyzed for associations with change in grip strength (3 months-baseline), function (3-month Stroke Impact Scale-Activities of Daily Living), mood (3-month Patient Health Questionnaire-8), and cognition (12-month telephone-Montreal Cognitive Assessment). For stress-related outcomes, 7 variants (serotonin transporter gene–linked promoter region, ACE [angiotensin-converting enzyme], oxytocin receptor, FKBP5 [FKBP prolyl isomerase 5], FAAH [fatty acid amide hydrolase], BDNF, and COMT [catechol-O-methyltransferase]) were assessed for associations with posttraumatic stress disorder ([PTSD]; PTSD Primary Care Scale) and depression (Patient Health Questionnaire-8) at 6 and 12 months; stress-related genes were examined as a function of poststroke stress level. Statistical models (linear, negative binomial, or Poisson regression) were based on response variable distribution; all included stroke severity, age, sex, and ancestry as covariates. Stroke subtype was explored secondarily. Data were Holm-Bonferroni corrected. A secondary replication analysis tested whether the rs1842681 polymorphism (identified in the GISCOME study [Genetics of Ischaemic Stroke Functional Outcome]) was related to 3-month modified Rankin Scale score in STRONG. RESULTS: The 763 enrollees were 63.1±14.9 (mean±SD) years of age, with a median initial National Institutes of Health Stroke Scale score of 4 (interquartile range, 2–9); outcome data were available in n=515 at 3 months, n=500 at 6 months, and n=489 at 12 months. At 1 year poststroke, the rs6265 (BDNF) variant was associated with poorer cognition (0.9-point lower telephone-Montreal Cognitive Assessment score, P =1×10 −5 ). For stress-related outcomes, rs4291 (ACE) and rs324420 (FAAH) were risk factors linking increased poststroke stress with higher 1-year depression and PTSD symptoms ( P <0.05), while rs4680 (COMT) linked poststroke stress with lower 1-year depression and PTSD. Findings were unchanged when considering stroke subtype. STRONG replicated GISCOME: rs1842681 was associated with lower 3-month modified Rankin Scale score ( P =3.2×10 −5 ). CONCLUSIONS: This study identified genetic associations with cognitive function, depression, and PTSD 1 year poststroke. Genetic susceptibility to PTSD and depressive symptoms varied according to the amount of poststroke stress, underscoring the critical role of lived experiences in recovery. Together, the results suggest that genetic association studies provide insights into the biology of stroke recovery in humans.

Our website uses cookies to enhance your experience. By continuing to use our site, or clicking "Continue," you are agreeing to our Cookie Policy | Continue JAMA Neurology HomeNew OnlineCurrent IssueFor Authors Podcast Journals JAMA JAMA Network Open JAMA Cardiology JAMA Dermatology JAMA Health Forum JAMA Internal Medicine JAMA Neurology JAMA Oncology JAMA Ophthalmology JAMA Otolaryngology–Head & Neck Surgery JAMA Pediatrics JAMA Psychiatry JAMA Surgery Archives of Neurology & Psychiatry (1919-1959) JN Learning / CMESubscribeJobsInstitutions / LibrariansReprints & Permissions Terms of Use | Privacy Policy | Accessibility Statement 2024 American Medical Association. All Rights Reserved Search All JAMA JAMA Network Open JAMA Cardiology JAMA Dermatology JAMA Forum Archive JAMA Health Forum JAMA Internal Medicine JAMA Neurology JAMA Oncology JAMA Ophthalmology JAMA Otolaryngology–Head & Neck Surgery JAMA Pediatrics JAMA Psychiatry JAMA Surgery Archives of Neurology & Psychiatry Input Search Term Sign In Individual Sign In Sign inCreate an Account Access through your institution Sign In Purchase Options: Buy this article Rent this article Subscribe to the JAMA Neurology journal

Background: Predicting functional impairment after intracerebral hemorrhage (ICH) provides valuable information for planning of patient care and rehabilitation strategies. Current prognostic tools are limited in making long term predictions and require multiple expert-defined inputs and interpretation that make their clinical implementation challenging. This study aimed to predict long term functional impairment of ICH patients from admission non-contrast CT scans, leveraging deep learning models in a survival analysis framework. Methods: We used the admission non-contrast CT scans from 882 patients from the Massachusetts General Hospital ICH Study for training, hyperparameter optimization, and model selection, and 146 patients from the Yale New Haven ICH Study for external validation of a deep learning model predicting functional outcome. Disability (modified Rankin scale [mRS] > 2), severe disability (mRS > 4), and dependent living status were assessed via telephone interviews after 6, 12, and 24 months. The prediction methods were evaluated by the c-index and compared with ICH score and FUNC score. Results: Using non-contrast CT, our deep learning model achieved higher prediction accuracy of post-ICH dependent living, disability, and severe disability by 6, 12, and 24 months (c-index 0.742 [95% CI –0.700 to 0.778], 0.712 [95% CI –0.674 to 0.752], 0.779 [95% CI –0.733 to 0.832] respectively) compared with the ICH score (c-index 0.673 [95% CI –0.662 to 0.688], 0.647 [95% CI –0.637 to 0.661] and 0.697 [95% CI –0.675 to 0.717]) and FUNC score (c-index 0.701 [95% CI– 0.698 to 0.723], 0.668 [95% CI –0.657 to 0.680] and 0.727 [95% CI –0.708 to 0.753]). In the external independent Yale-ICH cohort, similar performance metrics were obtained for disability and severe disability (c-index 0.725 [95% CI –0.673 to 0.781] and 0.747 [95% CI –0.676 to 0.807], respectively). Similar AUC of predicting each outcome at 6 months, 1 and 2 years after ICH was achieved compared with ICH score and FUNC score. Conclusion: We developed a generalizable deep learning model to predict onset of dependent living and disability after ICH, which could help to guide treatment decisions, advise relatives in the acute setting, optimize rehabilitation strategies, and anticipate long-term care needs.

Background: Genome-wide association studies have identified multiple loci associated with stroke. However, the specific stroke subtypes affected, and whether loci influence both ischaemic and haemorrhagic stroke, remains unknown. For loci associated with stroke, we aimed to infer the combination of stroke subtypes likely to be affected, and in doing so assess the extent to which such loci have homogeneous effects across stroke subtypes. Methods: We performed Bayesian multinomial regression in 16,664 stroke cases and 32,792 controls of European ancestry to determine the most likely combination of stroke subtypes affected for loci with published genome-wide stroke associations, using model selection. Cases were subtyped under two commonly used stroke classification systems, Trial of Org 10172 Acute Stroke Treatment (TOAST) and Causative Classification of Stroke (CCS). All individuals had genotypes imputed to the Haplotype Reference Consortium 1.1 Panel. Results: Sixteen loci were considered for analysis. Seven loci influenced both haemorrhagic and ischaemic stroke, three of which influenced ischaemic and haemorrhagic subtypes under both TOAST and CCS. Under CCS, 4 loci influenced both small vessel stroke and intracerebral haemorrhage. An EDNRA locus demonstrated opposing effects on ischaemic and haemorrhagic stroke. No loci were predicted to influence all stroke subtypes in the same direction and only one locus (12q24) was predicted to influence all ischaemic stroke subtypes. Conclusions: Heterogeneity in the influence of stroke-associated loci on stroke subtypes is pervasive, reflecting differing causal pathways. However, overlap exists between haemorrhagic and ischaemic stroke, which may reflect shared pathobiology predisposing to small vessel arteriopathy. Stroke is a complex, heterogeneous disorder requiring tailored analytic strategies to decipher genetic mechanisms.

Objective The limited existing evidence on sex differences in the clinical characteristics of patients with spontaneous, non‐traumatic intracerebral hemorrhage (ICH) comes from small, single‐center studies. Here, we performed an individual patient data meta‐analysis of 3 randomized clinical trials and 1 multi‐ethnic observational study of ICH to investigate the impact of sex on ICH severity and outcome. Methods Inclusion criteria in our study were a neuroimaging‐confirmed ICH. We evaluated whether sex was associated with ICH severity (hematoma volume and expansion) and poor functional outcomes (modified Rankin Scale >3) 3 or 6 months after the ICH. Results A total of 4,812 ICH patients were evaluated (mean age 62, 40% female). Males with ICH were younger, more likely to be smokers and have diabetes, and less likely to be on anticoagulants (all p < 0.05). In multivariable analyses, male sex was associated with non‐lobar location (odds ratio [OR]: 1.63; 95% confidence interval [CI]: [1.39–1.92]; p < 0.001), larger hemorrhages (beta: 0.16 [0.08–0.23]; p < 0.001) and a higher risk of hematoma expansion (OR: 1.43 [1.20–1.71]; p < 0.001). Despite the larger hemorrhage volume and higher risk of expansion, male sex was associated with a 24% lower risk of poor outcomes (OR: 0.76 [0.64–0.90]; p = 0.002). Interpretation Compared to females, males with ICH have larger bleeds and higher risk of hematoma expansion. Despite the larger bleeds and higher risk of hematoma expansion, males with ICH have lower risk of poor outcomes. Our results suggest that the biology and clinical trajectory are different in females and males with ICH, supporting sex‐specific research in this condition. ANN NEUROL 2024