We leveraged the largely untapped resource of electronic health record data to address critical clinical and epidemiological questions about Coronavirus Disease 2019 (COVID-19). To do this, we formed an international consortium (4CE) of 96 hospitals across five countries (www.covidclinical.net). Contributors utilized the Informatics for Integrating Biology and the Bedside (i2b2) or Observational Medical Outcomes Partnership (OMOP) platforms to map to a common data model. The group focused on temporal changes in key laboratory test values. Harmonized data were analyzed locally and converted to a shared aggregate form for rapid analysis and visualization of regional differences and global commonalities. Data covered 27,584 COVID-19 cases with 187,802 laboratory tests. Case counts and laboratory trajectories were concordant with existing literature. Laboratory tests at the time of diagnosis showed hospital-level differences equivalent to country-level variation across the consortium partners. Despite the limitations of decentralized data generation, we established a framework to capture the trajectory of COVID-19 disease in patients and their response to interventions.

Several medications commonly used for a number of medical conditions share a property of functional inhibition of acid sphingomyelinase (ASM), or FIASMA. Preclinical and clinical evidence suggest that the ASM/ceramide system may be central to severe acute respiratory syndrome‐coronavirus 2 (SARS‐CoV‐2) infection. We examined the potential usefulness of FIASMA use among patients hospitalized for severe coronavirus disease 2019 (COVID‐19) in an observational multicenter study conducted at Greater Paris University hospitals. Of 2,846 adult patients hospitalized for severe COVID‐19, 277 (9.7%) were taking an FIASMA medication at the time of their hospital admission. The primary end point was a composite of intubation and/or death. We compared this end point between patients taking vs. not taking an FIASMA medication in time‐to‐event analyses adjusted for sociodemographic characteristics and medical comorbidities. The primary analysis was a Cox regression model with inverse probability weighting (IPW). Over a mean follow‐up of 9.2 days (SD = 12.5), the primary end point occurred in 104 patients (37.5%) receiving an FIASMA medication, and 1,060 patients (41.4%) who did not. Despite being significantly and substantially associated with older age and greater medical severity, FIASMA medication use was significantly associated with reduced likelihood of intubation or death in both crude (hazard ratio (HR) = 0.71, 95% confidence interval (CI) = 0.58–0.87, P < 0.001) and primary IPW (HR = 0.58, 95%CI = 0.46–0.72, P < 0.001) analyses. This association remained significant in multiple sensitivity analyses and was not specific to one particular FIASMA class or medication. These results show the potential importance of the ASM/ceramide system in COVID‐19 and support the continuation of FIASMA medications in these patients. Double‐blind controlled randomized clinical trials of these medications for COVID‐19 are needed.

Abstract Despite recent advances in tractography, the gap remains wide between the descriptions of white-matter pathways in the literature and the methods to reconstruct and study them from dMRI images. Here, we tackle this challenge by proposing a language to define white matter tracts, namely WMQL T , and a tool to automatically reconstruct pathways from their WMQL T queries. Our method is performant, flexible enough to allow defining tracts using multiple modalities, and allows to extend ROI-based reconstruction methods. Leveraging our language, we define 19 major brain tracts, alongside their subdivisions, and reconstruct them in a large population. We show that the shape of the reconstructed pathways, as well as their connectivity and lateralizations are in accordance with the current neuroanatomical literature. Finally, we showcase our technique in two scenarios: computing the functional subdivisions of a tract, and assessing the role of handedness and gender in the lateralization of language-related tracts.

Abstract Functional connectivity holds promise as a biomarker of psychiatric disorders. Yet, its high dimensionality, combined with small sample sizes in clinical research, increases the risk of overfitting when the aim is prediction. Recently, low-dimensional representations of the connectome such as macroscale cortical gradients and gradient dispersion have been proposed, with studies noting consistent gradient and dispersion differences in psychiatric conditions. However, it is unknown which of these derived measures has the highest predictive capacity and how they compare to raw connectivity. Our study evaluates which connectome features — functional connectivity, gradients, or gradient dispersion — best identify schizophrenia. Figure 1 summarizes this work. Surprisingly, our findings indicate that functional connectivity outperforms its low-dimensional derivatives such as cortical gradients and gradient dispersion in identifying schizophrenia. Additionally, we demonstrated that the edges which contribute the most to classification performance are the ones connecting primary sensory regions.

Motivation: In-vivo brain microstructure can be estimated using diffusion MRI. However, most approaches do not quantify estimates reliability, although crucial for interpreting the results, and consider every voxel independently, leading to high uncertainties. Goal(s): Our goal is to develop a new framework to efficiently estimate tissue microstructure and improve data fitting quality. Approach: We propose Hierarchical-&micro;GUIDE, a Bayesian method that estimates posterior distributions, by combining simulation-based inference with a hierarchical structure. Results: Hierarchical-&micro;GUIDE bypasses the high computational and time cost of conventional Bayesian approaches. Sharper microstructure parameter maps that preserve tissue heterogeneity are obtained, along with a tissue parcellation that segments an epileptic lesion. Impact: The proposed Bayesian framework improves single-subject inference for clinical diagnosis, by efficiently estimating posterior distributions, reducing estimates uncertainty, and learning a tissue parcellation. This works unlocks the possibility to apply hierarchical Bayesian methods taylored for microstructure estimation to large datasets.

Abstract The human lateral prefrontal cortex (LPFC) enables flexible goal-directed behavior. Yet, its organizing principles remain actively debated despite decades of research. Meta-analysis efforts to map the LPFC have either been restricted in scope or suffered from limited expressivity in meta-analysis tools. The latter short-coming hinders the complexity of questions that can be expressed in a meta-analysis and hence limits the specificity of structure-function associations. Here, we adopt NeuroLang, a novel approach to meta-analysis based on first-order probabilistic logic programming, to infer the organizing principles of the LPFC with greater specificity from 14,371 neuroimaging publications. Our results reveal a rostrocaudal and a dorsoventral gradient, respectively explaining the most and second-most variance in whole-brain meta-analytic connectivity in the LPFC. Moreover, we find a cross-study agreement on a spectrum of increasing abstraction from caudal to rostral LPFC both in specific network connectivity and structure-function associations that supports a domain-general role for the mid-LPFC. Furthermore, meta-analyzing inter-hemispheric asymmetries along the rostrocaudal gradient reveals specific associations with topics of language, memory, response inhibition, and error processing. Overall, we provide a comprehensive mapping of the organizing principles of task-dependent activity in the LPFC, grounding future hypothesis generation on a quantitative overview of past findings.

The human insular cortex is a heterogenous brain structure which plays an integrative role in guiding behavior. The cytoarchitectonic organization of the human insula has been investigated over the last century using postmortem brains but there has been little progress in noninvasive in vivo mapping of its microstructure and large-scale functional circuitry. Quantitative modeling of multi-shell diffusion MRI (dMRI) data from 440 HCP participants revealed that human insula microstructure differs significantly across its functionally defined dorsal anterior, ventral anterior, and posterior insula subdivisions that serve distinct cognitive and affective functions. The microstructural organization of the insula was mirrored in its functionally interconnected circuits with the anterior cingulate cortex that anchor the salience network, a system important for adaptive switching of cognitive control systems. Novel validation of the human insula findings came from quantitative dMRI modeling in macaques which revealed microstructural features consistent with known primate insula cytoarchitecture. Theoretical analysis and computer simulations, using realistic 3-dimensional models of neuronal morphology from postmortem tissue, demonstrated that dMRI signals reflect the cellular organization of cortical gray matter, and that these signals are sensitive to cell size and the presence of large neurons such as the von Economo neurons. Crucially, insular microstructural features were linked to behavior and predicted individual differences in cognitive control ability. Our findings open new possibilities for probing psychiatric and neurological disorders impacted by insular cortex dysfunction, including autism, schizophrenia, and fronto-temporal dementia.Statement of Significance The human insular cortex is a heterogenous brain structure which plays an integrative role in identifying salient sensory, affective, and cognitive cues for guiding attention and behavior. It is also is one of the most widely activated brain regions in all of human neuroimaging research. Here we use novel quantitative tools with in vivo diffusion MRI in large group (N=440) of individuals to uncover several unique microstructural features of the human insula and its macrofunctional circuits. Crucially, microstructural properties of the insular cortex predicted human cognitive control abilities, in agreement with its crucial role in adaptive human behaviors. Our findings open new possibilities for probing psychiatric and neurological disorders impacted by insular dysfunction, including autism, schizophrenia, and fronto-temporal dementia.

Abstract Sensory information mainly travels along a hierarchy spanning unimodal to transmodal regions, forming multisensory integrative representations crucial for higher-order cognitive functions. Here, we develop an fMRI based two-dimensional framework to characterize sensory integration based on the anchoring role of the primary cortex in the organization of sensory processing. Sensory magnitude captures the percentage of variance explained by three primary sensory signals and decreases as the hierarchy ascends, exhibiting strong similarity to the known hierarchy and high stability across different conditions. Sensory angle converts associations with three primary sensory signals to an angle representing the proportional contributions of different sensory modalities. This dimension identifies differences between brain states and emphasizes how sensory integration changes flexibly in response to varying cognitive demands. Furthermore, meta-analytic functional decoding with our model highlights the close relationship between cognitive functions and sensory integration, showing its potential for future research of human cognition through sensory information processing.