ABSTRACT Obesity reduces or increases the risk of developing Alzheimer’s disease (AD) depending on whether it is assessed in mid-life or late-life. There is currently no consensus on the relationship between obesity and AD or the mechanism or their interaction. Here, we aim to differentiate the cause-and-effect relationship between obesity and AD in a controlled rat model of AD. We induced obesity in 9-month-old TgF344-AD rats, that is pathology-load wise similar to early symptomatic phase of human AD. To more accurately model human obesity, we fed both TgF344-AD and non-transgenic littermates a varied high-carbohydrate-high-fat diet consisting of human food for 3 months. Obesity increased overall glucose metabolism and slowed cognitive decline in TgF344-AD rats, specifically executive function, without affecting non-transgenic rats. Pathological analyses of prefrontal cortex and hippocampus showed that obesity in TgF344-AD rats produced varied effects, with increased density of myelin and oligodendrocytes, lowered density and activation of microglia that we propose contributes to the cognitive improvement. However, obesity also decreased neuronal density, and promoted deposition of amyloid-beta plaques and tau inclusions. After 6 months on the high-carbohydrate-high-fat diet, detrimental effects on density of neurons, amyloid-beta plaques, and tau inclusions persisted while the beneficial effects on myelin, microglia, and cognitive functions remained albeit with a lower effect size. By examining the effect of sex, we found that both beneficial and detrimental effects of obesity were stronger in female TgF344-AD rats indicating that obesity during early symptomatic phase of AD is protective in females.

1 Abstract Lifestyle choices leading to obesity, hypertension and diabetes in mid-life contribute directly to the risk of late-life Alzheimer’s disease (AD). However, in late-life or in late-stage AD conditions, obesity reduces the risk of AD and disease progression. To examine the mechanisms underlying this paradox, TgF344-AD rats were fed a varied high-carbohydrate, high-fat (HCHF) diet to induce obesity from nine months of age representing early stages of AD to twelve months of age in which rats exhibit the full spectrum of AD symptomology. We hypothesized regions primarily composed of gray matter, such as the somatosensory cortex (SSC), would be differentially affected compared to regions primarily composed of white matter, such as the striatum. We found increased myelin and oligodendrocytes in the somatosensory cortex of rats fed the HCHF diet with an absence of neuronal loss. We observed decreased inflammation in the somatosensory cortex despite increased AD pathology. Compared to the somatosensory cortex, the striatum had fewer changes. Overall, our results suggest that the interaction between diet and AD progression affects myelination in a brain region specific manner such that regions with a lower density of white matter are preferentially effected. Our results offer a possible mechanistic explanation for the obesity paradox.

Abstract OBJECTIVES To measure the effect of routine vaccination on serum amyloid A (SAA) concentration in apparently healthy horses. We hypothesized that routine vaccination would increase SAA in healthy horses. ANIMALS 21 apparently healthy client-owned horses and 15 Kansas State University College of Veterinary Medicine–owned horses. METHODS In experiment 1 (n = 8 horses), a blinded, randomized, prospective, crossover study was performed. Horses were either vaccinated (rabies, tetanus, West Nile, Eastern and Western equine encephalomyelitis, equine herpesvirus-1/-4, influenza) or administered saline, and SAA was measured at 6, 12, and 24 hours and daily until day 10 with a commercial lateral-flow immunoassay. In experiment 2 (n = 28 horses), a prospective, observational study measured SAA after vaccination at 12 and 24 hours and daily until day 10. A linear mixed-effect model with repeated measures over time blocked by horse tested the effect of treatment on SAA. A repeated-measures correlation tested the correlation between SAA and temperature. RESULTS Over time, vaccinated horses had increased model-adjusted SAA compared to unvaccinated horses without clinical evidence of adverse reaction ( P < .01). In experiment 1, the model-adjusted SAA after vaccination peaked on day 2 (median, 1,872 µg/mL; IQR, 1,220.8 to 2,402.5 µg/mL) and returned to normal (< 20 µg/mL) by day 9 (median, 6 µg/mL; IQR, 0.8 to 23.5 µg/mL) after vaccination. In experiment 2, vaccinated horses had increased SAA over time; temperature and SAA were not correlated ( P = .78). CLINICAL RELEVANCE Results of this study indicated that routine vaccination results in increased SAA concentration and provided evidence for a period of convalescence following vaccination. Measuring SAA for 10 days following vaccination cannot be used as an indicator of illness.

This study investigates the effectiveness of artificial intelligence (AI)-based models in detecting and quantifying Breast Arterial Calcification (BAC) from mammograms, a potential indicator of cardiovascular disease. Using two distinct subsets from the OPTIMAM database, an enriched dataset of 1683 images previously confirmed by expert readers to have lesions with non-BAC calcifications, and a 'normal' dataset with 1401 representative screening mammography exams, selected among those that were negative on both the included and prior exams. Manual annotation of the calcification data by four readers established ground truth. Two novel BAC detection and quantification models were tested, a baseline and enhanced model. The models exhibited promising results, particularly in terms of a low false positive rate for the enhanced model at 0.6%, but also highlighted the need for improvements to achieve a balance between sensitivity (51.0%) and specificity (99.4%). Notably, 62% of the findings missed by the enhanced model were classified as single-wall BAC, which is usually scored as minimal based on a lower association with cardiovascular disease. Future work is required to establish the association of the model performance with clinical outcomes. The study also examined the relationship between BAC prevalence and certain patient characteristics such as age and Volpara^® Density Grade (VDG) in the 'normal' screening dataset. Significant correlations were found between BAC volume and patient age, and between BAC prevalence and VDG, which aligns with existing literature. The findings emphasize the potential of AI in improving the consistency of BAC detection with objective quantitative measures, as well as the developed model's ability to predict the prevalence of BAC in relation to age.

Breast compression pressure (CP), computed as the force over the paddle contact area paddle, is an important measure of compression quality in mammography evidenced by associations with screening performance, including the odds of interval cancer compared to screen detected cancer. Here we introduce a novel algorithm to determine CP from processed images, the Processed Image Compression Pressure Estimator (PICPE). The aim is for PICPE outputs to align with those from an established method that estimates CP from unprocessed images such that results are comparable between image formats regardless of vendor or modality. Multiple datasets were assembled for testing of PICPE across common digital mammography (DM) and digital breast tomosynthesis (DBT) systems, representing seven different machine models from four vendors. Comparison of CP estimates derived from unprocessed and processed image pairs demonstrated excellent correlations (>0.99), with a relative difference below 5% between results from the different image formats. Uncertainties in CP estimates from variability in calibrated parameters such as the compressed breast thickness readout are expected to be substantially greater than the relative differences in estimates per image format. In future work, further testing of different image types, especially a wider variety of DBT images, should be done to confirm robust general applicability of PICPE. The results suggest that PICPE is a practical alternative algorithm for CP estimation when only processed DM or DBT images are available.