See Hansson and Mormino (doi:10.1093/brain/awy065) for a scientific commentary on this article. Our objective was to compare different whole-brain and region-specific measurements of within-person change on serial tau PET and evaluate its utility for clinical trials. We studied 126 individuals: 59 cognitively unimpaired with normal amyloid, 37 cognitively unimpaired with abnormal amyloid, and 30 cognitively impaired with an amnestic phenotype and abnormal amyloid. All had baseline amyloid PET and two tau PET, MRI, and clinical assessments. We compared the topography across all cortical regions of interest of tau PET accumulation rates and the rates of four different whole-brain or region-specific meta-regions of interest among the three clinical groups. We computed sample size estimates for change in tau PET, cortical volume, and memory/mental status indices for use as outcome measures in clinical trials. The cognitively unimpaired normal amyloid group had no observable tau accumulation throughout the brain. Tau accumulation rates in cognitively unimpaired abnormal amyloid were low [0.006 standardized uptake value ratio (SUVR), 0.5%, per year] but greater than rates in the cognitively unimpaired normal amyloid group in the basal and mid-temporal, retrosplenial, posterior cingulate, and entorhinal regions of interest. Thus, the earliest elevation in accumulation rates was widespread and not confined to the entorhinal cortex. Tau accumulation rates in the cognitively impaired abnormal amyloid group were 0.053 SUVR (3%) per year and greater than rates in cognitively unimpaired abnormal amyloid in all cortical areas except medial temporal. Rates of accumulation in the four meta-regions of interest differed but only slightly from one another. Among all tau PET meta-regions of interest, sample size estimates were smallest for a temporal lobe composite within cognitively unimpaired abnormal amyloid and for the late Alzheimer’s disease meta-region of interest within cognitively impaired abnormal amyloid. The ordering of the sample size estimates by outcome measure was MRI < tau PET < cognitive measures. At a group-wise level, observable rates of short-term serial tau accumulation were only seen in the presence of abnormal amyloid. As disease progressed to clinically symptomatic stages (cognitively impaired abnormal amyloid), observable rates of tau accumulation were seen uniformly throughout the brain providing evidence that tau does not accumulate in one area at a time or in start-stop, stepwise sequence. The information captured by rate measures in different meta-regions of interest, even those with little topographic overlap, was similar. The implication is that rate measurements from simple meta-regions of interest, without the need for Braak-like staging, may be sufficient to capture progressive within-person accumulation of pathologic tau. Tau PET SUVR measures should be an efficient outcome measure in disease-modifying clinical trials.

ABSTRACT We study the influence of financial innovation by fintech brokerages on individual investors’ trading and stock prices. Using data from Robinhood, we find that Robinhood investors engage in more attention‐induced trading than other retail investors. For example, Robinhood outages disproportionately reduce trading in high‐attention stocks. While this evidence is consistent with Robinhood attracting relatively inexperienced investors, we show that it is also driven in part by the app's unique features. Consistent with models of attention‐induced trading, intense buying by Robinhood users forecasts negative returns. Average 20‐day abnormal returns are −4.7% for the top stocks purchased each day.

Alzheimer's disease (AD) researchers commonly use MRI as a quantitative measure of disease severity. Historically, hippocampal volume has been favored. Recently, "AD signature" measurements of gray matter (GM) volumes or cortical thicknesses have gained attention. Here, we systematically evaluate multiple thickness- and volume-based candidate-methods side-by-side, built using the popular FreeSurfer, SPM, and ANTs packages, according to the following criteria: (a) ability to separate clinically normal individuals from those with AD; (b) (extent of) correlation with head size, a nuisance covariatel (c) reliability on repeated scans; and (d) correlation with Braak neurofibrillary tangle stage in a group with autopsy. We show that volume- and thickness-based measures generally perform similarly for separating clinically normal from AD populations, and in correlation with Braak neurofibrillary tangle stage at autopsy. Volume-based measures are generally more reliable than thickness measures. As expected, volume measures are highly correlated with head size, while thickness measures are generally not. Because approaches to statistically correcting volumes for head size vary and may be inadequate to deal with this underlying confound, and because our goal is to determine a measure which can be used to examine age and sex effects in a cohort across a large age range, we thus recommend thickness-based measures. Ultimately, based on these criteria and additional practical considerations of run-time and failure rates, we recommend an AD signature measure formed from a composite of thickness measurements in the entorhinal, fusiform, parahippocampal, mid-temporal, inferior-temporal, and angular gyrus ROIs using ANTs with input segmentations from SPM12.

See Herholz (doi:10.1093/brain/awx340) for a scientific commentary on this article.Autopsy data have proposed that a topographical pattern of tauopathy occurs in the brain with the development of dementia due to Alzheimer's disease. We evaluated the findings of tau-PET to better understand neurofibrillary tangle development as it is seen in cognitively unimpaired and impaired individuals. The evolution of Alzheimer's disease tauopathy in cognitively unimpaired individuals needs to be examined to better understand disease pathogenesis. Tau-PET was performed in 86 cognitively impaired individuals who all had abnormal amyloid levels and 601 cognitively unimpaired individuals. Tau-PET findings were assessed for relationships with clinical diagnosis, age, and regional uptake patterns relative to Braak stage. Regional and voxel-wise analyses were performed. Topographical findings from tau-PET were characterized using hierarchical clustering and clinical characteristic-based subcategorization. In older cognitively unimpaired individuals (≥50 years), widespread, age-related elevated tau signal was seen among those with normal or abnormal amyloid status as compared to younger cognitively unimpaired individuals (30-49 years). More frequent regional tau signal elevation throughout the brain was seen in cognitively unimpaired individuals with abnormal versus normal amyloid. Elevated tau signal was seen in regions that are considered high Braak Stage in cognitively unimpaired and cognitively impaired individuals. Hierarchical clustering and clinical characteristic-based categorizations both showed different patterns of tau signal between groups such as greater tau signal in frontal regions in younger onset Alzheimer's disease dementia participants (most of whom had a dysexecutive clinical presentation). Tau-PET signal increases modestly with age throughout the brain in cognitively unimpaired individuals and elevated tau is seen more often when amyloid brain accumulation is present. Tau signal patterns in cognitively unimpaired correspond to early Braak stage but also suggest tangle involvement in extra-medial temporal and extra-temporal regions that are considered more advanced in the Braak scheme even when amyloid negative. Our findings also suggest the possibility of widespread development of early tangle pathology rather than a pattern defined exclusively by adjacent, region-to-region spread, prior to onset of clinical symptoms. Distinct patterns of neurofibrillary tangle deposition in younger-onset Alzheimer's disease dementia versus older-onset Alzheimer's disease dementia provide evidence for variability in regional tangle deposition patterns and demonstrate that different disease phenotypes have different patterns of tauopathy. Pathological correlation with imaging is needed to assess the implications of these observations.

A National Institute on Aging and Alzheimer's Association workgroup proposed a research framework for Alzheimer disease in which biomarker classification of research participants is labeled AT(N) for amyloid, tau, and neurodegeneration biomarkers.To determine the associations between AT(N) biomarker profiles and memory decline in a population-based cohort of individuals without dementia age 60 years or older, and to determine whether biomarkers provide incremental prognostic value beyond more readily available clinical and genetic information.Population-based cohort study of cognitive aging in Olmsted County, Minnesota, that included 480 nondemented Mayo Clinic Study of Aging participants who had a clinical evaluation and amyloid positron emission tomography (PET) (A), tau PET (T), and magnetic resonance imaging (MRI) cortical thickness (N) measures between April 16, 2015, and November 1, 2017, and at least 1 clinical evaluation follow-up by November 12, 2018.Age, sex, education, cardiovascular and metabolic conditions score, APOE genotype, and AT(N) biomarker profiles. Each of A, T, or (N) can be abnormal (+) or normal (-), resulting in 8 AT(N) profiles.Primary outcome was a composite memory score measured longitudinally at 15-month intervals. Analyses measured the associations between predictor variables and the memory score, and whether AT(N) biomarker profiles significantly improved prediction of memory z score rates of change beyond a model with clinical and genetic variables only.Participants were followed up for a median of 4.8 years (interquartile range [IQR], 3.8-5.1) and 44% were women (211/480). Median (IQR) ages ranged from 67 years (65-73) in the A-T-(N)- group to 83 years (76-87) in the A+T+(N)+ group. Of the participants, 92% (441/480) were cognitively unimpaired but the A+T+(N)+ group had the largest proportion of mild cognitive impairment (30%). AT(N) biomarkers improved the prediction of memory performance over a clinical model from an R2 of 0.26 to 0.31 (P < .001). Memory declined fastest in the A+T+(N)+, A+T+(N)-, and A+T-(N)+ groups compared with the other 5 AT(N) groups (P = .002). Estimated rates of decline in the 3 fastest declining groups were -0.13 (95% CI, -0.17 to -0.09), -0.10 (95% CI, -0.16 to -0.05), and -0.10 (95% CI, -0.13 to -0.06) z score units per year, respectively, for an 85-year-old APOE ε4 noncarrier.Among older persons without baseline dementia followed for a median of 4.8 years, a prediction model that included amyloid PET, tau PET, and MRI cortical thickness resulted in a small but statistically significant improvement in predicting memory decline over a model with more readily available clinical and genetic variables. The clinical importance of this difference is uncertain.

Download This Paper Open PDF in Browser Add Paper to My Library Share: Permalink Using these links will ensure access to this page indefinitely Copy URL Copy DOI

Abstract Alzheimer’s disease typically progresses in stages, which have been defined by the presence of disease-specific biomarkers: amyloid (A), tau (T) and neurodegeneration (N). This progression of biomarkers has been condensed into the ATN framework, in which each of the biomarkers can be either positive (+) or negative (−). Over the past decades, genome-wide association studies have implicated ∼90 different loci involved with the development of late-onset Alzheimer’s disease. Here, we investigate whether genetic risk for Alzheimer’s disease contributes equally to the progression in different disease stages or whether it exhibits a stage-dependent effect. Amyloid (A) and tau (T) status was defined using a combination of available PET and CSF biomarkers in the Alzheimer’s Disease Neuroimaging Initiative cohort. In 312 participants with biomarker-confirmed A−T− status, we used Cox proportional hazards models to estimate the contribution of APOE and polygenic risk scores (beyond APOE) to convert to A+T− status (65 conversions). Furthermore, we repeated the analysis in 290 participants with A+T− status and investigated the genetic contribution to conversion to A+T+ (45 conversions). Both survival analyses were adjusted for age, sex and years of education. For progression from A−T− to A+T−, APOE-e4 burden showed a significant effect [hazard ratio (HR) = 2.88; 95% confidence interval (CI): 1.70–4.89; P &lt; 0.001], whereas polygenic risk did not (HR = 1.09; 95% CI: 0.84–1.42; P = 0.53). Conversely, for the transition from A+T− to A+T+, the contribution of APOE-e4 burden was reduced (HR = 1.62; 95% CI: 1.05–2.51; P = 0.031), whereas the polygenic risk showed an increased contribution (HR = 1.73; 95% CI: 1.27–2.36; P &lt; 0.001). The marginal APOE effect was driven by e4 homozygotes (HR = 2.58; 95% CI: 1.05–6.35; P = 0.039) as opposed to e4 heterozygotes (HR = 1.74; 95% CI: 0.87–3.49; P = 0.12). The genetic risk for late-onset Alzheimer’s disease unfolds in a disease stage-dependent fashion. A better understanding of the interplay between disease stage and genetic risk can lead to a more mechanistic understanding of the transition between ATN stages and a better understanding of the molecular processes leading to Alzheimer’s disease, in addition to opening therapeutic windows for targeted interventions.

Abstract Given the prevalence of dementia and the development of pathology-specific disease modifying therapies, high-value biomarker strategies to inform medical decision making are critical. In-vivo tau positron emission tomography (PET) is an ideal target as a biomarker for Alzheimer’s disease diagnosis and treatment outcome measure. However, tau PET is not currently widely accessible to patients compared to other neuroimaging methods. In this study, we present a convolutional neural network (CNN) model that impute tau PET images from more widely-available cross-modality imaging inputs. Participants (n=1,192) with brain MRI, fluorodeoxyglucose (FDG) PET, amyloid PET, and tau PET were included. We found that a CNN model can impute tau PET images with high accuracy, the highest being for the FDG-based model followed by amyloid PET and MRI. In testing implications of AI-imputed tau PET, only the FDG-based model showed a significant improvement of performance in classifying tau positivity and diagnostic groups compared to the original input data, suggesting that application of the model could enhance the utility of the metabolic images. The interpretability experiment revealed that the FDG- and MRI-based models utilized the non-local input from physically remote ROIs to estimate the tau PET, but this was not the case for the PiB-based model. This implies that the model can learn the distinct biological relationship between FDG PET, MRI, and tau PET from the relationship between amyloid PET and tau PET. Our study suggests that extending neuroimaging’s use with artificial intelligence to predict protein specific pathologies has great potential to inform emerging care models.

Abstract Progressive apraxia of speech (PAOS) is a 4R tauopathy characterized by difficulties with motor speech planning. Neurodegeneration in PAOS targets the premotor cortex, particularly the supplementary motor area (SMA), with degeneration of white matter (WM) tracts connecting premotor and motor cortices and Broca's area observed on diffusion tensor imaging (DTI). We aimed to assess flortaucipir uptake across speech‐language‐related WM tracts identified using DTI tractography in PAOS. Twenty‐two patients with PAOS and 26 matched healthy controls were recruited by the Neurodegenerative Research Group (NRG) and underwent MRI and flortaucipir‐PET. The patient population included patients with primary progressive apraxia of speech (PPAOS) and non‐fluent variant/agrammatic primary progressive aphasia (agPPA). Flortaucipir PET scans and DTI were coregistered using rigid registration with a mutual information cost function in subject space. Alignments between DTI and flortaucipir PET were inspected in all cases. Whole‐brain tractography was calculated using deterministic algorithms by a tractography reconstruction tool (DSI‐studio) and specific tracts were identified using an automatic fiber tracking atlas‐based method. Fractional anisotropy (FA) and flortaucipir standardized uptake value ratios (SUVRs) were averaged across the frontal aslant tract, arcuate fasciculi, inferior frontal‐occipital fasciculus, inferior and middle longitudinal fasciculi, as well as the SMA commissural fibers. Reduced FA ( p < .0001) and elevated flortaucipir SUVR ( p = .0012) were observed in PAOS cases compared to controls across all combined WM tracts. For flortaucipir SUVR, the greatest differentiation of PAOS from controls was achieved with the SMA commissural fibers (area under the receiver operator characteristic curve [AUROC] = 0.83), followed by the left arcuate fasciculus (AUROC = 0.75) and left frontal aslant tract (AUROC = 0.71). Our findings demonstrate that flortaucipir uptake is increased across WM tracts related to speech/language difficulties in PAOS.

Abstract INTRODUCTION A key goal of the Alzheimer's Disease NeuroImaging Initiative (ADNI) positron emission tomography (PET) Core is to harmonize quantification of β‐amyloid (Aβ) and tau PET image data across multiple scanners and tracers. METHODS We developed an analysis pipeline (Berkeley PET Imaging Pipeline, B‐PIP) for ADNI Aβ and tau PET images and applied it to PET data from other multisite studies. Steps include image pre‐processing, refacing, magnetic resonance imaging (MRI)/PET co‐registration, visual quality control (QC), quantification of tracer uptake, and standardization of Aβ and tau standardized uptake value ratios (SUVrs) across tracers. RESULTS Measurements from 10,105 cross‐sectional and longitudinal Aβ and tau PET scans acquired in several studies between 2010 and 2024 can be processed, harmonized, and directly merged across tracers and cohorts. DISCUSSION The B‐PIP developed in ADNI is a scalable image harmonization approach used in several observational studies and clinical trials that facilitates rigorous Aβ and tau PET quantification and data sharing. Highlights Quantitative results from ADNI Aβ and tau PET data are generated using a rigorous, scalable image processing pipeline This pipeline has been applied to PET data from several other large, multisite studies and trials Quantitative outcomes are harmonizable across studies and are shared with the scientific community