Abstract INTRODUCTION Early‐onset Alzheimer's disease (EOAD) shows a higher burden of neuropsychiatric symptoms than late‐onset Alzheimer's disease (LOAD). We aim to determine the differences in the severity of neuropsychiatric symptoms and locus coeruleus (LC) integrity between EOAD and LOAD accounting for disease stage. METHODS One hundred four subjects with AD diagnosis and 32 healthy controls were included. Participants underwent magnetic resonance imaging (MRI) to measure LC integrity, measures of noradrenaline levels in cerebrospinal fluid (CSF) and Neuropsychiatric Inventory (NPI). We analyzed LC‐noradrenaline measurements and clinical and Alzheimer's disease (AD) biomarker associations. RESULTS EOAD showed higher NPI scores, lower LC integrity, and similar levels of CSF noradrenaline compared to LOAD. Notably, EOAD exhibited lower LC integrity independently of disease stage. LC integrity negatively correlated with neuropsychiatric symptoms. Noradrenaline levels were increased in AD correlating with AD biomarkers. DISCUSSION Decreased LC integrity negatively contributes to neuropsychiatric symptoms. The higher LC degeneration in EOAD compared to LOAD could explain the more severe neuropsychiatric symptoms in EOAD. Highlights LC degeneration is greater in early‐onset AD (EOAD) compared to late‐onset AD. Tau‐derived LC degeneration drives a higher severity of neuropsychiatric symptoms. EOAD harbors a more profound selective vulnerability of the LC system. LC degeneration is associated with an increase of cerebrospinal fluid noradrenaline levels in AD.

Neuroimaging and fluid biomarkers are used to differentiate frontotemporal dementia (FTD) from Alzheimer's disease (AD). We implemented a machine learning algorithm that provides individual probabilistic scores based on magnetic resonance imaging (MRI) and cerebrospinal fluid (CSF) data. We investigated whether combining MRI and CSF levels could improve the diagnosis confidence. 215 AD patients, 103 FTD patients, and 173 healthy controls (CTR) were studied. With MRI data, we obtained an accuracy of 82 % for AD vs. FTD. A total of 74 % of FTD and 73 % of AD participants have a high probability of accurate diagnosis. Adding CSF-NfL and 14-3-3 levels improved the accuracy and the number of patients in the confidence group for differentiating FTD from AD. We obtain individual diagnostic probabilities with high precision to address the problem of confidence in the diagnosis. We suggest when MRI, CSF, or the combination are necessary to improve the FTD and AD diagnosis. This algorithm holds promise towards clinical applications as support to clinical findings or in settings with limited access to expert diagnoses.