Abstract Background Poor affect recognition is an early sign of frontotemporal dementia (FTD). Here, we applied the abbreviated version of the Comprehensive Affect Testing System (CATS‐A) battery to Italian FTD cases and healthy controls (HC) to provide cut‐offs of emotional dysfunction in the whole group and in different FTD clinical syndromes. Methods One hundred thirty‐nine FTD patients (60 behavioural variant [bvFTD],13 semantic behavioural variant of FTD [sbvFTD], 28 progressive supranuclear palsy [PSP], 21 semantic [svPPA] and 17 nonfluent [nfvPPA] variants of primary progressive aphasia) and 116 HC were administered the CATS‐A, yielding an Affective Recognition Quotient (ARQ), which was used as outcome measure. Age‐ and education‐adjusted, regression‐based norms were derived in HC. In patients, the ARQ was assessed for its internal reliability, factorial validity and construct validity by testing its association with another social cognition paradigm, the Story‐Based Empath Task (SET). The diagnostic accuracy of the ARQ in discriminating patients from HC, genetic cases from HC and patient groups among each other was tested via ROC analyses. Results In the whole FTD cohort, CATS‐A proved to be underpinned by a mono‐component factor (51.1%) and was internally consistent (McDonald's ω = 0.76). Moreover, the ARQ converged with the SET ( r (122) = 0.50; p < 0.001) and optimally discriminated HC from both the whole cohort (AUC = 0.89) and each clinical syndrome (AUC range: 0.83–0.92). Conversely, CATS‐A subtests were able to distinguish patient groups. Conclusions The ARQ score from the CATS‐A distinguishes FTD clinical syndromes from HC with high accuracy, making it an excellent tool for immediate use in clinical practice.

The ability to predict the pathology spreading in patients with frontotemporal dementia (FTD) is crucial for early diagnosis and targeted interventions. This study examined the relationship between network vulnerability and longitudinal atrophy progression in FTD patients, using Network Diffusion Model (NDM) of pathology spread. Thirty behavioural-variant FTD (bvFTD), 13 semantic-variant primary progressive aphasia (svPPA), 14 nonfluent-variant PPA (nfvPPA) and 12 semantic behavioral variant FTD (sbvFTD) patients underwent longitudinal T1-weighted MRI. Fifty young controls (YC) (20-31 years) underwent multi-shell diffusion MRI scan. NDM was developed to model FTD pathology progression as a spreading process from a seed through the healthy structural connectome, using connectivity measures from fractional anisotropy (FA) and intra-cellular volume fraction (ICVF) in YC. Four disease epicenters were initially identified from the peaks of atrophy of each FTD variant: left insula (bvFTD), left temporal pole (svPPA), right temporal pole (sbvFTD) and left supplementary motor area (nfvPPA). Pearson's correlations were calculated between NDM-predicted atrophy in YC and the observed longitudinal atrophy in FTD patients over a follow-up of 24 months. The NDM was then run for all the 220 brain seeds to verify whether the four epicenters were among those that yielded the highest correlation. Using NDM, predictive maps in YC showed pathology progression from the peaks of atrophy in svPPA, nfvPPA, and sbvFTD over 24-months. svPPA exhibited early involvement of left temporal and occipital lobes, progressing to extensive left hemisphere impairment. nfvPPA and sbvFTD similarly spread bilaterally to frontal, sensorimotor, and temporal regions, with sbvFTD additionally affecting the right hemisphere. Moreover, the NDM-predicted atrophy of each region was positively correlated to longitudinal real atrophy, with a greater effect in svPPA and sbvFTD. In bvFTD, the model starting from the left insula (the peak of atrophy) demonstrated a highly left-lateralized pattern, with pathology spreading to frontal, sensorimotor, temporal, and basal ganglia regions, with minimal extension to the contralateral hemisphere by 24 months. However, unlike the atrophy peaks observed in the other three phenotypes, the left insula did not show the strongest correlation between the estimated and actual atrophy. Instead, the bilateral superior frontal gyrus emerged as optimal seeds for modelling atrophy spread, showing the highest correlation ranking in both hemispheres. Overall, NDM applied on ICVF connectome yielded higher correlations relative to NDM applied on FA maps. The NDM implementation using cross-sectional structural connectome is a valuable tool to predict atrophy patterns and pathology spreading in FTD clinical variants.