Performance d’un modèle de moindres carrés partiels (PLS) pour prédire le SBR DaTscan à partir des cartes de déformation de surface du mésencéphale. Comme prévu, les charges spatiales correspondant à la première composante PLS dans le modèle prédictif suivent un schéma très similaire aux changements longitudinaux observés dans les déformations de surface du mésencéphale. Le modèle PLS optimal est composé de 42 composantes résultant du retrait des composantes qui ne contribuent pas réellement à la prédiction de la densité du DATscan.
Un modèle de régression des moindres carrés partiels (PLSR) a été entraîné entre les mesures du SBR DaTscan à partir du striatum, qualifiées de variables de réponse, et les déformations de surface locales du mésencéphale, qualifiées de prédicteurs.
Les poids de la déformation de surface correspondant à la première composante PLS suivent un schéma spatial très similaire aux variations longitudinales de surface du mésencéphale et codent la contribution relative de chaque vertex de surface au premier score PLS.
Une analyse de validation croisée leave-one-out (également appelée LOO) a produit un nombre optimal de 42 composantes PLS avec une valeur Q2 de 0,49. Un modèle avec plus de 42 composantes PLS pourrait simplement refléter un surapprentissage des données d’entraînement. La suppression des composantes orthogonales a augmenté la valeur de Q2 à 0,52. Cette valeur Q2 relativement élevée fournit une mesure objective, hors échantillon, du pouvoir prédictif de notre modèle PLS pour générer des motifs généralisables.