在运动神经元疾病中模拟渐进性运动神经元退化和并发性再内内化,使用基于人类单个运动单元记录的动态肌肉模型
Boudewijn T H M Sleutjes1, Diederik J L Stikvoort García1, Pieter A van Doorn2
1Department of Neurology, Brain Center Utrecht, University Medical Center Utrecht, Utrecht, The Netherlands.
Journal of neural engineering
|September 29, 2023
概括
一个新的动态肌肉模型模拟了使用表面EMG的运动神经元疾病中的运动神经元损失和重新内核化. 该模型有助于培训和有效比较临床试验中的生物标志物.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 电力生理学 电力生理学
背景情况:
- 运动神经元疾病 (MNDs) 涉及渐进的运动神经元损失和并发性再内内化.
- 表面电肌图 (EMG) 方法对于监测MND进展至关重要.
- 需要精确建模运动单元 (MU) 动态,以了解疾病机制并开发新的诊断工具.
研究的目的:
- 开发一种动态肌肉模型,模拟MND中运动神经元损失和附带再内核化.
- 为了利用人类单个MU表面EMG记录作为模型的基础.
- 通过将模拟复合肌动力潜力 (CMAP) 扫描与患者数据进行比较来验证模型.
主要方法:
- 一个动态的肌肉模型被创建使用高密度的表面EMG记录从肌.
- 通过从基线池中删除单个MU来模拟渐进的运动神经元损失.
- 实施了附带再内核化场景 (0-100%),不同的几何重叠和再内核化疗效.
主要成果:
- 该模型成功模拟了CMAP扫描,相取消导致幅度大幅下降 (38.9%).
- 最佳的模型参数需要40%的几何变量和60%-70%的疗效来匹配观察结果.
- 模拟和记录的CMAP扫描的比较显示出很好的一致性,与装配电机单元数 (MUNE) 估计相比,最大CMAP Δ为-0.4 mV.
结论:
- 开发的动态肌肉模型提供了一个强大的平台来模拟运动神经元的损失和重生.
- 该模型可以作为在临床环境和试验中的表面EMG方法的培训工具.
- 该模型有助于有效地比较生物标志物,可能减少患者在研究中的负担.
