休息状态的脑电图特征与轻度认知障碍相关
Seong-Eun Kim1, Chanwoo Shin1, Junyeop Yim2
1Department of Applied Artificial Intelligence, Seoul National University of Science and Technology, Seoul, Republic of Korea.
Frontiers in psychiatry
|October 2, 2023
概括
脑电图 (EEG) 网络分析揭示了轻度认知障碍 (MCI) 个体的显著大脑复杂性和网络变化. 这些发现表明EEG网络分析可能有助于早期MCI诊断.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物 生物标志物
- 认知健康 认知健康
背景情况:
- 阿尔茨海默病 (AD) 会导致严重的认知和身体衰退.
- 轻度认知障碍 (MCI) 是AD的重要危险因素.
- 对MCI和AD诊断生物标志物进行脑电图 (EEG) 探索,尽管MCI的差异是不确定的.
研究的目的:
- 与健康对照组 (HC) 相比,研究MCI患者的静止状态EEG特征.
- 为了确定潜在的EEG生物标志物用于早期检测MCI.
主要方法:
- 分析了12名MCI患者和13名闭眼HC患者的静止状态EEG数据.
- 利用了光谱功率,复杂性,功能连接性和图形分析技术.
- 研究了群体之间的大脑复杂性和网络拓学的差异.
主要成果:
- 在HC和MCI组之间没有发现EEG光谱功率的显著差异.
- 患有MCI的个体显示大脑复杂性和网络特征发生显著变化.
- 具体发现包括中叶的复杂性较低,theta,alpha和beta波段的全球和本地效率发生变化,MCI组的小世界网络拓减少.
结论:
- 脑电图谱功率分析不足以区分MCI和HC.
- 使用EEG进行大脑复杂性和网络分析,显示出MCI诊断的前景.
- 观察到的MCI网络变化可能反映了潜在的神经病理变化,支持EEG网络分析作为潜在的诊断工具.
