通过多连接体评分来量化大脑连接特征
Ilan Libedinsky1, Koen Helwegen1, Laura Guerrero Simón1
1Department of Complex Trait Genetics, Center for Neurogenomics and Cognitive Research, Amsterdam Neuroscience, Vrije Universiteit Amsterdam, Amsterdam, the Netherlands.
bioRxiv : the preprint server for biology
|October 9, 2023
概括
一个新的多连接分数 (PCS) 有效量化神经精神疾病中的大脑连接模式. 这一指标显示自闭症,精神分裂症,多动症和阿尔茨海默氏症患者的得分更高,有助于疾病分层和理解相关因素.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 医疗成像医学成像
背景情况:
- 神经精神疾病涉及大脑连接的改变,但通过MRI识别一致的模式是具有挑战性的,因为需要广泛的测试.
- 现有的方法可能导致错过的发现,需要新的方法来分析复杂的大脑电路.
研究的目的:
- 引入多连接分数 (PCS) 作为一种用于量化与疾病相关的大脑连接特征的新型指标.
- 在一个大队伍中,评估PCS在四种主要大脑疾病中的疗效.
- 评估PCS在个人分层和关联分析中的有用性.
主要方法:
- 开发了PCS,将大脑连接模式总结为主体级分数.
- 在自闭症谱系障碍,精神分裂症,多动症和阿尔茨海默病中评估PCS.
- 分析了来自14项涉及约3.5万个人的研究的数据.
主要成果:
- 与对照组相比,患者在所有疾病中始终表现出明显更高的PCS.
- PCS显示效果大小大于其他单个MRI指标 (科恩d:0.300.87,AUC:0.580.73).
- PCS有效地使个体在精神病连续体内分层,并揭示了与心理健康和身体因素的关联.
结论:
- PCS是一种强大的工具,用于识别和量化神经精神疾病中大脑连接性改变.
- 该指标有助于个体分层,并揭示大脑连接,心理健康,心理社会因素和身体测量之间的关联.
