在患有多发性硬化症的患者中深灰质核的多模式调查及其临床相关性:多变量模式分析研究
Feiyue Yin1, Zichun Yan1, Yongmei Li1
1Department of Radiology, The First Affiliated Hospital of Chongqing Medical University, Chongqing 400016, China.
Journal of personalized medicine
|October 27, 2023
概括
机器学习揭示了多发性硬化症 (MS) 患者的深灰质变化. 尾状核受影响最大,影响认知功能和临床残疾.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 机器学习 机器学习
背景情况:
- 深灰质 (DGM) 核与多发性硬化症 (MS) 病理生理学有关.
- 在MS患者中,DGM参与与临床症状密切相关.
研究的目的:
- 使用机器学习方法探索MS患者的DGM中的微结构变化.
- 确定最受MS影响的特定DGM区域,并将成像指标与临床结果相关联.
主要方法:
- 在115名多发性硬化患者和71名健康对照人群 (HC) 上进行了脑部MRI.
- 测量了分数异构性 (FA),平均扩散性 (MD),定量敏感性值 (QSV) 和尾状核 (CN),面 (PT),白色球体 (GP) 和垂体体 (TH) 的体积.
- 使用了多变量模式分析和部分相关性分析.
主要成果:
- 机器学习模型显示了基于DGM指标的MS检测的高分类精度 (AUC0.83-0.93).
- 尾状核 (CN) 被确定为MS患者中受影响最严重的DGM区域.
- 认知功能与DGM体积相关,而临床残疾与GP和PT的MD相关.
结论:
- 多发性硬化症患者表现出显著的DGM参与,特别是在CN.
- 在MS中DGM缩主要影响认知功能.
- 微结构性DGM损伤与MS患者的临床残疾密切相关.
