个体结构共变网络预测了帕金森病的长期运动改善,其中包括下丘脑核深脑刺激
Yu Diao1, Hutao Xie1, Yanwen Wang1
1From the Department of Neurosurgery (Y.D., H.X., Y.W., B.Z., A.Y., J.Z.), Beijing Tiantan Hospital, Capital Medical University, Beijing, China.
AJNR. American journal of neuroradiology
|March 12, 2024
概括
个性化的大脑网络模式预测了帕金森病患者的长期成功,这些患者接受了下丘脑核深度大脑刺激 (STN-DBS). 这为选择STN-DBS治疗的最佳候选人提供了一个新的工具.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 在帕金森病 (PD) 治疗中,下丘脑核深脑刺激 (STN-DBS) 的疗效差异很大.
- 预测性术前识别合适的STN-DBS候选者对于优化治疗结果至关重要.
研究的目的:
- 评估个性化结构共变网络对长期STN-DBS在帕金森病中的疗效的预测价值.
- 为STN-DBS候选人开发一个精确且具有成本效益的手术前查工具.
主要方法:
- 在138名PD患者和40名对照中,从T1加权的MRI开发出个性化结构共变网络.
- 分析了网络拓特征,并将它们与STN-DBS后的长期运动改善相关联.
- 采用机器学习算法进行回归和分类,以预测STN-DBS后的运动结果.
主要成果:
- 确定了6个显著的网络边缘,并发现大脑小脑和特定的皮质/亚皮质区域的中心性/效率与STN-DBS改进相关.
- 使用这些边缘的回归模型预测了运动改善 (R=0.671,P<.001).
- 接收器操作特征分析得出AUC为0.802,区分了良好响应者和中度响应者.
结论:
- 个体结构共变网络"指纹"与接受STN-DBS的PD患者的长期运动结果有关.
- 特定的小脑 - 基底 - 前额网络边缘作为STN-DBS运动结果的潜在预测生物标志物.
