在患有基本震的患者中预测rTMS有效性:来自个人休息状态EEG网络的生物标志物

科学领域:

• 神经科学是一个神经科学.
• 神经学 神经学
• 生物医学工程 生物医学工程

背景情况:

• 基本震 (ET) 病原体尚不清楚,目前的药物治疗提供了不足的震控制.
• 静态电脑电图 (EEG) 网络变化与ET有关,但它们的确切作用和疗法调制尚不清楚.

研究的目的:

• 为了研究低频重复性横磁性刺激 (rTMS) 对ET患者小脑功能和EEG网络的影响.
• 探索大脑网络特征与临床结果之间的相关性,以预测rTMS疗效.

主要方法:

• 连续的低频rTMS应用到小脑在ET患者.
• 处理前后静态EEG网络的构建和分析.
• 网络特性与临床震动尺度之间的相关性分析.

主要成果:

• 与对照人群相比,ET患者的静止状态网络相互作用,特别是额头-关节连接性降低了.
• rTMS治疗导致了网络连接,网络属性和临床震得分的显著改善.
• 一个多变量线性模型根据网络特征准确地预测了一个月后的rTMS临床结果.

结论:

• 低频小脑rTMS通过调节大脑网络相互作用,有效地改善ET表现.
• 静态EEG网络作为可靠的生物标志物,用于评估RTMS在ET中的疗效.
• 大脑网络分析可以指导针对基本震的个性化治疗策略.