在健康成年人和患有多发性硬化症的人群中避免障碍:初步fNIRS研究

科学领域:

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

背景情况:

• 步行适应对于避开障碍物至关重要.
• 多发性硬化症 (MS) 影响感觉运动控制和步态.
• 了解MS在动态任务中的神经适应对于康复至关重要.

研究的目的:

• 在患有多发性硬化症 (pwMS) 和健康对照者 (HC) 中,调查可预测和不可预测的障碍回避过程中的皮层激活和功能连接.
• 探索功能近红外光谱 (fNIRS) 和机器学习作为MS相关认知运动障碍的生物标志物的潜力.

主要方法:

• fNIRS被用来测量在步态适应任务期间的皮质血液动力学反应 (HbO2,HHb).
• 功率光谱密度 (PSD) 和部分定向连贯性 (PDC) 分析了皮层连接性.
• 使用机器学习模型 (KNN,SVM,DT,DA) 来分类任务条件.

主要成果:

• 健康对照组 (HC) 在不可预测的障碍回避过程中表现出高效的神经处理与较低皮质激活.
• 患有多发性硬化症 (pwMS) 的人在不可预测的任务中表现出皮质激活的减少,这表明资源分配受到限制.
• 当任务结合在一起时,pwMS与HC相比显示出更高的整体皮质激活,这表明了补偿机制.
• 功能连接性不同,pwMS招募了更多的体感协会皮层 (SAC),HC吸引了前运动皮层 (PMC).
• 机器学习模型在区分小组内的任务条件方面取得了高准确性 (92-99%).

结论:

• 与HC相比,pwMS在避开障碍时显示不同的传感运动网络适应.
• 基于fNIRS的神经成像与机器学习相结合,显示为MS相关的步态和认知运动障碍的生物标志物具有前途.
• 这些发现可以为预测移动性下降和pwMS中跌倒风险的策略提供信息.