通过基于数据驱动的皮质网络模型的深度大脑刺激来控制阿尔茨海默病

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 医疗工程 医疗工程

背景情况:

• 阿尔茨海默病 (AD) 的特点是认知能力下降和特定的电生理学变化,如EEG减速.
• 目前对阿尔茨海默病的治疗有局限性,需要探索新的治疗方法,如深度大脑刺激 (DBS).

研究的目的:

• 为了研究DBS在代表阿尔茨海默病的模拟皮质网络上的神经计算效应.
• 确定最佳的DBS目标和刺激参数,以缓解AD相关的病理症状.
• 探索大脑网络拓和AD中的DBS疗效之间的关系.

主要方法:

• 使用扩散张力图像 (DTI) 数据构建数据驱动的皮质网络模型.
• 通过减少突触连接来模拟AD相关的EEG减速.
• 将模拟的DBS应用于具有不同参数的关键大脑点 (海马体,内核,嗅觉结核).
• 对模拟的EEG变化 (功率光谱,主导频率) 和网络属性的分析.

主要成果:

• 模拟的DBS诱导了EEG功率光谱 (α增加,theta减少) 和主导频率的变化,与治疗效应一致.
• 与嗅觉结核和内核相比,海马体成为了DBS的优越目标.
• DBS疗效与受刺激的大脑区域的拓重要性 (节点程度) 相相关.
• 发现最佳的DBS参数调整可以缓解模拟的AD病理症状.

结论:

• DBS证明了作为阿尔茨海默病治疗策略的潜力,为其有效性提供了神经计算基础.
• 海马是AD治疗中DBS的一个有希望的目标,刺激参数显著影响结果.
• 大脑网络结构在确定DBS的有效性方面发挥着至关重要的作用,为个性化治疗策略提供了指导.