一种新的肌肉网络方法,用于客观地评估和分析ALS中的腹筋参与
Panying Rong1, Lindsey Heidrick2, Gary Pattee3
1Department of Speech-Language-Hearing: Sciences and Disorders, University of Kansas, Lawrence, KS, United States.
Frontiers in neuroscience
|January 27, 2025
概括
这项研究引入了一种新的功能性肌肉网络分析方法,使用表面电肌学来客观地测量肌在肌缩性侧面硬化症 (ALS) 中的参与. 该方法有效地检测神经肌肉变化,有助于早期诊断和监测.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 临床神经学 临床神经学
背景情况:
- 腹筋干扰是肌缩侧面硬化症 (ALS) 的一个关键特征,显著影响患者的健康.
- 由于缺乏对巴干涉的验证的客观标志物,阻碍了ALS的早期检测,监测和个性化护理.
- 这种差距需要开发新的,客观的工具来表征腹筋功能障碍.
研究的目的:
- 开发和验证一个多重功能下肌肉网络作为一个客观的测量工具,用于ALS.
- 提供一种可量化的方法,用于早期检测,表型,并监测变化的进展.
主要方法:
- 采用一种非侵入性的电生理学技术 (表面电肌图) 与图形网络分析相结合.
- 从语音任务中提取了48个网络特征,分为10个可解释的潜伏因素.
- 利用异质ALS队列 (8有症状,7有前兆) 和10个健康对照来训练和验证算法.
主要成果:
- 观察到对网络特征的重大疾病影响,特别是肌电活动的减少和变化,以及功能连接和集成的减少.
- 这10个潜伏因素在检测在症状和前兆性ALS病例 (AUC=0.89-0.91) 中的气囊神经肌肉变化方面表现出高效率.
- 网络性能选择性地与临床上有意义的巴干涉行为模式相关 (条件R2=0.45-0.81).
结论:
- 功能性肌肉网络显示显著的希望作为一个客观的,可量化的工具来评估ALS中的囊筋参与.
- 这种非侵入性,自动化的方法为早期检测和监测的常规临床实践提供了可扩展的应用.
- 由此产生的可解释的结果指标 (潜伏因素) 有助于在疾病各个阶段改善腹筋功能障碍的分析和管理.
