基于半监督机器学习的帕金森病两种神经解剖学亚型及其运动进展的分析

科学领域:

• 神经科学是一个神经科学.
• 神经学 神经学
• 放射学 放射学是一门学科.

背景情况:

• 帕金森病 (PD) 呈现出显著的异质性,使个性化治疗方法复杂化.
• 大脑结构的改变对PD症状和神经可塑性至关重要.
• 基于大脑结构的PD亚型可以改善疾病轨迹预测和治疗优化.

研究的目的:

• 在新发帕金森病 (PD) 患者中调查大脑结构异质性.
• 将PD患者根据灰质体积 (GMV) 模式分为亚型.
• 为了将这些亚型与临床症状,黑色物质自由水 (SNFW) 和运动障碍进展相关联.

主要方法:

• 在283名新的PD患者和141名健康对照 (HC) 之间比较了结构异质性.
• 将PD患者分类为亚型,使用基于GMV的歧视性分析的异质性.
• 在2.5年内评估了临床症状,SNFW和运动进展 (统一帕金森病评级尺度-III).

主要成果:

• 早期的PD患者表现出比HC更大的GMV异质性,导致两种已识别的GMV基亚型.
• 第1亚型表现出广泛的GMV减少和更严重的运动/非运动症状,后部SNFW更高,运动进展更快 (2.52分/年).
• 亚型2表现出基底质/皮质体积增加,运动进展缓慢 (0.92分/年),基底质体积与UPDRS-III评分之间没有显著的线性相关性.

结论:

• 患PD患者的异质性体现在明显的大脑结构变化中.
• 在临床数据和SNFW的支持下,基于GMV的亚型化有助于患者的分类.
• 这种方法为临床决策和PD精准医学的进步提供了好处.