向超临界大脑动力学的转变预测了阿尔茨海默病的进展

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 医学研究 医学研究

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性痴呆症,从主观认知衰退 (SCD) 过渡到轻度认知障碍 (MCI) 和与大脑超同步相关的AD.
• 驱动超同步和早期AD进展的精确机制仍然不清楚.
• 理论上说,在衰老过程中健康的大脑功能在关键阶段过渡附近运行,平衡刺激和抑制 (E/I).

研究的目的:

• 为了测试一种假设,即AD进展将大脑动态转移到超临界状态,因为过度兴奋.
• 研究SCD和MCI患者的大脑关键性的变化,特别是长距离时间相关性 (LRTCs) 和功能性E / I (fE / I) 的变化.
• 确定这些动态大脑特征对疾病进展的预测价值及其在早期AD阶段分类中的实用性.

主要方法:

• 利用来自横截面 (N=343) 和纵截面 (N=45) 队列的源重建的静止状态磁脑电图 (MEG) 数据,包括健康对照 (HC),SCD和MCI个体.
• 通过测量LRTCs和神经元振荡的FE/I来量化大脑的关键性.
• 采用机器学习模型,对功能 (LRTCs,fE/I) 和结构 (中叶体积) 特性进行分类任务的培训.

主要成果:

• 在SCD中,LRTCs减弱,在MCI中逐渐更广泛,这表明时间相关性有所崩.
• 功能性E/I (fE/I) 在MCI中升高,但不是SCD,表明神经元激发和抑制的失衡.
• 改变的LRTC和FE/I都预测了纵向队列中的疾病进展.
• 机器学习模型将LRTC和fE/I确定为SCD的关键分类器,而结构变化对MCI分类更准确.

结论:

• 转向超临界大脑动态的转变,以改变的LRTCs和fE/I为特征,是阿尔茨海默病进展的早期指标.
• 这些动态大脑测量提供了有价值的洞察力,了解早期AD认知衰退背后的机制.
• 功能性大脑动态,特别是LRTC和fE/I,对于早期AD检测和分类至关重要,补充结构性评估.