纵向非负矩阵因子化识别了帕金森病中运动症状的改变轨迹

科学领域:

• 神经成像
• 神经退行性疾病
• 生物标志物

背景情况:

• 帕金森病是一种进展性神经退行性疾病,通过运动症状影响日常生活.
• 大脑结构的变化是病情进展的标志.
• 确定可靠的PD进展生物标志物对于临床管理至关重要.

研究的目的:

• 使用非负矩阵因子 (NMF) 探索PD的渐进性灰质变化.
• 确定预测PD运动症状进展的纵向神经影像生物标志物.
• 验证已确定的结构因素的稳定性和预测能力.

主要方法:

• 不负矩阵因子 (NMF) 应用于健康和PD队列的大脑灰质图像.
• 在独立数据集上验证NMF潜伏因子.
• 运动障碍学会统一帕金森病评分表 (MDS-UPDRS) 的NMF因子权重与分数之间的相关性分析.
• 用于症状预测的XGBoost预测模型.

主要成果:

• 它成功地将灰色物质分解成7个稳定的潜伏因子.
• 随着6个因子的疾病持续时间,观察到因子权重的下降趋势.
• NMF因子 (2,3,7) 显著预测了MDS- UPDRS- II分数,而因子3和5则预测了MDS- UPDRS- III分数.
• 在临床运动症状方面,因子权重表现出预测能力.

结论:

• NMF因子有效捕捉PD中的渐进性结构性大脑变化.
• 对于预测PD运动症状进展,NMF因子权重作为潜在的纵向生物标志物.
• 这种方法为PD的神经机制提供了新的见解,并有助于未来的临床策略.