多模式神经成像指导的分层在肌缩侧面硬化症揭示了三种疾病亚型:一个多队列分析
Tobias R Baumeister1,2,3, Henk-Jan Westeneng4, Leonard van den Berg4
1Neurology and Neurosurgery Department, Montreal Neurological Institute, McGill University, Quebec, Canada.
Human brain mapping
|September 24, 2025
概括
这项研究使用神经成像和计算模型来创建对肌缩侧面硬化症 (ALS) 进展和亚型的个性化测量. 这些先进的工具提供了对疾病进展和个体患者轨迹的客观见解.
科学领域:
- 神经成像和计算生物学
- 神经学和神经科学 神经学和神经科学
- 生物医学数据科学 生物医学数据科学
背景情况:
- 肌缩侧面硬化症 (ALS) 呈现出显著的异质性,使疾病进展和患者次轨迹的客观评估复杂化.
- 目前用于描述ALS进展的方法缺乏个体客观性,阻碍了个性化治疗策略.
研究的目的:
- 使用多式神经成像数据和计算模型开发个性化的ALS进展和疾病次轨迹的体内指数.
- 为了将神经成像衍生的进展指数与临床严重程度和已建立的分期系统相关联.
- 根据神经成像模式及其临床表现,识别不同的ALS疾病次轨迹.
主要方法:
- 利用了来自691名参与者 (58%患有ALS) 的结构和扩散权重成像数据,跨越两个独立的队列 (北美和乌得勒支).
- 提取的区域灰质密度和白质微结构完整度指标.
- 应用了对比轨迹推断 (cTI) 来识别神经成像特征中的潜在模式,从而能够生成特定对象的进展指数和疾病次轨迹.
主要成果:
- 开发了一种基于神经成像的个性化ALS疾病进展指数,该指数与临床症状严重程度显著相关 (p < 0.01) 并与国王学院分期系统 (p < 0.002) 保持一致.
- 确定了三种截然不同的ALS次轨迹,其特征是神经成像变化的特定模式 (运动,边缘和广泛的皮层/皮下) 与不同的临床症状呈现相关.
- 证明神经成像数据编码了与疾病相关的特定模式,这些模式可以作为疾病进展和潜在亚型的体内代理.
结论:
- 通过计算模型分析的神经成像数据,可以生成针对ALS进展的个性化指数,并识别不同的疾病次轨迹.
- 这些发现提供了一个新的,客观的,体内方法来表征个体ALS患者的病情和潜在的疾病亚型.
- 开发的方法有望在ALS管理和研究中推进个性化医学.
