基于EEG的最小跨树分析揭示了阿尔茨海默氏病谱中的网络中断:一项观察性研究

科学领域:

• 神经科学是一个神经科学.
• 生物标志物 生物标志物
• 大脑的连接性 大脑的连接性

背景情况:

• 阿尔茨海默病 (AD) 标志着大脑连接受损,但疾病各个阶段的网络变化尚未完全理解.
• 静止电脑图 (rsEEG) 为研究这些变化提供了一个潜在的途径.

研究的目的:

• 为了调查阿尔茨海默氏病连续性的功能性大脑网络变化.
• 探索最小跨度树 (MST) 分析对rsEEG数据的有用性,以检测这些变化.

主要方法:

• 分析了来自65名参与者的rsEEG数据 (健康对照组,AD引起的轻度认知障碍和AD患者).
• 基于计算阶段滞后指数 (PLI) 的连接和MST指标跨越五个频段.
• 评估了群体差异和与认知表现,疾病严重程度和CSF生物标志物相关联的网络指标.

主要成果:

• 在所有组中都观察到rsEEG网络拓学的显著变化.
• 与对照组相比,AD患者表现出增加的甲基频段连接性和降低的β频段连接性.
• 由于AD的轻度认知障碍,AD组表现出改变的三角形和β频段网络组织.
• 网络变化与认知表现,疾病严重程度和脑脊髓液生物标志物 (t-Tau,p-Tau,Aβ1-42) 相相关.

结论:

• 阿尔茨海默病的进展涉及频率特定的大脑网络拓变化,可以通过基于rsEEG的MST分析检测到.
• 来自EEG的网络措施显示为早期AD诊断和监测疾病进展的潜在生物标志物具有前途.