帕金森病与认知障碍中的异常大规模动态大脑网络:来自EEG协同激活模式的见解

科学领域:

• 神经科学是一个神经科学.
• 认知神经科学 认知神经科学
• 大脑网络动力学

背景情况:

• 认知能力下降是帕金森病 (PD) 的一个重大挑战.
• 了解大规模动态大脑网络机制对于解决PD认知障碍至关重要.

研究的目的:

• 为了研究帕金森病的认知衰退背后的动态大脑网络机制.
• 用高密度EEG和协同激活模式 (CAP) 分析来分析短暂的网络状态及其与认知表现的关系.

主要方法:

• 综合高密度脑电图 (EEG) 信号源定位和协同激活模式 (CAP) 分析.
• 使用标准化的低分辨率脑电磁断层扫描 (sLORETA) 重建了EEG信号,以识别六个全脑CAP.
• 在20名PD患者和14名健康对照 (HC) 中,使用蒙特利尔认知评估 (MoCA) 评估认知功能.

主要成果:

• 患有PD的患者表现出默认模式网络 (DMN) 和任务相关网络 (TRN) 之间的脱受损.
• 在认知任务期间,PD患者在特定网络状态 (CAP) 中的停留时间发生变化,状态切换增加.
• 在某些CAP中花费的时间与MoCA分数正相关,这表明高效的网络脱预测了认知表现.
• 在PD患者中观察到前带状皮质 (ACC) 和 Salience 网络 (SN) 的补偿性过度激活.

结论:

• 帕金森病的特点是动态DMN-TRN相互作用的破坏和频繁的状态切换,导致认知能力下降.
• 特定大脑区域的补偿性过活化可能在维持认知功能方面发挥作用.
• 这项研究提供了对PD脑网络动态的毫秒分辨率见解,识别了潜在的生物标志物和治疗目标,以提高网络脱效率.