与多个系统缩脑类型患者的疾病相关的步态模式的临床和神经影像相关性

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
• 数字健康数字健康

背景情况:

• 多重系统缩-小脑类型 (MSA-C) 是一种进展性神经退行性疾病.
• 目前,用于评估MSA-C严重性的客观数字生物标志物有限.
• 步态障碍是MSA-C的常见症状之一.

研究的目的:

• 用2D视频分析在MSA-C中识别疾病相关的步态模式.
• 为了研究这些步行模式的临床和神经成像相关性.
• 评估步态分析作为MSA-C严重程度的数字生物标志物的潜力.

主要方法:

• 一项涉及MSA-C患者和健康对照者的横截面研究.
• 基于2D视频的步态分析,使用Gaitome算法提取步态特征.
• 一个MSA-C步态模式得分的推导.
• 与临床尺度 (UMSAR,MMSE,MoCA) 和神经成像数据 (轨迹学,基于voxel的形态学) 的相关性分析.

主要成果:

• 获得的MSA-C步行模式得分有效地将MSA-C患者与健康对照区分开来 (AUC=0.98).
• 步态得分与UMSAR部分I和II,MMSE和MoCA得分有显著的相关性.
• 神经成像揭示了步态得分和结构连接 (中小脑脚,小脑,带状) 和灰质体积 (中,小脑区域) 之间的关联.

结论:

• 从二维视频分析中获得的步行模式可以作为MSA-C.的实用,非侵入性数字生物标志物.
• 这些步态生物标志物反映了疾病严重程度的运动和认知方面.
• 这种方法为MSA-C的客观疾病监测提供了一个有希望的工具.