儿科 dystonia 的大脑年龄差距:神经解剖学偏差 告知深度大脑刺激结果

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 儿科神经学 儿科神经学

背景情况:

• 儿科 dystonia 是一种复杂的神经疾病,对诸如深度大脑刺激 (DBS) 等治疗有不同的反应.
• 识别不同的患者亚组对于个性化治疗策略至关重要.
• 大脑年龄差距,一个反映结构性大脑偏差的指标,在表征神经疾病方面表现有前途.

研究的目的:

• 为了调查大脑年龄差距是否可以区分儿科 dystonia 的亚型.
• 探索大脑年龄差距与患有 dystonia 的儿童临床结果之间的关联.
• 评估大脑年龄差距作为儿科 dystonia 的生物标志物的潜力.

主要方法:

• 使用规范性发育轨迹 (n=2623) 开发了一个大脑年龄模型.
• 脑年龄差距是从37名患有 dystonia 的儿童的治疗前MRI 扫描中计算出来的,并与对照组进行比较.
• 分析了大脑年龄差距, dystonia 病因,运动功能 (BFMDRS) 和生活质量 (PedsQL) 之间的相关性.

主要成果:

• 与健康对照组相比,患有 dystonia 的儿童表现出明显更大的脑年龄差距 (P < 0.001).
• 较大的大脑年龄差距与较差的基线运动得分以及一年后生活质量的改善较少相关.
• 在遗传性和获得性迪斯托尼亚型之间观察到区域大脑偏差的不同模式.

结论:

• 脑年龄建模有效地识别了儿科 dystonia 内的生物学上不同的亚型.
• 大脑年龄差距可以作为一种有价值的成像生物标志物,用于分层患者和预测治疗结果.
• 这种机器学习方法为了解儿科 dystonia 的异质性提供了一个新的视角.