XiaoMi-AI文件搜索系统
World File Search System帕金森病
丘脑底深部脑刺激治疗帕金森病
摘要背景对于难治性帕金森病 (PD) 来说，丘脑底深部脑刺激 (STN-DBS) 是一种经验性的治疗方式，人们正在寻求它的生理学解释。这项研究旨在确定接受 STN-DBS 治疗 PD 患者的预后和并发症。方法这项回顾性观察队列研究在印度东部的一家先进神经医学机构进行了 9 年（2013 年 8 月 - 2022 年 8 月），其中包括所有接受 STN-DBS 治疗的患者。结果在研究期间共有 53 名患者接受了手术。研究人群的平均年龄为 60.5 岁（标准差 [SD]：8.2）岁，男性 (33 [62.3%]) 占多数。最常见的症状包括僵硬和运动减少 (27)、严重运动障碍 (21) 和震颤 (17)。术后期间，部分患者的僵硬和运动减少（21）、严重运动障碍（16）和震颤（12）显著改善。其中大多数（45 [84.9%]）病例接受了双侧单极刺激，而三名患者（5.7%）接受了双侧双极刺激。五名（9.4%）患者接受了单侧双极刺激。术后即刻，他们开始接受肢体、言语和吞咽治疗。五名（9.4%）病例出现手术相关并发症。在 6 个月的随访中，大多数（36 [67.9%]）患者的统一 PD 评定量表部分（主要是运动检查和 PD 治疗并发症）均有显著改善。一名患者出现抗精神病药恶性综合征，并在术后第四天死于疾病。结论鉴于这些发现，STN-DBS 似乎是一种良好、安全且有效的治疗方法，适用于治疗一组难以治愈的 PD 患者，研究队列中三分之二的患者总体得到改善，并发症风险不到 10%。
通过分析脑磁共振成像早期诊断帕金森病
帕金森病 (PD) 是一种影响运动技能的慢性疾病，症状包括震颤和僵硬。目前的诊断程序使用患者评估来评估症状，有时使用磁共振成像 (MRI) 扫描。然而，症状变化会导致评估不准确，而 MRI 扫描的分析需要经验丰富的专家。这项研究提出通过结合帕金森病进展标志物倡议 (PPMI) 数据库中的症状数据和 MRI 数据，利用深度学习准确诊断 PD 严重程度。实施了一种新的混合模型架构，以充分利用这两种形式的临床数据，还开发了仅基于症状和仅基于 MRI 扫描的模型。基于症状的模型集成了完全连接的深度学习神经网络，MRI 扫描和混合模型集成了基于迁移学习的卷积神经网络。所有模型都不是只执行二元分类，而是将患者诊断为五个严重程度类别，其中零期代表健康患者，四期和五期代表 PD 患者。仅症状模型、仅 MRI 扫描模型和混合模型分别实现了 0.77、0.68 和 0.94 的准确率。混合模型还具有较高的准确率和召回率，分别为 0.94 和 0.95。真实的临床病例证实了混合模型的强大性能，其中患者被其他两个模型错误分类，但被混合模型正确分类。它在 0-4 严重程度的五个阶段中也保持一致，表明早期检测准确。这是第一份将症状数据和 MRI 扫描与如此大规模的机器学习方法相结合的报告。
线性预测方法分离帕金森病动物模型中的场电位
帕金森病 (PD) 会导致运动和认知障碍。PD 可能导致皮层和皮层下大脑活动的深刻变化，这可以通过脑电图或颅内局部场电位 (LFP) 记录来测量。此类信号可以自适应地指导深部脑刺激 (DBS) 作为 PD 治疗的一部分。但是，自适应 DBS 需要根据实时监测和分析来识别神经元活动的触发因素。当前的方法并不总能识别与 PD 相关的信号，并且可能会造成延迟。我们测试了一种基于线性预测编码 (LPC) 的替代方法，该方法将自回归 (AR) 模型拟合到时间序列数据。这些 AR 模型的参数可以通过快速算法实时计算。我们比较了多巴胺耗竭的 PD 动物模型中纹状体的 LFP，这些模型中有无多巴胺前体左旋多巴存在，左旋多巴用于治疗 PD 的运动症状。我们表明，在多巴胺耗竭的小鼠中，仅通过 1 kHz 的 LFP 采样 1 分钟获得的以单个 LPC 参数为特征的一阶 AR 模型可以区分左旋多巴治疗小鼠和盐水治疗小鼠，并且优于当前方法。这表明 LPC 可能有助于实时在线分析神经信号以指导 DBS，并可能有助于基于 DBS 的 PD 治疗。
利用深部脑刺激治疗帕金森病的步态障碍
对丘脑底核或苍白球进行深部脑刺激 (DBS) 是治疗帕金森病 (PD) 的既定方法，可显著持久地改善运动症状。然而，DBS 对 PD 步态障碍的益处仍存在争议，并且可能导致患者不满和生活质量低下。PD 步态障碍包含多种临床表现，并依赖于不同的病理生理基础。虽然 DBS 手术多年后出现的步态障碍可能与病情进展有关，但早期步态障碍可能是可治疗的原因和 DBS 重编程的益处所致。在这篇综述中，我们通过讨论其神经生理学基础、提供详细的临床特征并提出一种实用的编程方法来支持其管理，来解决接受 DBS 的 PD 患者的步态障碍问题。
机器学习在帕金森病认知障碍检测和诊断中的应用：系统评价
帕金森病是 60 岁以上人群中第二常见的神经系统疾病。认知障碍是一种主要的临床症状，诊断后长达 20 年内都有出现严重功能障碍的风险。认知障碍的检测和诊断过程不足以在早期预测衰退是否会产生重大影响。人口老龄化、神经科医生短缺和主观解释降低了决策和诊断的有效性。研究人员现在正在利用机器学习根据症状表现和临床研究来检测和诊断认知障碍。这项工作旨在概述已发表的应用机器学习来检测和诊断认知障碍的研究，评估实施方法的可行性及其影响，并为方法、模式和结果提供适当的建议。
利用遗传证据寻找帕金森病的药物靶向机制
帕金森病 (PD) 是一种神经退行性运动障碍，目前尚无改善疾病的治疗方法，部分原因是使用人类证据识别和验证药物靶标效率低下。在这里，我们使用孟德尔随机化研究了 3000 多个编码可用药蛋白质的基因，试图预测它们作为 PD 药物靶标的功效。我们使用可用药基因的表达和蛋白质数量性状基因座来模拟药物暴露，并检查对 PD 风险（在两个大型病例对照队列中）、PD 发病年龄和进展的因果影响。我们提出了 23 种潜在的 PD 药物靶向机制，其中四种是重新利用已获许可或临床阶段药物的机会。我们确定了两种可能增加 PD 风险的药物。重要的是，我们用于预防 PD 的 MR 支持的药物靶向机制与减少 PD 进展的机制之间几乎没有重叠，这表明驱动疾病风险和进展的分子机制不同。具有基因支持的药物在临床试验中取得成功的可能性要大得多，我们提供令人信服的基因证据和分析流程，可用于优先考虑 PD 药物开发工作。
帕金森病的丘脑底核活动动态和肢体运动预测
虽然丘脑底核中β频带振荡同步的过度爆发与帕金森病的运动障碍有关，但一直缺乏将这两种现象联系起来的合理机制。在这里，我们检验了以下假设：β爆发所表示的同步增加可能会损害基底神经节网络中的信息编码能力。为此，我们记录了18名帕金森病患者在执行提示的上肢和下肢运动时丘脑底核中的局部场电位活动。我们使用每次试验中基于局部场电位对要移动的肢体进行分类的准确性作为系统所掌握的有关预期动作的信息的指标。使用朴素贝叶斯条件概率模型的机器学习用于分类。局部场电位动态可以在执行之前准确预测预期动作，当提前知道要求的动作时，在命令提示之前，受试者工作特征曲线下面积为 0.80 0.04。α 频段局部场电位活动爆发，尤其是 β 频段局部场电位活动爆发，严重影响了对要移动的肢体的预测。我们得出结论，低频爆发，尤其是 β 频段的爆发，限制了基底神经节系统编码有关预期动作的生理相关信息的能力。当前的发现也很重要，因为它们表明，除了恢复性脑机接口应用中的力量控制外，局部丘脑底活动可能被解码以实现效应器选择。
探索fNIRS技术在帕金森病早期检测中的应用与挑战
帕金森病 (PD) 是一种常见的神经退行性疾病，主要以运动功能障碍为特征，表现出静止性震颤、僵硬、运动迟缓和姿势不稳等症状（ Mazzoni 等人，2012；Cheng 和 Su，2020）。作为老年人中第二常见的神经退行性疾病，PD 的早期诊断对于及时干预和改善患者生活质量至关重要（ Aarsland 等人，2021）。然而，PD 的早期症状可能与多系统萎缩、药物引起的帕金森病和血管性帕金森病等其他运动障碍混淆，使得准确的早期诊断成为一项重大挑战（ Tolosa 等人，2021）。目前，帕金森病的诊断严重依赖于临床表现和经验丰富的临床医生的判断，这种方法可能缺乏敏感性和特异性，尤其是在疾病的早期阶段（Pahwa 和 Lyons，2010 年；Postuma 等，2015 年；Adler 等，2021 年）。准确的早期诊断对于及时干预、显著提高患者的生活质量和减缓疾病进展至关重要（Welte 等，2015 年）。
快速运动波动揭示帕金森病的短期神经生理生物标志物
缩写：AUC 曲线下面积 CT 计算机断层扫描 DBS 深部脑刺激 LFP 局部场电位 MER 微电极记录 MES 运动误差评分 MRI 磁共振成像 PD 帕金森病 ROC 接收者操作特性 STN 丘脑底核 SVM 支持向量机 SVR 支持向量回归 UPDRS 统一帕金森病评定量表
人工智能和代谢物标记在帕金森病诊断和预后中的应用
背景 进行性神经退行性疾病，例如帕金森病 (PD)，通常表现出异质性症状，使得临床诊断和患者预后困难。PD 的临床诊断主要依赖于疾病的身体症状以及病史和患者对多巴胺治疗的反应。然而，临床表现非常多样化，通常远远落后于病理变化，这可能导致疾病的晚期诊断，这会影响疾病的进展。PD 的确切病因仍然为临床研究提供了肥沃的领域，并且被认为涉及遗传和环境因素，这在一定程度上解释了症状的多样性和疾病进展速度的差异。这种多样性使患者对其长期生活质量感到不确定，并妨碍了对临床试验的客观评估。