XiaoMi-AI文件搜索系统
World File Search System帕金森病
经颅直流电刺激 (tDCS) 是一种有效的康复策略，可改善阿尔茨海默病和帕金森病患者的认知能力：随机对照试验的最新系统评价
阿尔茨海默病 (AD) 和帕金森病 (PD) 是神经退行性疾病，其特征是随着疾病进展认知障碍和功能衰退。在非药物干预中，经颅直流电刺激 (tDCS) 可能是一种经济有效的康复策略，可以实现认知能力，对患者的功能自主性和生活质量产生积极影响。我们的系统评价旨在评估 tDCS 对 AD 和 PD 患者认知的影响。我们在 PubMed、Web of Science 和 Cochrane Library 中搜索了随机对照试验 (RCT)。三位综述作者提取了感兴趣的数据，以神经心理学测试或实验认知任务分数作为结果测量。共纳入 17 项 RCT（10 项针对 AD 的试验和 7 项针对 PD 的试验）。与假刺激相比，tDCS 可以改善 AD 患者的整体认知和识别记忆，以及 PD 患者的一些执行功能（即分散注意力、语言流畅性和对干扰的敏感性降低）。对于其他研究的认知领域的好处，仍然存在批评。尽管初步证据不断涌现，但未来应用心理学领域的研究仍需要更大规模的 RCT，采用常见的神经心理学测量方法，并进行长期随访，以确定观察到的效果的持久性，同时还需要改进神经退行性疾病的临床指南，包括电极连接、疗程次数、刺激的持续时间和强度以及要使用的认知电池。
帕金森病早期检测人工智能系统中的偏见调查：叙述性评论
1 东北山大学生物医学工程系，西隆 793022，印度；sudip.paul.bhu@gmail.com（SP）；mahesh.nehu.333@gmail.com（MM） 2 国际信息技术学院 CSE 系，布努内什瓦尔 751003，印度；sanjay@iiit-bh.ac.in 3 卡利亚里大学放射学系，意大利卡利亚里 09121；lucasabamd@gmail.com 4 马里博尔大学医学中心神经病学系，斯洛文尼亚 1262 马里博尔；monika.turk84@gmail.com 5 哈佛医学院放射学系，美国马萨诸塞州波士顿 02115；MKALRA@mgh.harvard.edu 6 富通医院神经病学系，班加罗尔 560010，印度； pudukode.krishnan@fortisheakthcare.com 7 中风监测和诊断部，AtheroPoint™，罗斯维尔，加利福尼亚州 95661，美国 * 通讯地址：jasjit.suri@atheropoint.com；电话：+1-(916)-749-5628
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。
引文：Hassin-Baer S、Cohen OS、Israel-Korn S、Yahalom G、Benizri S、Sand D 等人 (2022) 识别早期帕金森病的危险因素
神经退行性疾病是导致老年人身体和认知功能障碍的主要原因，会导致功能下降和生活质量下降。疾病改良疗法 (DMT) 目前尚无针对这些疾病的治疗方法，但一旦研发成功，应在神经退行性过程早期进行治疗，以尽量减少不可逆的累积性脑损伤，最好在前驱期或临床前期进行治疗，以最大限度地发挥其疗效 [1-4]。DMT 研发的一个主要障碍是缺乏有效的工具进行早期诊断和在临床试验期间客观监测疾病活动。对于帕金森病 (PD)，脑脊液或血液中的生物标志物尚未被证明具有足够的特异性，可用于临床诊断或纵向监测 [5]。尽管最近取得了进展，但用于 PD 的成像方法主要基于检测运动通路的退化 [6]。然而，据了解，帕金森病的神经病理学过程早在运动症状出现前很多年就开始了，始于黑质以外的部位，包括下脑干、嗅球和周围自主神经系统 [5]。在帕金森病的非运动症状中，认知障碍非常普遍，尽管在早期阶段，多达 25% 的新诊断患者会出现轻度认知障碍 (MCI) 的轻微形式 [7,8]，但认知障碍往往会恶化并导致严重致残 [9]。认知功能的下降影响多个领域，包括注意力、工作记忆和执行功能、语言、视觉空间技能和情景记忆。研究人员建议根据其潜在的大脑结构和所涉及的神经递质将这些障碍分为两种不同的综合征，即所谓的“双综合征假说” [10]。第一种综合征出现在早期阶段，与基底神经节 (BG) 多巴胺耗竭有关，并导致皮质-基底神经节-丘脑-皮质 (CBGTC) 环路中断 [11,12]。这些是平行且独立的通道 [13]，感觉运动、联想和边缘信息从皮质投射到 BG，并通过丘脑返回皮质 [12-14]。在这些通道中，运动环路包括一条直接通路，多巴胺被认为可以刺激神经元并导致
二甲双胍用于帕金森病治疗
摘要：帕金森病 (PD) 是一种严重的神经退行性疾病，影响着 65 岁以上人口的约 2%。其特征是黑质纹状体多巴胺能神经元逐渐丧失，导致患者运动障碍。目前，只有对症治疗，无法抑制疾病进展。在这种情况下，抗糖尿病药物二甲双胍已被研究作为 PD 的潜在疾病改善剂，它是一种低成本且耐受性良好的药物，几十年来已成功用于治疗 2 型糖尿病。尽管二甲双胍的确切作用机制尚未完全阐明，但已知该药物会影响与 PD 病理相关的许多细胞通路。在这篇综述中，我们介绍了文献中支持二甲双胍神经保护作用的证据，即自噬上调、病理性 α -突触核蛋白种类的降解和线粒体功能的调节。本文还讨论了在接受二甲双胍治疗的糖尿病患者中开展的旨在评估长期服用二甲双胍与罹患 PD 风险之间相关性的流行病学研究。最后，我们对实验模型和临床研究中得到的有争议的结果进行了解释，从而为未来重新定位二甲双胍用于 PD 治疗的研究提供了可能的理论基础。
使用诱发干扰深部脑刺激 (eiDBS) 实时控制帕金森病患者的苍白球振荡：该领域的概念验证
需要实时控制基底神经节神经活动的方法来阐明 8-35 Hz（“β 波段”）振荡动力学在帕金森病 (PD) 运动体征表现中的因果作用。在这里，我们表明，由具有精确幅度和时间的电脉冲引起的共振 β 振荡可用于可预测地抑制或放大人类苍白球内节 (GPi) 中的自发 β 波段活动。使用这种称为闭环诱发干扰深部脑刺激 (eiDBS) 的方法，我们可以抑制或放大 PD 患者的频率特定 (16-22 Hz) 神经活动。我们的结果强调了 eiDBS 在表征振荡动力学在 PD 和其他脑部疾病中的作用以及开发个性化神经调节系统方面的实用性。
基于技术的帕金森病神经康复——叙述性评论
摘要：本篇叙述性综述简要概述了当前关于帕金森病 (PD) 患者神经康复的技术干预的文献。讨论了脑机接口、基于运动游戏/虚拟现实的锻炼、机器人辅助疗法和可穿戴设备的作用。预计基于技术的神经康复将在 PD 患者的管理中发挥重要作用，尽管这种方法是否优于传统疗法通常尚不清楚。高强度的基于技术的神经康复可能在 PD 的神经保护或神经修复作用方面大有可为。总体而言，需要进行更多研究，以获得更多关于基于技术的神经康复对 PD 患者的可行性、有效性和安全性的数据。
帕金森病的基因靶向临床试验
摘要：神经退行性疾病的临床试验失败率很高，而在肿瘤学领域，精准医疗的实施以及对基因定义的疾病亚型和药物开发目标的关注取得了前所未有的成功。帕金森病 (PD) 有 20 多个相关基因，其中大多数具有高度渗透性，经常导致早期发病或非典型体征和症状，并且人们对多巴胺能神经退行性病变相关病理生理学的了解日益加深，将这些技术和设计应用于神经退行性病变领域似乎是合乎逻辑的一步。本综述介绍了肿瘤临床试验中使用的一些方法和帕金森病的一些尝试，以及在该疾病领域进一步实施遗传学、生物标志物和智能临床试验设计的潜力。
长期无线传输神经记录，用于帕金森病患者的电路发现和自适应刺激
使用永久植入式大脑设备进行电刺激已经成为运动障碍和癫痫的标准疗法，并且也在积极研究其对精神和认知障碍的治疗作用 1 。通过更好地了解潜在的回路障碍以及治疗刺激影响体征和症状的机制，可以改进神经刺激疗法。解决这一知识空白的一种方法是分析来自外部导线的侵入性皮质或皮质下场电位记录，记录可以在导线植入手术期间或术后几天在医院进行。场电位表示记录接触点附近的神经元群体的总同步活动，通常具有很强的振荡分量，因此可以作为神经同步的极好探针。现在认为，许多脑部疾病的体征和症状部分与振荡同步异常有关 2 。
基于特征选择的机器学习来提高帕金森病的预测能力
摘要。帕金森病 (PD) 是一种神经退行性疾病，其特征是大脑中多巴胺产生细胞的丧失。产生多巴胺的脑细胞的破坏会导致帕金森病，多巴胺是一种使脑细胞相互连接的化学物质。控制力、适应性和运动速度都由大脑中产生多巴胺的细胞控制。研究人员一直在研究尽快识别疾病早期出现的非运动症状的技术，以减缓疾病的进展。本研究提出了一种基于机器学习的帕金森病检测方法。所提出的检测技术采用了特征选择和分类技术。特征选择过程采用了 Boruta、递归特征消除 (RFE) 和随机森林 (RF) 分类器。检测帕金森病考虑了四种分类算法，即梯度提升、极端梯度提升、装袋和额外树分类器。我们发现，采用递归特征消除的 Bagging 比其他方法表现更好。帕金森症诊断中最低数量的语音特征的准确率达到 82.35%。