Identifying the Basal Ganglia network model markers for medication-induced impulsivity in Parkinson's disease patients.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

İmpulsitivite, yani eylemlerin yürütülmesinde dirençsizlik, dopamin öncüleri veya dopamin reseptör agonistleri ile tedavi edilen Parkinson hastalığı (PD) hastalarında belirgin olabilir. Bu çalışmada, klinik araştırmaları, PD hastalarında ilaç tedavisine yönelik impulsitivitenin risk, ödül ve ceza öğrenmesindeki anormalliklerin bir sonucu olarak ortaya çıkıp çıkmayacağını araştırmak için hesaplamalı modelleme ile birleştiriyoruz. Risk, ödül ve ceza içeren öğrenme sonuçlarını ampirik olarak değerlendirmek için dört konu grubu incelendi: sağlıklı kontroller, dürtü kontrol bozukluğu (PD-ON ICD) olan veya ICD (PD-ON olmayan) olmayan PD hastaları ve OFF ilaç PD hastaları (PD-OFF). Hem dopaminerjik (DA) hem de serotonerjik (5HT) nöromodülatör sistemlerinin disfonksiyonunu tahmin etme kapasitesine sahip Basal Ganglia'nın (BG) bir sinir ağı modeli geliştirildi ve deneysel sonuçların yorumlanmasını kolaylaştırmak için kullanıldı. Modelde, BG eylem seçim dinamikleri, DA'nın ödül tahminini ve 5HT'nin ceza ve risk tahminlerini kontrol etmesiyle, fayda işlevine dayalı bir karar verme çerçevesi kullanılarak taklit edildi. Striatal model, üç adet Orta Spiny Nöron (MSN) havuzunu içeriyordu; tek başına D1 reseptörü (R), tek başına D2R ve D1R-D2R'yi eş-sövme. Empirik çalışmalar PD-ON ICD hastalarında ödül optimalliğinin arttığını, PD-OFF hastalarında ceza optimalliğinin arttığını göstermiştir. Empirik çalışmalar ayrıca PD-ON ICD deneklerin, PD-ON olmayan hastalardan daha düşük reaksiyon süreleri (RT) olduğunu ortaya koymuştur. Hesaplamalı modelleme, PD-OFF hastalarının daha yüksek ceza hassasiyetine sahip olduğunu öne sürerken, sağlıklı kontroller nispeten daha yüksek risk duyarlılığı gösterdi. PD-ON ICD hastalarında gözlemlenen davranışsal değişiklikleri açıklamak için ceza ve risk duyarlılığında önemli bir azalma çok önemliydi. Sonuçlarımız, öğrenmede yer alan nöronal devreleri ve PD'deki bozulmayı tanımlamak için hesaplamalı modellemenin gücünü vurgulamaktadır. Burada sunulan sonuçlar, hesaplamalı modellemenin sadece klinik verileri anlamak ve yorumlamak için değerli bir araç olarak kullanılabileceğini göstermekle kalmaz, aynı zamanda hesaplamalı modellemenin hastalık ilerlemesi sırasında davranışsal değişikliklerin başlangıcını tahmin etmek için paha biçilmez bir araç olma potansiyeline sahip olduğunu da gösterir.

Özgün kaynak özetini okuyun

Impulsivity, i.e. irresistibility in the execution of actions, may be prominent in Parkinson's disease (PD) patients who are treated with dopamine precursors or dopamine receptor agonists. In this study, we combine clinical investigations with computational modeling to explore whether impulsivity in PD patients on medication may arise as a result of abnormalities in risk, reward and punishment learning. In order to empirically assess learning outcomes involving risk, reward and punishment, four subject groups were examined: healthy controls, ON medication PD patients with impulse control disorder (PD-ON ICD) or without ICD (PD-ON non-ICD), and OFF medication PD patients (PD-OFF). A neural network model of the Basal Ganglia (BG) that has the capacity to predict the dysfunction of both the dopaminergic (DA) and the serotonergic (5HT) neuromodulator systems was developed and used to facilitate the interpretation of experimental results. In the model, the BG action selection dynamics were mimicked using a utility function based decision making framework, with DA controlling reward prediction and 5HT controlling punishment and risk predictions. The striatal model included three pools of Medium Spiny Neurons (MSNs), with D1 receptor (R) alone, D2R alone and co-expressing D1R-D2R. Empirical studies showed that reward optimality was increased in PD-ON ICD patients while punishment optimality was increased in PD-OFF patients. Empirical studies also revealed that PD-ON ICD subjects had lower reaction times (RT) compared to that of the PD-ON non-ICD patients. Computational modeling suggested that PD-OFF patients have higher punishment sensitivity, while healthy controls showed comparatively higher risk sensitivity. A significant decrease in sensitivity to punishment and risk was crucial for explaining behavioral changes observed in PD-ON ICD patients. Our results highlight the power of computational modelling for identifying neuronal circuitry implicated in learning, and its impairment in PD. The results presented here not only show that computational modelling can be used as a valuable tool for understanding and interpreting clinical data, but they also show that computational modeling has the potential to become an invaluable tool to predict the onset of behavioral changes during disease progression.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.