NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Beyin hastalığının nöral aktivite biyobelirteçlerini objektif olarak tanımlamak, hastalık yükünün nesnel tahminlerini sağlamak, terapötik etkinlikle ilgili güvenilir geri bildirimler elde etmek ve potansiyel olarak kapalı döngü nöromodülasyonu için bir kontrol kaynağı olarak hizmet etmek için gereklidir. Parkinson hastalığında (PD), derin beyin stimülasyonu (DBS) için elektrot implantasyonuna rehberlik etmek için bazal gangliyonda rutin olarak mikroelektrot kayıtları (MER) gerçekleştirilir. Patolojik olarak aşırı osilatör aktivitesi gözlenmiş ve geniş çapta PD motor disfonksiyonu ile bağlantılı olmakla birlikte, bu sinyallerin hastalık ekspresyonu ve dalgalanmaları hakkında nicel bilgi sağlama derecesi, özellikle kısa zaman ölçeklerinde bilinmemektedir. Ayrıca, bilgilendirici sinyal özelliklerinin hastalar arasında benzer veya farklı olma derecesi titizlikle araştırılmamıştır. Hastalar arasında PD'deki motor hatasının, nöral aktivitenin spektral özelliklerini kullanarak hızlı bir zaman ölçeğinde çözülebileceğini belirlemeye çalıştık.Burada, PD'li deneklerin subtalamik çekirdeğinden (STN) sinirsel aktiviteyi kaydettik uyanık DBS ameliyatı geçirirken, kısa zaman ölçeklerinde motor disfonksiyonun scaler ölçüsünü oluşturmak için heterojen PD motor tezahürlerini sentezleyen nesnel, sürekli bir davranışsal değerlendirme yaptılar. Daha sonra doğal motor performans varyasyonlarını, karşılık gelen nörofizyolojik biyobelirteçleri tanımlamak için bir 'yer gerçeği' olarak kullandık.Ana sonuçlarStN'den gelen sinirsel sinyallerin çok spektrumlu kodlanmasını kullanan vektör makineleri, kısa zaman ölçeklerinde (bir saniye kadar kısa) motor bozukluğu derecesini izlemeyi başardı. Klasik 'beta' salınımlarının ötesinde, geniş bir frekans aralığındaki spektral güç, bu kod çözmeye katkıda bulundu ve çok spektral modeller daha izole frekans bantları kullanılarak üretilenlerden sürekli olarak daha iyi performans gösterdi. Denekler arasında türetilen genelleştirilmiş kod çözme modelleri motor bozukluğunu tahmin edebildiyse de, hastaya özgü modeller tipik olarak daha iyi performans gösterdi.Bu sonuçlar, kısa süreli ölçekli PD motor disfonksiyonu ile ilgili nicel bilgilerin STN sinir aktivitesinde mevcut olduğunu, çeşitli hastaya özgü spektral bileşenlere dağıtıldığını, böylece bireyselleştirilmiş bir yaklaşımın bu bilgiyi optimal hastalık takibi ve kapalı döngü nöromodülasyonu için tam olarak kullanmak için kritik olacağını göstermektedir.
Özgün kaynak özetini okuyun
ObjectiveIdentifying neural activity biomarkers of brain disease is essential to provide objective estimates of disease burden, obtain reliable feedback regarding therapeutic efficacy, and potentially to serve as a source of control for closed-loop neuromodulation. In Parkinson's disease (PD), microelectrode recordings (MER) are routinely performed in the basal ganglia to guide electrode implantation for deep brain stimulation (DBS). While pathologically-excessive oscillatory activity has been observed and linked to PD motor dysfunction broadly, the extent to which these signals provide quantitative information about disease expression and fluctuations, particularly at short timescales, is unknown. Furthermore, the degree to which informative signal features are similar or different across patients has not been rigorously investigated. We sought to determine the extent to which motor error in PD across patients can be decoded on a rapid timescale using spectral features of neural activity.ApproachHere, we recorded neural activity from the subthalamic nucleus (STN) of subjects with PD undergoing awake DBS surgery while they performed an objective, continuous behavioral assessment that synthesized heterogenous PD motor manifestations to generate a scalar measure of motor dysfunction at short timescales. We then leveraged natural motor performance variations as a 'ground truth' to identify corresponding neurophysiological biomarkers.Main resultsSupport vector machines using multi-spectral decoding of neural signals from the STN succeeded in tracking the degree of motor impairment at short timescales (as short as one second). Spectral power across a wide range of frequencies, beyond the classic 'β' oscillations, contributed to this decoding, and multi-spectral models consistently outperformed those generated using more isolated frequency bands. While generalized decoding models derived across subjects were able to estimate motor impairment, patient-specific models typically performed better.SignificanceThese results demonstrate that quantitative information about short-timescale PD motor dysfunction is available in STN neural activity, distributed across various patient-specific spectral components, such that an individualized approach will be critical to fully harness this information for optimal disease tracking and closed-loop neuromodulation.
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.