NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD) olan bireyler için dopamin replasman tedavisine klinik yanıtların tahmin edilmesi genellikle zordur. Kısa süreli L-Dopa yanıtından (SDR) kaynaklanan MDS-UPDRS motor faktör puanlarındaki değişiklikleri karakterize ettik ve subjektif klinik farklılıkların motor kortikal manyetoensefalografiden (MEG) nasıl tahmin edilebileceğini araştırdık. MDS-UPDRS motor faktör puanları ve dinlenme durumu MEG kayıtları SDR sırasında PD tanısı olan yirmi kişiden toplandı. Doğrusal destek vektör makinelerine dayanan yeni bir konuya özgü strateji kullanarak motor kortikal osilatör frekans profillerini en iyi tahmin edilen ilaç durumu olarak nicelleştirdik. Motor kortikal profiller bireyler arasında önemli ölçüde farklılık gösterdi ve birden fazla veri kıvrımı boyunca tutarlılık gösterdi. Sınıflandırma doğruluğu ile alt uzuv bradikinezisinin SDR'si arasında doğrusal bir ilişki vardı, ancak bu ilişki çoklu karşılaştırma düzeltmesinden sonra devam etmedi, tek başına spektral güç özelliklerinin kombinasyonlarının klinik durumu tahmin etmek için yetersiz olduğunu düşündürdü. Terapötik yanıtın faktör skor analizi ve konuya özgü nörogörüntülemeye dayalı yeni konu-özel makine öğrenme yaklaşımları, PD için terapilerin sonuçlarını tahmin etmek için araçlar sağlar.
Özgün kaynak özetini okuyun
Clinical responses to dopamine replacement therapy for individuals with Parkinson's disease (PD) are often difficult to predict. We characterized changes in MDS-UPDRS motor factor scores resulting from a short-duration L-Dopa response (SDR), and investigated how the inter-subject clinical differences could be predicted from motor cortical magnetoencephalography (MEG). MDS-UPDRS motor factor scores and resting-state MEG recordings were collected during SDR from twenty individuals with a PD diagnosis. We used a novel subject-specific strategy based on linear support vector machines to quantify motor cortical oscillatory frequency profiles that best predicted medication state. Motor cortical profiles differed substantially across individuals and showed consistency across multiple data folds. There was a linear relationship between classification accuracy and SDR of lower limb bradykinesia, although this relationship did not persist after multiple comparison correction, suggesting that combinations of spectral power features alone are insufficient to predict clinical state. Factor score analysis of therapeutic response and novel subject-specific machine learning approaches based on subject-specific neuroimaging provide tools to predict outcomes of therapies for PD.
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.