NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD) için yaygın olarak kullanılan derin beyin stimülasyonu (DBS) optimize edildiğinde belirgin klinik faydalar sağlar. Bununla birlikte, çok sayıda olası uyarım ayarlarının (yani programlamanın) değerlendirilmesi çok sayıda klinik ziyaret gerektirir. Burada, fonksiyonel manyetik rezonans görüntülemenin (fMRI) bireysel hastalar için optimal uyarım ayarlarını tahmin etmek için kullanılıp kullanılamayacağını inceliyoruz. Optimal ve optimal olmayan stimülasyon ayarlarını kullanarak 67 PD hastasında gözlemsel bir çalışmanın parçası olarak elde edilen 3 T fMRI verisini analiz ediyoruz. Klinik olarak optimal stimülasyon, motor devresinin tercihli nişanlanmasıyla işaretlenmiş karakteristik bir fMRI beyin yanıt deseni üretir. Ardından, a priori klinik olarak optimize edilmiş DBS'li (%88 doğruluk) 39 PD hastanın fMRI modellerini kullanarak optimal ve optimal olmayan ayarları öngören bir makine öğrenme modeli oluşturuyoruz. Model, görünmeyen veri kümelerinde optimal uyarım ayarlarını öngörür: a priori klinik olarak optimize edilmiş ve uyarılma-naif PD hastaları. PD hastalarında fMRI beyin yanıtlarının klinik yanıtın objektif bir biyobelirteçini temsil edebileceğini öne sürüyoruz. Ek çalışmalarla daha fazla onay aldıktan sonra, bu bulgular fonksiyonel görüntüleme destekli DBS programlamasına kapı açabilir.
Özgün kaynak özetini okuyun
Commonly used for Parkinson's disease (PD), deep brain stimulation (DBS) produces marked clinical benefits when optimized. However, assessing the large number of possible stimulation settings (i.e., programming) requires numerous clinic visits. Here, we examine whether functional magnetic resonance imaging (fMRI) can be used to predict optimal stimulation settings for individual patients. We analyze 3 T fMRI data prospectively acquired as part of an observational trial in 67 PD patients using optimal and non-optimal stimulation settings. Clinically optimal stimulation produces a characteristic fMRI brain response pattern marked by preferential engagement of the motor circuit. Then, we build a machine learning model predicting optimal vs. non-optimal settings using the fMRI patterns of 39 PD patients with a priori clinically optimized DBS (88% accuracy). The model predicts optimal stimulation settings in unseen datasets: a priori clinically optimized and stimulation-naïve PD patients. We propose that fMRI brain responses to DBS stimulation in PD patients could represent an objective biomarker of clinical response. Upon further validation with additional studies, these findings may open the door to functional imaging-assisted DBS programming.
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.