NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planNeuronal salınımlar Parkinson hastalığının semptomlarıyla bağlantılıdır. Bu ilişki, derin beyin stimülasyonunu (DBS) optimize etmek için, örneğin bir cihazı veya insanı, stimülasyonun en uygun yeri, zamanı ve yoğunluğu hakkında bilgilendirerek kullanılabilir. Osilasyonların bireysel DBS sonucunu tahmin edip etmediği şu ana kadar net değildir.ObjectiveTo subthalamic güç ve subthalamo-kortikal koherens motor semptom iyileştirmesini tahmin etmek.MethodsWe eşzamanlı olarak kaydedilen manyetoensefalografi ve Parkinson hastalığı olan 36 hastadan yerel alan potansiyel verilerine makine öğrenme teknikleri uyguladık. Gradyan destekli ağaç öğrenimi, örnek dışı tahminler üretmek ve anlamak için özellik önemi analizi ile birlikte uygulandı.SonuçlarDoğru tahminler yapmak için birkaç özellik yeterli oldu. Örneğin, beş tutarlılık özelliği üzerinde çalışan bir model, gerçek ve öngörülen sonuçlar arasında r> 0.8 korelasyonları elde etti. Tutarlılık, subtalamik güçten daha az özellikte daha fazla bilgi içeriyordu, ancak genel olarak bilgi içeriği karşılaştırılabilirdi. Her iki sinyal de en iyi akinesia / rijitlik azalmasını öngörüyordu. En önemli yerel özellik, subtalamik yüksek beta gücü (20-35 Hz) idi. En önemli bağlantı özellikleri, çok yüksek frekans bandında (> 200 Hz) subthalamo-parietal koherens ve düşük gamma bandında (36-60 Hz) subthalamo-parietal koherens idi. Başarılı tahmin, nöronal salınımlardan hedef veya semptom şiddetine olan mesafeyi belirleyen modelden kaynaklanmamıştır.Bu çalışma, nöronal salınımların DBS sonucunun tahmincisi olduğunu ilk kez göstermektedir. Subtalamik ve parietal salınımlar arasındaki tutarlılık özellikle bilgilendiricidir. Bu sonuçlar, bazal gangliya-korteks döngülerindeki ara-areal senkronizasyonun klinik önemini vurgulamaktadır ve gelecekte DBS'nin daha da geliştirilmesini kolaylaştırabilir.
Özgün kaynak özetini okuyun
BackgroundNeuronal oscillations are linked to symptoms of Parkinson's disease. This relation can be exploited for optimizing deep brain stimulation (DBS), e.g. by informing a device or human about the optimal location, time and intensity of stimulation. Whether oscillations predict individual DBS outcome is not clear so far.ObjectiveTo predict motor symptom improvement from subthalamic power and subthalamo-cortical coherence.MethodsWe applied machine learning techniques to simultaneously recorded magnetoencephalography and local field potential data from 36 patients with Parkinson's disease. Gradient-boosted tree learning was applied in combination with feature importance analysis to generate and understand out-of-sample predictions.ResultsA few features sufficed for making accurate predictions. A model operating on five coherence features, for example, achieved correlations of r > 0.8 between actual and predicted outcomes. Coherence comprised more information in less features than subthalamic power, although in general their information content was comparable. Both signals predicted akinesia/rigidity reduction best. The most important local feature was subthalamic high-beta power (20-35 Hz). The most important connectivity features were subthalamo-parietal coherence in the very high frequency band (>200 Hz) and subthalamo-parietal coherence in low-gamma band (36-60 Hz). Successful prediction was not due to the model inferring distance to target or symptom severity from neuronal oscillations.ConclusionThis study demonstrates for the first time that neuronal oscillations are predictive of DBS outcome. Coherence between subthalamic and parietal oscillations are particularly informative. These results highlight the clinical relevance of inter-areal synchrony in basal ganglia-cortex loops and might facilitate further improvements of DBS in the future.
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.