Baseline cerebral structural morphology predict freezing of gait in early drug-naïve Parkinson's disease.

Araştırma özeti

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

Yürüyüşün dondurulması (FOG), Parkinson hastalığı (PD) olan hastaların günlük yaşamlarını büyük ölçüde etkiler. Bununla birlikte, erken PD'deki FOG tahminleri sınırlıdır. Dahası, PD'deki serebral morfolojik değişikliklerin son nörogörüntüleyici kanıtları heterojendir. FOG'un ortaya çıkışını makine öğrenimi kullanarak tahmin edebilecek, erken ilaç-naif PD'nin klinik, laboratuvar ve serebral yapısal görüntüleme bilgileriyle işbirliği yaparak ve erken PD'de serebral morfolojideki değişiklikleri araştırabilecek bir model geliştirmeyi amaçladık. 73 sağlıklı kontrol (HCs) ve 158 erken ilaç-naif PD hastalarından elde edilen veriler Parkinson'un İlerleme İşaretçileri Girişimi kohortundan elde edildi. CIVET boru hattı, T1 ağırlıklı görüntüleme (T1WI) ile yapısal morfolojik özellikler üretmek için kullanıldı. 5 yıllık bir takip döneminde gelecekteki FOG'nun erken PD'deki tahmin performansını değerlendirmek için beş makine öğrenme algoritması hesaplandı. Yapısal morfolojik özelliklerle eğitilmiş modellerin iyi performansa adil olduğunu gördük (doğruluk aralığı, 0.67-0.73). Klinik ve laboratuvar verileri eklendiğinde performans iyileşti (doğruluk aralığı, 0.71-0.78). Makine öğrenme algoritmaları için elastik net destek vektör makinesi modelleri (doğruluk aralığı, 0.69-0.78) en iyi performansı gösterdi. Elastik net destek vektör makinesi modellerine dayanan FOG'yu tahmin etmek için kullanılan ana özellikler, esas olarak sol serebrumda dağıtılan yapısal morfolojik özelliklerdi. Dahası, bilateral olfaktör korteks (OLF) PD hastalarında HC'lere göre önemli ölçüde daha yüksek bir yüzey alanı göstermiştir. Genel olarak, T1WI morfometrik belirteçlerin, bireysel düzeyde erken ilaç-naif PD olan hastalarda gelecekteki FOG oluşumunu tahmin etmeye yardımcı olduğunu bulduk. OLF, erken PD'de ağırlıklı olarak kortikal genişleme gösterir.

Özgün kaynak özetini okuyun

Freezing of gait (FOG) greatly impacts the daily life of patients with Parkinson's disease (PD). However, predictors of FOG in early PD are limited. Moreover, recent neuroimaging evidence of cerebral morphological alterations in PD is heterogeneous. We aimed to develop a model that could predict the occurrence of FOG using machine learning, collaborating with clinical, laboratory, and cerebral structural imaging information of early drug-naïve PD and investigate alterations in cerebral morphology in early PD. Data from 73 healthy controls (HCs) and 158 early drug-naïve PD patients at baseline were obtained from the Parkinson's Progression Markers Initiative cohort. The CIVET pipeline was used to generate structural morphological features with T1-weighted imaging (T1WI). Five machine learning algorithms were calculated to assess the predictive performance of future FOG in early PD during a 5-year follow-up period. We found that models trained with structural morphological features showed fair to good performance (accuracy range, 0.67-0.73). Performance improved when clinical and laboratory data was added (accuracy range, 0.71-0.78). For machine learning algorithms, elastic net-support vector machine models (accuracy range, 0.69-0.78) performed the best. The main features used to predict FOG based on elastic net-support vector machine models were the structural morphological features that were mainly distributed in the left cerebrum. Moreover, the bilateral olfactory cortex (OLF) showed a significantly higher surface area in PD patients than in HCs. Overall, we found that T1WI morphometric markers helped predict future FOG occurrence in patients with early drug-naïve PD at the individual level. The OLF exhibits predominantly cortical expansion in early 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.