NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İnsanlar vizyona hakim bir türdür; algıladığımız şey nereye baktığımıza bağlıdır. Bu nedenle, göz hareketleri (EM'ler) çevreyle olan etkileşimlerimiz için gereklidir ve deneysel bulgular EM'lerin nörodejeneratif bozukluklarda (ND) etkilendiğini göstermektedir. Bu, ND'deki bazı bilişsel ve hareket bozukluklarının bir nedeni olabilir. Bu nedenle, EM tarafından uyarılmış yanıtlardaki değişikliklerin bize Alzheimer (AD) ve Parkinson hastalıkları (PD) gibi ND'nin farklı aşamalardaki ilerleyişini anlatıp anlatamayacağını belirlemeyi amaçlıyoruz. Bu incelemede, makine öğrenimi (ML) yöntemleriyle hastalık ilerlemesini tahmin etmek için psikolojik, nörolojik ve EM (sakkadeler, antisakkadeler, takip) testlerinin sonuçlarını analiz ettik. ML algoritmaları sayesinde, yüksek boyutlu parametre uzayından, ND mekanizmalarına dair içgörüler veren ND semptomlarıyla ilgili önemli EM değişiklikleri bulabildik. Tanımlanan tahmin algoritmaları, granüler hesaplama, Naive Bayes, Karar Ağaçları / Masaları, lojistik regresyon, C- / Linear SVC, KNC ve Random Forest gibi çeşitli yaklaşımları kullanır. EM'nin PD ve AD'deki semptom ilerlemesini değerlendirmek için sağlam bir biyobelirteç olduğunu gösterdik. Her iki hastalıkta da 3D uzayda navigasyon problemleri vardır. Sonuç olarak, sanal alandaki EM deneylerini ve nörodejenerasyonla ilgili beyin değişikliklerini, örneğin yer veya / ve oryantasyon problemleriyle ilgili olarak bulmaya nasıl yardımcı olabileceklerini araştırdık. Sonuç olarak, klinik semptomlara sahip EM parametreleri, ML yardımıyla ND ilerlemesi tahminlerine ek olarak, her iki hastalığın farklı preklinik aşamalarını belirtmek için kullanılabilen güçlü hassas araçlardır.
Özgün kaynak özetini okuyun
Humans are a vision-dominated species; what we perceive depends on where we look. Therefore, eye movements (EMs) are essential to our interactions with the environment, and experimental findings show EMs are affected in neurodegenerative disorders (ND). This could be a reason for some cognitive and movement disorders in ND. Therefore, we aim to establish whether changes in EM-evoked responses can tell us about the progression of ND, such as Alzheimer's (AD) and Parkinson's diseases (PD), in different stages. In the present review, we have analyzed the results of psychological, neurological, and EM (saccades, antisaccades, pursuit) tests to predict disease progression with machine learning (ML) methods. Thanks to ML algorithms, from the high-dimensional parameter space, we were able to find significant EM changes related to ND symptoms that gave us insights into ND mechanisms. The predictive algorithms described use various approaches, including granular computing, Naive Bayes, Decision Trees/Tables, logistic regression, C-/Linear SVC, KNC, and Random Forest. We demonstrated that EM is a robust biomarker for assessing symptom progression in PD and AD. There are navigation problems in 3D space in both diseases. Consequently, we investigated EM experiments in the virtual space and how they may help find neurodegeneration-related brain changes, e.g., related to place or/and orientation problems. In conclusion, EM parameters with clinical symptoms are powerful precision instruments that, in addition to their potential for predictions of ND progression with the help of ML, could be used to indicate the different preclinical stages of both diseases.
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.