NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Alzheimer ve Parkinson Hastalığı gibi nörodejeneratif hastalıklar, yaşlanan nüfus için önemli bir sağlık yükü oluşturmaktadır. Giyilebilir cihazlardan elde edilen yapısal MRI beyin parametreleri ve ivmeölçer verilerinin bu hastalıklar için yararlı öngörücüler olduğu kanıtlanmıştır, ancak önceki literatürde ayrı ayrı incelenmiştir. Bu çalışma, ivmeölçer verileri ve MRI beyin parametrelerinin bir kombinasyonunun Alzheimer ve Parkinson hastalığının tespitini ve prognozunu iyileştirip iyileştiremeyeceğini belirlemeyi amaçlamaktadır. Bu hipotezi test etmek için, görüntüleme ve ivmeölçerlik verilerinin Birleşik Krallık Biyobank'tan uzunlamasına takip ile yakalanması sırasında nörodejeneratif hastalıktan arındırılmış 19.793 katılımcıdan oluşan bir kohort türetilmiştir. İlgili yapısal MRI beyin parametreleri, giyilebilir cihazlardan toplanan ivmeölçer verileri, standart polijenik risk skorları ve yaşam tarzı bilgileri elde edildi. Katılımcılar arasında nörodejeneratif hastalıkların daha sonraki gelişimi kaydedildi (ortalama takip süresi 5.9 yıl), pozitif vakalar görüntülemeden en az bir yıl sonra teşhis edilenler olarak tanımlandı. Nörodejeneratif hastalığın gelişimi için tahmin modelleri oluşturmak için bir makine öğrenme algoritması (XGBoost) kullanıldı. Yapısal MRI beyin parametreleri, ivmeölçer verileri, PRS ve yaşam tarzı bilgileri de dahil olmak üzere tüm faktörlerden oluşan bir tahmin modeli, test edilen tüm modellerden en yüksek AUC değerini (0.819) elde etti. MRG beyin parametrelerini hariç tutan bir model, en düşük AUC değerini (0.688) elde etti. Özellik önemi analizleri, 20 en önemli özelliğin 18'inin yapısal MRI beyin parametreleri olduğunu, 2'sinin ise ivmeölçer verilerinden elde edildiğini ortaya koydu. Çalışmamız, yapısal MRI beyin parametrelerini, nörodejeneratif hastalıkların insidansını tahmin etmek için giyilebilir cihazlardan gelen ivmeölçer verileriyle birleştirmenin potansiyel yararını göstermektedir. Bu çalışma sonuçlarını doğrulamak ve çeşitli nörodejeneratif hastalıklar için öngörüsel yetenek farklılıkları aramak için farklı popülasyonlar arasında gelecekteki prospektif çalışmalar yapılmalıdır.
Özgün kaynak özetini okuyun
Neurodegenerative diseases, such as Alzheimer's and Parkinson's Disease, pose a significant healthcare burden to the aging population. Structural MRI brain parameters and accelerometry data from wearable devices have been proven to be useful predictors for these diseases but have been separately examined in the prior literature. This study aims to determine whether a combination of accelerometry data and MRI brain parameters may improve the detection and prognostication of Alzheimer's and Parkinson's disease, compared with MRI brain parameters alone. A cohort of 19,793 participants free of neurodegenerative disease at the time of imaging and accelerometry data capture from the UK Biobank with longitudinal follow-up was derived to test this hypothesis. Relevant structural MRI brain parameters, accelerometry data collected from wearable devices, standard polygenic risk scores and lifestyle information were obtained. Subsequent development of neurodegenerative diseases among participants was recorded (mean follow-up time of 5.9 years), with positive cases defined as those diagnosed at least one year after imaging. A machine learning algorithm (XGBoost) was employed to create prediction models for the development of neurodegenerative disease. A prediction model consisting of all factors, including structural MRI brain parameters, accelerometry data, PRS, and lifestyle information, achieved the highest AUC value (0.819) out of all tested models. A model that excluded MRI brain parameters achieved the lowest AUC value (0.688). Feature importance analyses revealed 18 out of 20 most important features were structural MRI brain parameters, while 2 were derived from accelerometry data. Our study demonstrates the potential utility of combining structural MRI brain parameters with accelerometry data from wearable devices to predict the incidence of neurodegenerative diseases. Future prospective studies across different populations should be conducted to confirm these study results and look for differences in predictive ability for various types of neurodegenerative 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.