NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
(1) Arka plan. Göz hareketi anormallikleri, hem motor hem de bilişsel işlev bozukluğunu yansıtan Parkinson hastalığının (PD) erken biyobelirteçleri olarak giderek daha fazla tanınmaktadır. Göz izleme teknolojisindeki gelişmeler, sakadik bozuklukların objektif, ölçülebilir ölçütlerini, fiksasyon istikrarsızlığını, düzgün takip açıklarını ve göz bebekleri değişikliklerini sağlar. Bu gelişmeler erken teşhis, hastalık izleme ve nörorehabilitasyon için yeni fırsatlar sunmaktadır. (2) Amaç. Bu anlatı incelemesi, klinik ve araştırma ortamlarında göz takibinin potansiyel uygulamalarını vurgulayan oculomotor disfonksiyon ve PD patofizyolojisi arasındaki ilişkiyi araştırır. (3) Yöntemler. PD'deki göz hareketi disfonksiyonunu inceleyen hakemli çalışmalara odaklanan kapsamlı bir literatür incelemesi yapıldı. İlgili yayınlar PubMed, Scopus ve Web of Science aracılığıyla "Parkinson hastalığında göz hareketleri", "sakadik kontrol ve nörodejenerasyon", "PD'de sabitlenme istikrarsızlığı" ve "bilişsel değerlendirme için göz izleme" gibi anahtar terimler kullanılarak tanımlanmıştır. Makine öğrenimi (ML) modellerini ve VR tabanlı müdahaleleri birleştiren çalışmalar da dahil edildi. (4) Sonuçlar. PD'li hastalar, hipometrik sakadalar, uzun süreli sakadik gecikmeler ve artan anti-sakada hataları da dahil olmak üzere belirgin sakadik anormallikler sergilerler. Bu bozukluklar yönetici işlev bozukluğu ve hastalık ilerlemesi ile ilişkilidir. Sabitleme kararsızlığı ve değişen göz bebekleri yanıtları, invazif olmayan biyobelirteçler olarak oculomotor metriklerin rolünü daha da desteklemektedir. Gelişmekte olan AI güdümlü göz izleme modelleri otomatik PD tanısı ve ilerleme takibi için umut vadediyor. (5) Sonuç. Göz izleme, erken PD tespiti, bilişsel değerlendirme ve rehabilitasyon için güvenilir, uygun maliyetli bir araç sağlar. Gelecekteki araştırmalar, klinik protokolleri standartlaştırmaya, öngörüsel AI modellerini doğrulamaya ve göz takibini multimodal tedavi stratejilerine entegre etmeye odaklanmalıdır.
Özgün kaynak özetini okuyun
(1) Background. Eye movement abnormalities are increasingly recognized as early biomarkers of Parkinson's disease (PD), reflecting both motor and cognitive dysfunction. Advances in eye-tracking technology provide objective, quantifiable measures of saccadic impairments, fixation instability, smooth pursuit deficits, and pupillary changes. These advances offer new opportunities for early diagnosis, disease monitoring, and neurorehabilitation. (2) Objective. This narrative review explores the relationship between oculomotor dysfunction and PD pathophysiology, highlighting the potential applications of eye tracking in clinical and research settings. (3) Methods. A comprehensive literature review was conducted, focusing on peer-reviewed studies examining eye movement dysfunction in PD. Relevant publications were identified through PubMed, Scopus, and Web of Science, using key terms, such as "eye movements in Parkinson's disease", "saccadic control and neurodegeneration", "fixation instability in PD", and "eye-tracking for cognitive assessment". Studies integrating machine learning (ML) models and VR-based interventions were also included. (4) Results. Patients with PD exhibit distinct saccadic abnormalities, including hypometric saccades, prolonged saccadic latency, and increased anti-saccade errors. These impairments correlate with executive dysfunction and disease progression. Fixation instability and altered pupillary responses further support the role of oculomotor metrics as non-invasive biomarkers. Emerging AI-driven eye-tracking models show promise for automated PD diagnosis and progression tracking. (5) Conclusions. Eye tracking provides a reliable, cost-effective tool for early PD detection, cognitive assessment, and rehabilitation. Future research should focus on standardizing clinical protocols, validating predictive AI models, and integrating eye tracking into multimodal treatment strategies.
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.