SCIENTIFIC HUB

Araştırmanın izini sürün.

SCIENTIFIC LITERATURE · MED

Kortikal ve subkortikal alanların sınır karmaşıklığı Parkinson hastalığında derin beyin stimülasyonu sonuçlarını öngörür.

Boundary complexity of cortical and subcortical areas predicts deep brain stimulation outcomes in Parkinson's disease.

Makine çevirisi · Editoryal inceleme bekliyor

Nat Commun · 2025-07-01

DOI: 10.1038/s41467-025-60695-4PMID: 40595525

Open accessresearch-article; Journal ArticleKaynağa git ↗

Araştırma özeti

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

Derin beyin stimülasyonu (DBS) Parkinson hastalığı (PD) için etkili bir tedavi olmaya devam ederken, hasta sonuçlarındaki varyans kaynakları hala tam olarak anlaşılamamıştır ve daha iyi prognostik kriterlere ihtiyaç duyulmaktadır. Burada, rutin olarak T1 ağırlıklı (T1-w) manyetik rezonans görüntüleme (MRI) verilerini, hastaya özgü beyin yapısı ölçümlerini türetmek ve DBS'ye yanıt olarak PD ilaçlarındaki değişiklikleri tahmin etmedeki yararlılıklarını değerlendirmek için topladık. PD'li 231 hastadan preoperatif T1-w MRI verileri, kortikal ve subkortikal beynin yapısal karmaşıklıklarına duyarlı fraktal boyut (FD) bölgesel önlemlerini çıkarmak için kullanıldı. FD, PD ve sağlıklı kontroller (HCs) ile hastaların karşılaştırılması yoluyla PD ilerlemesinin biyobelirteç olarak doğrulandı. Bu analiz, FD'de, PD'nin bir belirteci olarak faydasını destekleyen frontal, oksipital, insular ve bazal gangliya bölgeleri de dahil olmak üzere dokuz beyin bölgesinde önemli grup farklılıkları ortaya koydu. Demografik ve klinik parametreleri (yaş, cinsiyet, toplam sayı ve DBS elektrotlarının yeri) içeren bir klinik modele görüntüleme özellikleri (FD) eklemenin etkisini ve levodopa karşı preoperatif motor tepkisini değerlendirdik. Bu model, varyansı açıklamayı ve DBS'den sonra ilaçtaki değişiklikleri tahmin etmeyi amaçladı. Regresyon analizi, dağıtılan beyin bölgelerinin FD'sinin ilaç yükündeki DBS sonrası azalmalarla ilişkili olduğunu ortaya koydu ve sonuç varyansının (R2 = 0.388) sadece klinik özelliklere kıyasla% 13,6'sını açıkladı (R2 = 0.252). Hypergraph tabanlı sınıflandırma öğrenme görevleri, alıcının karakteristik eğrisini yalnızca klinik özelliklerle tahmin ederken 0.64, klinik ve görüntüleme özelliklerini birleştirirken 0.76'ya karşı bir alan elde etti. Bu bulgular, PD'nin hastalık ilerlemesi ile bağlantılı beyin morfolojisi üzerindeki etkilerinin DBS sonuçlarını etkilediğini göstermektedir. Çalışma ayrıca FD'yi optimize edilmiş tedavi planlaması için DBS aday seçim kriterlerini geliştirmek için potansiyel olarak yararlı bir görüntüleme biyobelirteç olarak vurgulamaktadır.

Özgün kaynak özetini okuyun

While deep brain stimulation (DBS) remains an effective therapy for Parkinson's disease (PD), sources of variance in patient outcomes are still not fully understood, underscoring a need for better prognostic criteria. Here, we leveraged routinely collected T1-weighted (T1-w) magnetic resonance imaging (MRI) data to derive patient-specific measures of brain structure and evaluate their usefulness in predicting changes in PD medications in response to DBS. Preoperative T1-w MRI data from 231 patients with PD were used to extract regional measures of fractal dimension (FD), sensitive to the structural complexities of cortical and subcortical brain. FD was validated as a biomarker of PD progression through comparison of patients with PD and healthy controls (HCs). This analysis revealed significant group differences in FD across nine brain regions, including frontal, occipital, insular, and basal ganglia areas, which supports its utility as a marker of PD. We evaluated the impact of adding imaging features (FD) to a clinical model that included demographics and clinical parameters (age, sex, total number and location of DBS electrodes), and preoperative motor response to levodopa. This model aimed to explain variance and predict changes in medication following DBS. Regression analysis revealed that inclusion of the FD of distributed brain areas correlated with post-DBS reductions in medication burden, explaining an additional 13.6% of outcome variance (R2 = 0.388) compared to clinical features alone (R2 = 0.252). Hypergraph-based classification learning tasks achieved an area under the receiver operating characteristic curve of 0.64 when predicting with clinical features alone, versus 0.76 when combining clinical and imaging features. These findings demonstrate that PD effects on brain morphology linked to disease progression influence DBS outcomes. The work also highlights FD as a potentially useful imaging biomarker to enhance DBS candidate selection criteria for optimized treatment planning.

Bilimsel değerlendirme

01

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

02

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

03

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

04

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.