NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
GirişBu çalışma, Parkinson hastalığı olan hastalarda beyin yaşını tahmin etmek için bir model oluşturmak için beyin yaşlanmasını değerlendirmek için görüntülemenin kullanımını araştırıyor. 345 sağlıklı bireyden MetodlarYapısal beyin MR verileri IXI veritabanından elde edilirken, 59 Parkinson hastasından ve 59 sağlıklı kontrolden elde edilen veriler PPMI veritabanından elde edildi. Tüm beyin, korteks, alt korteks ve beyaz madde hakkındaki bilgiler de dahil olmak üzere toplam 1214 yapısal gösterge çıkarıldı. Bu, Parkinson hastalarında beyin yaşını tahmin etmek için bir modelin geliştirilmesine yol açtı. Model, beyin görüntüleme özelliklerini bir makine öğrenme algoritması ve Shapley Additive Explations (SHAP) yorumlama modeli ile birleştirdi. Parkinson'un beyin yaşlanmasıyla en yakından ilişkili on beş karakteristik gösterge belirlendi.Sonuçlar4.21 yıl içinde beyin yaşlanmasını değerlendirmek için minimum ortalama mutlak hata kullanan XGBoost modeli + SHAP yöntem çerçevesi, Parkinson hastalığı olan hastalarda beyin yaşını tahmin etmede etkili oldu. Üstün temporal katlama indeksi ve subkortikal gri madde hacmi, sol talamus hacmi ve sol ve sağ vasküler hacimler tahmin sonuçları üzerinde en önemli etkiye sahipti, Parkinson hastalarında beyin yaşlanmasının kapsamını değerlendirmek için klinik göstergeler olarak potansiyellerini öne sürdü.Bu bulgular, beyin yaşlanmasının altında yatan mekanizmaların yanı sıra Parkinson hastalığının erken teşhisi ve tedavisi için beyin görüntüleme kanıtlarını anlamak için önemli ipuçları sağlar.
Özgün kaynak özetini okuyun
IntroductionThis study explores the use of imaging to evaluate brain aging to establish a model for predicting brain age in patients with Parkinson's disease.MethodsStructural brain MRI data from 345 healthy individuals were obtained from the IXI database, while data from 59 Parkinson's patients and 59 healthy controls were acquired from the PPMI database. A total of 1214 structural indicators were extracted, including information on the whole brain, cortex, subcortex, and white matter. This led to the development of a model for predicting brain age in Parkinson's patients. The model combined brain imaging features with a machine learning algorithm and the Shapley Additive Explanations (SHAP) interpretation model. Fifteen characteristic indicators most closely associated with Parkinson's brain aging were determined.ResultsThe XGBoost model + SHAP method framework, using the minimum mean absolute error for assessing brain aging within 4.21 years, was effective in predicting brain age in patients with Parkinson's disease. The superior temporal folding index and subcortical gray matter volume, left thalamus volume, and left and right vascular volumes had the most significant impact on the prediction results, suggesting their potential as clinical indicators for evaluating the extent of brain aging in Parkinson's patients.DiscussionThese findings provide important clues for understanding the mechanisms underlying brain aging, as well as brain imaging evidence for the early diagnosis and treatment of Parkinson's disease.
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.