NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Manyetoensefalografinin non-invaziv kayıtları, hastalığın tüm seyri boyunca ölçülebilen Parkinson hastalığı ile ilişkili nöral değişiklikler için biyobelirteçler geliştirmek için kullanılmıştır. Ancak bu çalışmalar tutarsız bulgular vermiştir. Burada, büyük ölçekli beyin ağı aktivitesi bağlamında motor kortikal aktiviteyi analiz etmenin, manyetoensefalografi kullanarak Parkinson hastalığındaki değişikliklerin daha hassas bir işaretini sağlayıp sağlamadığını araştırdık. Parkinson hastalığı olan hastaların (N = 28) ve iyi eşleştirilmiş sağlıklı kontrollerin (N = 36) dinlenme durumu manyetoensefalografi taramalarından motor kortikal beta gücünü ve beta patlamalarını çıkardık. Beyin ağı bağlamlarındaki beta patlamalarını oturtmak için, beyin ağı aktivitesini çıkarmak için zaman gecikmeli gömülü gizli bir Markov modeli kullandık ve beyin ağları ile beta patlamaları arasındaki eş-olay modellerini araştırdık. Parkinson hastalığı motor kortikal güç spektrumunda beta gücünün azalması ile ilişkiliydi, ancak geleneksel bir beta-patlama analizi kullanıldığında motor kortikal beta-patlama dinamiklerinde önemli bir fark yoktu. Zaman gecikmeli gömülü gizli Markov modeli yaklaşımı ile çıkarılan büyük ölçekli bir sensorimotor ağın dinamiği, Parkinson hastalığı ile bu ağın oluşumunda önemli düşüşler ortaya koymuştur. Konvansiyonel patlama ve zaman gecikmeli gömülü gizli Markov model durum olaylarını karşılaştırarak, motor beta patlamalarının hem sensorimotor hem de sensorimotor olmayan ağ aktivasyonları sırasında meydana geldiğini gözlemledik. Sensorimotor ağ aktivasyonları sırasında aktif olan patlamalara odaklanmak için zaman gecikmeli gömülü gizli Markov modeli tarafından sağlanan büyük ölçekli ağ bilgilerini kullanırken, Parkinson hastalığı olan hastalarda patlama dinamiklerinde önemli düşüşler gözlenebilir. Sonuç olarak, bulgularımız Parkinson hastalığında motor kortikal beta gücünün azalmasının, manyetoensefalografi kullanılarak sensorimotor ağ dinamiklerindeki değişikliklerle belirgin bir şekilde ilişkili olduğunu göstermektedir. Bu nedenle, büyük ölçekli ağların araştırılması veya motor kortikal aktivasyonların geniş ölçekli ağ bağlamının dikkate alınması, Parkinson hastalığında yaygın olan ve literatürdeki çelişen bulguların çözülmesine yardımcı olabilecek sensorimotor ağdaki değişikliklerin tanımlanması için çok önemli olabilir.
Özgün kaynak özetini okuyun
Non-invasive recordings of magnetoencephalography have been used for developing biomarkers for neural changes associated with Parkinson's disease that can be measured across the entire course of the disease. These studies, however, have yielded inconsistent findings. Here, we investigated whether analysing motor cortical activity within the context of large-scale brain network activity provides a more sensitive marker of changes in Parkinson's disease using magnetoencephalography. We extracted motor cortical beta power and beta bursts from resting-state magnetoencephalography scans of patients with Parkinson's disease (N = 28) and well-matched healthy controls (N = 36). To situate beta bursts in their brain network contexts, we used a time-delay-embedded hidden Markov model to extract brain network activity and investigated co-occurrence patterns between brain networks and beta bursts. Parkinson's disease was associated with decreased beta power in motor cortical power spectra, but no significant differences in motor cortical beta-burst dynamics occurred when using a conventional beta-burst analysis. Dynamics of a large-scale sensorimotor network extracted with the time-delay-embedded hidden Markov model approach revealed significant decreases in the occurrence of this network with Parkinson's disease. By comparing conventional burst and time-delay-embedded hidden Markov model state occurrences, we observed that motor beta bursts occurred during both sensorimotor and non-sensorimotor network activations. When using the large-scale network information provided by the time-delay-embedded hidden Markov model to focus on bursts that were active during sensorimotor network activations, significant decreases in burst dynamics could be observed in patients with Parkinson's disease. In conclusion, our findings suggest that decreased motor cortical beta power in Parkinson's disease is prominently associated with changes in sensorimotor network dynamics using magnetoencephalography. Thus, investigating large-scale networks or considering the large-scale network context of motor cortical activations may be crucial for identifying alterations in the sensorimotor network that are prevalent in Parkinson's disease and might help resolve contradicting findings in the literature.
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.