NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka planParkinson hastalığı, hafif bilişsel bozukluk olarak ortaya çıkabilen motor semptomlar ve bilişsel düşüş içeren bir hareket bozukluğudur. Hafif bilişsel bozukluk insidansı hastalık ilerlemesiyle birlikte artar ve Parkinson hastalığı önemli bir sakatlığa neden olabilir, bu nedenle Parkinson hastalığının tanımlanması ve Parkinson hastalığında hafif bilişsel bozukluk zorunludur. Nörogörüntüleme ve biyoakışkan biyobelirteçler ayrı ayrı incelenmiştir, ancak araştırmalar biyobelirteçlerin birleştirilmesinin tespiti iyileştirebileceğini göstermektedir.ObjektiflerNeurogörüntüleme ve biyoakışkan biyobelirteçlerin bir kombinasyonunun Parkinson hastalığının ve hafif bilişsel bozukluğun daha etkili bir şekilde tanımlanmasına neden olup olmayacağını makine öğrenimi kullanarak araştırmayı amaçladık.Hem Parkinson'un Progression Markers Girişimi veri setini değiştirerek, iki farklı makine öğrenme yaklaşımı uyguladık. Genel olarak, Parkinson hastalığını tespit etme modellerinde, DaT-SPECT biyoakışkan biyobelirteçlerden daha iyi performans gösterdi. Hafif bilişsel bozukluğu olan Parkinson hastalığı hastalarını tespit etme modellerinde, DaT-SPECT'i fosforile-tau-181 ile birleştirmek, daha yüksek doğrulukla sonuçlandı, tek başına DaT-SPECT'i geride bıraktı. Parkinson hastalığı ve hafif bilişsel bozukluk için KonvansiyonlarParkinson hastalığı için sınıflandırma, makine öğrenme modelleri aracılığıyla nörogörüntülemeyi biyoakışkan biyobelirteçlerle birleştirerek geliştirilebilir.
Özgün kaynak özetini okuyun
BackgroundParkinson's disease is a movement disorder featuring motor symptoms and cognitive decline, which can manifest as mild cognitive impairment. The incidence of mild cognitive impairment increases with disease progression, and Parkinson's disease can cause significant disability, therefore, identification of Parkinson's disease and mild cognitive impairment in Parkinson's disease is imperative. Neuroimaging and biofluid biomarkers have been studied separately, however, research suggests that combining biomarkers may improve detection.ObjectivesWe aimed to investigate using machine learning whether a combination of neuroimaging and biofluid biomarkers would result in more effective identification of Parkinson's disease and mild cognitive impairment.MethodsUtilizing the Parkinson's Progression Markers Initiative dataset, we applied two different machine learning approaches, support vector machine and random forest, to explore combinations of neuroimaging and cerebrospinal fluid biomarkers for detection.ResultsOverall, both machine learning techniques had an equivalent performance. In general, in those models for detecting Parkinson's disease, DaT-SPECT performed better than biofluid biomarkers. In models for detecting Parkinson's disease patients with mild cognitive impairment, combining DaT-SPECT with phosphorylated-tau-181 resulted in higher accuracy, outperforming DaT-SPECT alone.ConclusionsClassification for Parkinson's disease and mild cognitive impairment may be improved by combining neuroimaging with biofluid biomarkers through machine learning models.
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.