NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Ağrı, Parkinson hastalığının (PD) belirgin motor olmayan bir belirtisidir; Uyanık saatlerde çeşitli seviyelerde (yükselmiş veya azalmış) ortaya çıkabilir ve yaşam kalitesini önemli ölçüde azaltabilir. Subtalamik çekirdek (STN) sinyal analizi PD'yi anlamamızı önemli ölçüde ilerletse de, bilateral STN'nin rolleri, ilgili biyobelirteçler ve PD hastalarındaki ağrı seviyelerinin objektif olarak tanınması daha az anlaşılmıştır. Uyarlanabilir derin beyin stimülasyonu (DBS) sistemleri ile implante edilen PD hastalarından ikili STN sinyalleri kaydettik ve hastane içi iyileşme sırasında ağrı derecelendirme serileri topladık. Hastalar ameliyattan önce ağrı annotasyonları, yeri (spesifik veya spesifik olmayan) ve PD-bağlantısını ağrı ile (PD ile ilgili veya PD ile ilişkili olmayan) bilgilendirdi. Bir makine öğrenme modeli, altı hastanın sekiz ağrı anotlama serisinden, STN sinyallerinden türetilen özellikleri kullanarak, daha yüksek ve daha düşük ağrı durumlarını sınıflandırmak için eğitildi. STN aktivitesi, PD ile ilişkili ağrı grubundaki ağrı yoğunluğunu önemli ölçüde sınıflandırmıştır. Özellik analizi, her iki taraftan STN aktivitesinin ağrı sınıflandırmasını etkileyebileceğini, ipsilateral STN'deki gama ve beta bantlarının ve teta bantlarının belirgin bir rol sergileyebileceğini göstermiştir. Gözlemsel çalışmamız, ağrı durumlarının çözülmesi ve PD ile ilişkili ağrı ile bağlantılı STN biyobelirteçlerinin tanımlanması için yeni bir yaklaşım göstermektedir.
Özgün kaynak özetini okuyun
Pain is a prominent non-motor symptom of Parkinson's disease (PD); it may appear in various levels (elevated or diminished) during waking hours and substantially reduces quality of life. Although subthalamic nucleus (STN) signal analysis has dramatically advanced our comprehension of PD, the roles of bilateral STN, the relevant biomarkers, and objective recognition of the pain levels in PD patients remain less understood. We recorded bilateral STN signals from PD patients implanted with adaptive deep brain stimulation (DBS) systems and collected pain rating series during in-hospital recovery. Patients provided pain annotations prior to surgery that inform the location (specific or non-specific) and PD-association with pain (PD-related or non-PD-related). A machine learning model was trained to classify higher versus lower pain states, from the eight pain annotation series of the six patients, using features derived from STN signals. STN activity significantly classified the pain intensity in the PD-related pain group. Feature analysis indicated that STN activity from both sides can impact pain classification, with gamma and beta bands in the contralateral STN and delta and theta bands in the ipsilateral STN exhibiting a prominent role. Our observational study demonstrates a novel approach to decoding pain states and identifying STN biomarkers linked to PD-related pain.
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.