利用因果连接性对帕金森病结局进行纵向预后预测
神经元与认知
2022-06-23 v1
摘要
帕金森病（PD）是一种运动障碍，也是第二常见的神经退行性疾病，但尽管其相对常见，目前尚无临床认可的神经影像生物标志物来进行预后预测或区分相似的非典型神经退行性疾病——多系统萎缩和进行性核上性麻痹。先前已表明，包括运动回路和基底节在内的回路中的异常连接是神经退行性的早期标志。因此，我们假定全脑区域间连接障碍的组合模式可用于构建PD疾病状态和进展的患者特异性预测模型。这些模型采用从无创测量的功能MRI计算得到的连接性，可区分PD与非典型类似疾病，在疾病特异性量表上预测进展，并预测认知衰退。此外，我们识别了对于进展和诊断最具信息量的连接。在预测运动障碍学会修订的统一帕金森病评分量表（MDS-UPDRS）和蒙特利尔认知评估（MoCA）的一年进展时，预测的平均绝对误差分别达到1.8和0.6个基点。在区分特发性PD与类似疾病及健康对照时，获得了0.68的平衡准确率。我们还发现了与预后和诊断任务强相关的网络成分，特别是包含了深核团、运动区和丘脑内的连接。这些预测使用了大多数临床环境中易获取的一种MRI模态，展示了fMRI连接性作为帕金森病预后生物标志物的强大潜力。
引用
@article{arxiv.2206.10700,
title = {Longitudinal Prognosis of Parkinsons Outcomes using Causal Connectivity},
author = {Cooper J. Mellema and Kevin P. Nguyen and Alex Treacher and Aixa Andrade Hernandez and Albert A. Montillo},
journal= {arXiv preprint arXiv:2206.10700},
year = {2022}
}