基于皮层的纵向空间贝叶斯 GLM 揭示 ALS 中运动神经退行的复杂轨迹
应用统计
2021-10-05 v1
摘要
纵向 fMRI 数据集在神经退行性疾病研究中极具潜力，但实现其潜力取决于随时间准确提取个体基于 fMRI 的脑测量。对于罕见、异质和/或快速进展的疾病尤其如此，这类疾病常涉及小样本，其功能特征在受试者和时间上可能差异巨大，使得传统的组间差异分析效用有限。ALS 即这样一种疾病，它导致极端运动功能丧失并最终死亡。在此，我们分析了一个丰富的纵向数据集，包含来自 16 名 ALS 患者和 22 名年龄匹配健康对照（HCs）的 190 次运动任务 fMRI 扫描。我们提出了一种新颖的纵向扩展方法，用于我们的皮层表面空间贝叶斯 GLM，该方法在检测个体激活时具有高功效与高精度。随后使用一系列纵向混合效应模型研究激活与疾病进展的关系，我们观察到倒 U 形轨迹：在相对轻度残疾时观察到激活扩大，而在较高残疾时观察到激活严重减弱，反映向完全运动功能丧失的进展。我们观察到取决于临床进展速率的不同轨迹，快速进展者表现出更极端的过度激活及随后的低激活。这些差异轨迹表明初始过度激活可能归因于抑制性神经元的丧失。相比之下，较早采用更有限采样设计及传统组间差异分析方法的研究仅能观察到初始过度激活，并假定其源于补偿过程。本研究提供了基于表面的空间贝叶斯建模如何推进神经退行性疾病科学理解的首个例证。
引用
@article{arxiv.2110.01510,
title = {Longitudinal surface-based spatial Bayesian GLM reveals complex trajectories of motor neurodegeneration in ALS},
author = {Amanda F. Mejia and Vincent Koppelmans and Laura Jelsone-Swain and Sanjay Kalra and Robert C. Welsh},
journal= {arXiv preprint arXiv:2110.01510},
year = {2021}
}