基于任务态脑电动态熵分析的帕金森病神经机制与进展标志物研究

为解决帕金森病(PD)患者认知-运动功能障碍的神经机制问题，研究人员通过分析健康对照组(HC)、PD患者及步态冻结型PD患者(PDFOG)在下肢踏车任务中的脑电(EEG)动态熵特征，发现患者组额叶-顶叶区排列熵降低与枕叶-左额叶熵变异性减弱，据此构建的分类模型对PDFOG的识别准确率达96.15%，为PD进展监测提供了新型动态熵分析框架。

　　

揭开大脑在行为调控中的动态适应机制，对理解神经系统疾病至关重要。帕金森病(PD)患者由于神经机制紊乱，常表现出运动协调障碍和高级认知功能受损。这项创新性研究通过下肢踏车任务，首次系统比较了健康人群(HC)、PD患者及伴步态冻结症状患者(PDFOG)的脑电(EEG)信号动态熵特征。

研究团队采用双重分析策略：既考察排列熵(Permutation Entropy)的平均变化，又分析Vasicek熵变异性的动态特征。结果令人瞩目——所有PD患者组在额叶和顶叶皮层均表现出显著的熵值降低，这可能是信息处理异常导致认知适应能力衰退的神经标志。更值得注意的是，枕叶和左额叶区域的熵变异性在PD群体中明显减弱，暗示着神经元资源动态调配能力的进行性下降。

研究者进一步构建了线性判别分析(LDA)和支持向量机(SVM)分类模型，发现基于熵特征构建的诊断模型对PDFOG患者的识别准确率高达96.15%。这项研究建立的动态熵分析框架，不仅揭示了PD患者在任务执行中神经复杂度的微妙变化，更为疾病进展监测提供了超越静息态分析的新视角。该成果对理解认知信息处理的维持机制及其在运动-认知双重任务下的动态响应具有重要临床价值。