基于跨物种多区域感知框架的晚期帕金森病运动波动精准预测研究

《npj Parkinson's Disease》：Precision prediction of motor fluctuations in advanced Parkinson’s disease via multiregional neural sensing

　　

摘要

精确预测运动波动对于晚期帕金森病（PD）的管理至关重要。然而，目前的单一区域生物标志物由于与神经网络层面的病理生理学不匹配，其预测能力较差。本研究提出了一种可跨物种应用的多区域感知框架，能够同时记录啮齿动物模型中八个皮层-基底节-丘脑-皮层（CBGT）回路枢纽的信号。针对开放型临床场景定制的分层损失优化多层感知器（H-Lo-MLP）表明，这种分布式CBGT振荡模式的预测性能显著优于单一区域生物标志物。H-Lo-MLP的预测准确率接近90%，远高于基于阈值的方法（约50%），并且在不同疾病进展阶段和多巴胺调节情况下都具有很强的泛化能力。通过对所有255种区域组合的系统性评估，发现初级运动皮层（M1）和背侧纹状体是关键的判别性枢纽，并发现了一种简约的四区域配置方案，该方案在保持接近最优预测性能的同时，将手术侵入性降至最低。在一种非人类灵长类动物中的跨物种概念验证实验中，再次证实了M1的关键作用，并展示了通过单个线性电极实现多区域同步监测的可行性。这些发现确立了神经网络层感知作为一种临床可行的方法，用于精确预测运动波动，克服了传统深度脑刺激技术的局限性。通过验证一种可通过手术实现的跨物种网络感知方法，本研究弥合了神经回路层面病理生理学与临床应用之间的差距。