問醫生 找醫院 查疾病 癥狀自查 藥品通 快應用

Brain:機器學習有多厲害?它能更好地預測中風后的結局!

2021-08-31 06:33:07梅斯醫學
核心提示:中風是導致長期殘疾的主要原因。

中風是導致長期殘疾的主要原因。僅在歐洲,每年有超過150萬的新病例;不到15%的患者實現了完全康復,剩下370萬患者仍有持續的損傷。為了應對日常臨床實踐中的這些挑戰,有必要加強對個人康復過程的理解和預測。

關于中風后的運動恢復,有兩種現象被認為是關鍵因素。首先,相當一部分患者(2/3)表現出自然的改善,即70%以上的初始損傷;這種恢復是由內在的神經元可塑性(自發的生物恢復)的關鍵機制支持的,這是未來治療的一個可能的關鍵目標。

其余患者(1/3)的自然(比例)恢復要少得多,在此被定義為非適應者。這些患者的內在可塑性機制被改變或不足以導致相關的自然恢復。哪些強烈贊成這樣的觀點的人,認為這些患者需要明顯的替代治療策略,以最大限度地提高治療效果。

基于腦卒中患者的結果差異很大:一些患者呈現出與他們最初的損傷成比例的 "自然 "恢復(適合者),而其他患者則不適合(不適合者)。因此,中風康復的一個關鍵挑戰是識別個體的康復潛力,為神經康復做出個性化的決定,避免 "一刀切 "的做法。

為了更好的提前判別卒中患者的預后情況,來自瑞士聯邦理工學院(EPFL)神經義肢中心(CNP)和大腦思維研究所(BMI)的神經科學專家開展了相關研究,結果發表在近期的《大腦》Brain雜志上。

研究人員分析了92名患者的各向異性連接體,這些連接體基于中風后2周(TA)以及中風后3個月(TC-TA)的變化。使用Fugl-Meyer上肢(FMUE)量表評估運動障礙。訓練支持向量機分類器,根據他們的全腦結構連接組將自然恢復的患者和沒有自然恢復的患者分開,并定義他們各自的基礎網絡模式,重點是嚴重受損的患者(FMUE < 20)。預測準確率在一個獨立的數據集中進行了內部交叉驗證,并在兩個獨立的數據集中進行了概括。

卒中后2周的初始連接組能夠將適應者與非適應者分開,最重要的是在嚴重受損的病人中(TA:準確率=0.92,精確率=0.93);谒x特征研究康復相關網絡特征的二級分析顯示:(i)有助于2周內康復的網絡和網絡隨時間變化的相關差異(TC-TA);以及(ii)嚴重受損患者特有的網絡特性。

其中,重要的特征包括頂額葉運動網絡,包括頂葉內溝、運動前皮層和初級運動皮層,除此之外還有注意、體感或多模態區域(如腦島),有力地強調了全腦連接組分析對于更好地預測和理解中風后恢復的重要性。

由此可見,基于結構連接組的計算方法允許對中風發病2周后的自然恢復進行單獨預測,尤其是在難以預測的嚴重受損患者群體中,并確定相關的基礎神經元網絡。這些信息將允許在臨床上將患者分層為不同的康復組,并為個性化的精準神經康復治療奠定基礎。

參考文獻:

The structural connectome and motor recovery after stroke: predicting natural recovery, Brain, Volume 144, Issue 7, July 2021, Pages 2107–2119, https://doi.org/10.1093/brain/awab082

特別策劃
39熱文一周熱點
国产av淑女电影