帕金森病的个别病例可以通过脑磁图（magnetoencephalography, EEG）进行准确的分类

《npj Parkinson's Disease》：Individual cases of Parkinson’s disease can be robustly classified using magnetoencephalography

　　

摘要

帕金森病（PD）是一种进行性的神经退行性疾病，会导致运动和认知领域的功能障碍。PD的神经生理学标志包括“振荡异常”，如全身性的神经振荡减缓、β频段活动失调以及大脑两半球间功能连接性的变化；然而，这些标志在确定疾病状态方面的相对重要性尚不清楚。在这项病例对照研究中，我们使用了来自OMEGA数据库的静息状态脑磁图（MEG）数据（n = 199名参与者，78名PD患者，121名对照组），来探究PD患者中频谱功率和功能网络的变化。通过参数估计对比方法，在控制人口级混杂因素的情况下，我们对PD的影响进行了建模。排列测试显示θ频段的功率显著增加（p = 0.0001），而γ频段的功率显著降低（p = 0.0001）。我们还使用了基于偏最小二乘法的分类器来寻找能够独立预测PD的MEG特征的组合。研究发现，基于MEG的预测方法具有高度的敏感性和特异性，最优AUC–ROC值达到0.87±0.04。模型分析表明，振荡减缓可以分解为多个组分，这些组分能够可靠地识别个别PD病例。这表明MEG能够揭示与PD相关的不同、互补的神经过程。