人类苍白球的多模态划分及其对帕金森病症状预测和分层治疗的意义

《BMC Medicine》：A multi-modal parcellation of human globus pallidus and its implications for symptom prediction and stratification in Parkinson’s disease

　　```html

摘要

背景

苍白球（GP）是参与运动和认知控制的重要基底节核团。然而，传统的单一模式分区方法无法全面理解其内部结构，从而在治疗针对其不同亚区域时增加了精确度不足和出现副作用的风险。

方法

在这项研究中，我们开发了一种结合结构和功能连接性的多模态方法，称为混合苍白球分区（HPP），将苍白球划分为前部（aGP）、中部（mGP）和后部（pGP）三个亚区域。该方法在健康个体中经过了严格的可重复性和一致性评估，并在健康个体和帕金森病（PD）患者中验证了其在行为预测方面的准确性。进一步通过连接性和行为预测分析来探索这些亚区域在结构和功能上的差异。

结果

与单模态方法（基于结构或功能连接性的方法）以及两种现有的公共分区方法相比，HPP表现出更优的可重复性和一致性。此外，基于HPP划分的亚区域显示出从后部到前部的结构和功能连接性梯度，反映了从初级网络到高级网络的过渡。具体来说，pGP在感觉运动功能预测中起主导作用，aGP在情绪处理中起主导作用，而mGP在认知和高级运动控制中表现出更灵活的特点。此外，HPP分区方法在预测行为指标方面具有泛化性和优越性，无论是在健康个体还是PD患者中都是如此。

结论

总体而言，HPP为了解苍白球的层次化功能组织及其在PD运动和非运动症状中的亚区域作用提供了新的见解，有助于改善PD及相关疾病患者的分类。