通过多区域神经感知精准预测晚期帕金森病的运动波动

精准预测运动波动对于晚期帕金森病（PD）的管理至关重要。然而，当前的单区域生物标志物表现不佳，很大程度上源于其与网络层面的病理生理学不匹配。本研究提出了一种可转化的多区域传感框架，用于在啮齿类动物模型中同时记录八个皮质-基底节-丘脑-皮质（CBGT）环路枢纽。应用专为开放集临床场景定制的分层损失优化多层感知机（H-Lo-MLP）表明，分布式CBGT振荡模式显著优于单区域生物标志物。H-Lo-MLP实现了近90%的预测准确率，远超基于阈值方法的约50%，并在疾病进展和多巴胺能调节方面具有稳健的泛化能力。对所有255种区域组合的系统评估确定了初级运动皮层（M1）和背侧纹状体为关键的判别性枢纽，并揭示了一种简约的四区域配置，该配置在保持接近最优预测性能的同时将手术侵入性降至最低。在单只非人灵长类动物中进行的跨物种概念验证重现了M1保守的中心地位，并证明了通过单根线性电极进行同步多区域监测的可行性。这些发现确立了网络层面传感作为一种临床可行的范式，用于精准预测运动波动，克服了受限自适应脑深部刺激的局限性。通过验证一种手术上可行、跨物种的网络传感方法，这项工作弥合了环路层面病理生理学与临床转化之间的差距。

中文由 AI 翻译，仅供参考，以原文为准。