DOI: https://doi.org/10.1371/journal.pdig.0000795
PMID: https://pubmed.ncbi.nlm.nih.gov/40279355
تاريخ النشر: 2025-04-25
المؤلف: Andrew Li وآخرون
الموضوع الرئيسي: دراسات الاتصال الوظيفي في الدماغ
نظرة عامة
تستكشف هذه الدراسة إمكانية دمج معلمات التصوير بالرنين المغناطيسي الهيكلي للدماغ مع بيانات التسارع من الأجهزة القابلة للارتداء لتعزيز التنبؤ والتوقع للأمراض التنكسية العصبية، وخاصة مرض الزهايمر ومرض باركنسون. باستخدام مجموعة من 19,793 مشاركًا من بنك المملكة المتحدة الحيوي، جميعهم خالٍ من الأمراض التنكسية العصبية في البداية، جمع الباحثون بيانات طولية، بما في ذلك مسحات التصوير بالرنين المغناطيسي، وبيانات التسارع، ودرجات المخاطر متعددة الجينات، ومعلومات نمط الحياة. على مدى فترة متابعة متوسطة تبلغ 5.9 سنوات، تم تتبع تطور الأمراض التنكسية العصبية، مع تعريف الحالات الإيجابية على أنها تشخيصات تحدث بعد عام واحد على الأقل من التصوير.
باستخدام خوارزمية تعلم الآلة (XGBoost)، وجدت الدراسة أن نموذج التنبؤ الشامل الذي يتضمن جميع العوامل حقق أعلى قيمة لمنطقة تحت المنحنى (AUC) تبلغ 0.819، متفوقًا بشكل كبير على نموذج استبعد معلمات التصوير بالرنين المغناطيسي، والذي حقق AUC قدره 0.688. أظهرت تحليل أهمية الميزات أن 18 من أصل 20 من أهم المتنبئين كانت مشتقة من بيانات التصوير بالرنين المغناطيسي الهيكلي، مما يبرز الدور الحاسم لهذه المعلمات. تشير النتائج إلى أن دمج بيانات التصوير بالرنين المغناطيسي وبيانات التسارع قد يوفر إطارًا أكثر قوة لتوقع بداية الأمراض التنكسية العصبية، مما يستدعي مزيدًا من الدراسات المستقبلية للتحقق من هذه النتائج عبر مجموعات سكانية وأنواع أمراض متنوعة.
مقدمة
تتناول مقدمة ورقة البحث العبء العالمي الكبير الذي تسببه الأمراض التنكسية العصبية، بما في ذلك مرض الزهايمر (AD)، ومرض باركنسون (PD)، وأنواع مختلفة من الخرف. في عام 2019، أصبحت هذه الحالات السبب الرئيسي للعبء الصحي العالمي، متجاوزة الأمراض القلبية الوعائية، وتم تحديدها كسبب الوفاة الثاني الأكثر شيوعًا بين الاضطرابات العصبية، بعد السكتة الدماغية. علاوة على ذلك، احتلت المرتبة الثالثة من حيث سنوات الحياة المعدلة حسب الإعاقة (DALYs) بين البالغين، مما يشير إلى تأثيرها الشديد على جودة الحياة.
تكشف البيانات عن زيادة دراماتيكية في حدوث وانتشار الاضطرابات التنكسية العصبية، حيث وصلت الأرقام إلى 7,236.38 ألف و51,624.19 ألف، على التوالي، مما يمثل زيادة تزيد عن 240% منذ عام 1990. تشير التوقعات إلى أنه، بسبب شيخوخة السكان، قد يتضاعف عبء هذه الأمراض في العقدين المقبلين وقد يتضاعف ثلاث مرات بحلول عام 2050، متجاوزًا 150 مليون حالة على مستوى العالم. تؤكد هذه الاتجاهات المقلقة على الحاجة الملحة لاستراتيجيات الكشف المبكر لتحديد الأفراد في المرحلة البادرية، حيث قد تكون التدخلات في الوقت المناسب أكثر فعالية.
طرق
تحدد قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح التقنيات المحددة المستخدمة لجمع البيانات، بما في ذلك معايير الاختيار للمشاركين، والأدوات المستخدمة للقياس، والبروتوكولات المتبعة لضمان الاتساق والموثوقية. بالإضافة إلى ذلك، يصف القسم التحليلات الإحصائية التي تم إجراؤها لتفسير البيانات، موضحًا البرمجيات والنماذج المستخدمة لتقييم النتائج.
تشمل النتائج الرئيسية من الطرق تحديد المتغيرات المهمة التي تؤثر على نتائج الدراسة، بالإضافة إلى إنشاء تدابير تحكم للتخفيف من التحيزات المحتملة. يضمن الصرامة المنهجية أن النتائج قوية ويمكن تعميمها على مجموعة سكانية أوسع، مما يعزز من صحة الاستنتاجات المستخلصة من البحث.
نتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح نتائج الدراسة، مع تسليط الضوء على الاتجاهات البيانية المهمة، والتحليلات الإحصائية، وأي ارتباطات تم ملاحظتها. عادةً ما تكون النتائج مصحوبة بأرقام وجداول ذات صلة توضح البيانات بصريًا، مما يعزز من فهم القارئ للنتائج.
قد يناقش القسم أيضًا تداعيات هذه النتائج فيما يتعلق بفرضية البحث أو الأهداف، مع التأكيد على كيفية مساهمتها في الجسم المعرفي القائم في هذا المجال. بشكل عام، من المتوقع أن تكون النتائج واضحة ودقيقة ومدعومة بأدلة كمية، مما يسمح بإعادة الإنتاج والتحقيقات الإضافية.
مناقشة
تسلط قسم المناقشة من هذه الورقة البحثية الضوء على فعالية دمج معلمات التصوير بالرنين المغناطيسي الهيكلي للدماغ مع بيانات التسارع من الأجهزة القابلة للارتداء للتنبؤ بحدوث الأمراض التنكسية العصبية. لقد تم إثبات أن التصوير بالرنين المغناطيسي الهيكلي هو وسيلة تصوير موثوقة للكشف عن التغيرات الضمورية في الدماغ المرتبطة بحالات مثل مرض الزهايمر (AD) والخرف الجبهي الصدغي (FTD). تشير النتائج الرئيسية إلى أن أنماط ضمور معينة، خاصة في الحصين ومناطق الدماغ الحيوية الأخرى، ترتبط بتقدم المرض والعيوب المعرفية. بالإضافة إلى ذلك، تم الإشارة إلى الزيادة في كثافة المادة البيضاء (WMHs) كميزات تصويرية مهمة مرتبطة بمختلف الاضطرابات التنكسية العصبية، مما يعزز من أهمية التصوير بالرنين المغناطيسي في التقييمات السريرية.
تظهر نتائج الدراسة أن نموذجًا شاملاً يتضمن ميزات التصوير بالرنين المغناطيسي، وبيانات التسارع، ودرجات المخاطر متعددة الجينات، وعوامل نمط الحياة حقق منطقة تحت المنحنى (AUC) عالية تبلغ 0.819، مما يشير إلى قدرة تنبؤية قوية. ومن الجدير بالذكر أن 18 من أصل 20 من الميزات التنبؤية العليا كانت مرتبطة بالتصوير بالرنين المغناطيسي، مما يؤكد على الدور المركزي لهذه الوسيلة في تشخيص الأمراض التنكسية العصبية. تشير النتائج إلى أن بيانات التسارع يمكن أن تعزز من الكشف عن العيوب الحركية، التي تتواجد بشكل شائع عبر الحالات التنكسية العصبية، مما يوفر نهجًا متعدد الوسائط للتشخيص المبكر. ومع ذلك، تعترف الدراسة بالقيود، بما في ذلك الطبيعة الملاحظة للبيانات والحاجة إلى مجموعات أكبر وأكثر تنوعًا للتحقق من هذه النتائج. بشكل عام، تؤكد الأبحاث على إمكانية دمج التصوير بالرنين المغناطيسي والتكنولوجيا القابلة للارتداء في تحسين الكشف المبكر وإدارة الأمراض التنكسية العصبية.
DOI: https://doi.org/10.1371/journal.pdig.0000795
PMID: https://pubmed.ncbi.nlm.nih.gov/40279355
Publication Date: 2025-04-25
Author(s): Andrew Li et al.
Primary Topic: Functional Brain Connectivity Studies
Overview
This study investigates the potential of combining structural MRI brain parameters with accelerometry data from wearable devices to enhance the prediction and prognostication of neurodegenerative diseases, specifically Alzheimer’s and Parkinson’s Disease. Utilizing a cohort of 19,793 participants from the UK Biobank, all free of neurodegenerative diseases at baseline, the researchers collected longitudinal data, including MRI scans, accelerometry data, polygenic risk scores, and lifestyle information. Over a mean follow-up period of 5.9 years, the development of neurodegenerative diseases was tracked, with positive cases defined as diagnoses occurring at least one year post-imaging.
Employing a machine learning algorithm (XGBoost), the study found that a comprehensive prediction model incorporating all factors achieved the highest area under the curve (AUC) value of 0.819, significantly outperforming a model that excluded MRI parameters, which yielded an AUC of 0.688. Feature importance analysis indicated that 18 of the 20 most significant predictors were derived from structural MRI data, underscoring the critical role of these parameters. The findings suggest that integrating MRI and accelerometry data may provide a more robust framework for predicting the onset of neurodegenerative diseases, warranting further prospective studies to validate these results across diverse populations and disease types.
Introduction
The introduction of the research paper addresses the significant global burden posed by neurodegenerative diseases, including Alzheimer’s Disease (AD), Parkinson’s Disease (PD), and various dementias. In 2019, these conditions became the leading cause of global health burden, surpassing cardiovascular diseases, and were identified as the second leading cause of death among neurological disorders, following stroke. Furthermore, they ranked third in terms of disability-adjusted life years (DALYs) among adults, indicating their severe impact on quality of life.
The data reveals a dramatic increase in the incidence and prevalence of neurodegenerative disorders, with figures reaching 7,236.38 thousand and 51,624.19 thousand, respectively, representing over a 240% rise since 1990. Projections suggest that, due to an aging population, the burden of these diseases could double in the next two decades and potentially triple by 2050, exceeding 150 million cases globally. This alarming trend underscores the urgent necessity for early detection strategies to identify individuals in the prodromal stage, where timely interventions may be most effective.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the specific techniques used for data collection, including the selection criteria for participants, the instruments utilized for measurement, and the protocols followed to ensure consistency and reliability. Additionally, the section describes the statistical analyses performed to interpret the data, specifying the software and models applied to evaluate the results.
Key findings from the methods include the identification of significant variables that influence the outcomes of the study, as well as the establishment of control measures to mitigate potential biases. The methodological rigor ensures that the results are robust and can be generalized to a broader population, thereby enhancing the validity of the conclusions drawn from the research.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data trends, statistical analyses, and any correlations observed. The results are typically accompanied by relevant figures and tables that illustrate the data visually, enhancing the reader’s understanding of the findings.
The section may also discuss the implications of these results in relation to the research hypothesis or objectives, emphasizing how they contribute to the existing body of knowledge in the field. Overall, the findings are expected to be clear, precise, and supported by quantitative evidence, allowing for reproducibility and further investigation.
Discussion
The discussion section of this research paper highlights the efficacy of combining structural MRI brain parameters with accelerometry data from wearable devices to predict the incidence of neurodegenerative diseases. Structural MRI has been established as a reliable imaging modality for detecting atrophic changes in the brain associated with conditions such as Alzheimer’s disease (AD) and frontotemporal dementia (FTD). Key findings indicate that specific atrophic patterns, particularly in the hippocampus and other critical brain regions, correlate with disease progression and cognitive deficits. Additionally, white matter hyperintensities (WMHs) are noted as significant imaging features linked to various neurodegenerative disorders, further underscoring the importance of MRI in clinical assessments.
The study’s results demonstrate that a comprehensive model incorporating MRI features, accelerometry data, polygenic risk scores, and lifestyle factors achieved a high area under the curve (AUC) of 0.819, indicating robust predictive capability. Notably, 18 out of the top 20 predictive features were MRI-related, affirming the modality’s central role in diagnosing neurodegenerative diseases. The findings suggest that accelerometry data can enhance the detection of motor deficits, which are prevalent across neurodegenerative conditions, thereby providing a multimodal approach to early diagnosis. However, the study acknowledges limitations, including the observational nature of the data and the need for larger, more diverse cohorts to validate these findings. Overall, the research emphasizes the potential of integrating MRI and wearable technology in improving early detection and management of neurodegenerative diseases.