帕金森病中大尺度梯度信息神经振荡地形图研究

背景：帕金森病（PD）的特征是β和γ振荡的大规模紊乱。虽然皮层下β功率是当前自适应深部脑刺激（aDBS）的既定生物标志物，但它可能无法完全捕捉全局病理生理负担和皮层的大尺度层级重组。目的：我们利用功能梯度表征静息和运动状态下皮层层级的频率特异性重组。我们试图识别在不同行为状态下出现的地形生物标志物，并确定这些层级特征是否能为全局运动严重程度提供预测能力。方法：在帕金森病患者（n = 35）和健康对照受试者（n = 34）中采用了高密度脑电图和基于磁共振成像的源重建。为了表征皮层连接性转变，我们应用流形学习框架来推导频率特异性功能梯度。我们量化了这些层级特征的诊断和预测效用，并进行了转录组富集分析以验证改变的生物学相关性。结果：帕金森病患者表现出皮层层级的大尺度重组，这种重组既是频率特异性的，也是状态依赖性的。这些基于梯度的生物标志物有效地区分了患者组，并显著预测了全球统一帕金森病评定量表第三部分（UPDRS-III）的严重程度。研究结果显示了一个具有独特地形特征的稳健框架，表现为信息信号在皮层区域间的重新分布。结论：这项工作证明帕金森病会诱导皮层层级的大尺度重组。状态依赖的地形生物标志物有效预测了临床严重程度，并与疾病病理图谱相一致。通过识别分布式网络中的最佳传感位点，我们的研究结果为支持下一代皮层引导的自适应深部脑刺激（aDBS）提供了原则性参考。© 2026 The Author(s)。Movement Disorders 由 Wiley Periodicals LLC 代表国际帕金森和运动障碍学会出版。