Ключевые результаты
Исследование продемонстрировало значительные изменения фрактальной размерности (Fractal Dimension, FD) корковых осцилляций в двух моделях болезни Паркинсона у крыс. Средние значения FD в моторной коре были статистически выше в обеих моделях паркинсонизма по сравнению с контролем (P < 0.001).
Применение Support Vector Machine (SVM) модели показало 80% точность классификации и площадь под ROC-кривой (AUC) 0.86 для модели 6-OHDA, демонстрируя потенциал машинного обучения в анализе нейрональной активности.
Методология
Экспериментальные модели
Исследование включало две установленные модели паркинсонизма:
- Острая модель Haloperidol (HALO): записи электрокортикограммы (ECoG) проводились в базальных условиях, после инъекции HALO (0.5 мг/кг) и после последующего введения апоморфина (APO, 1 мг/кг)
- Хроническая модель 6-OHDA: ECoG записи во время базальной активности и при стимуляции субталамического ядра (STN DBS)
Аналитические методы
- Применен алгоритм Higuchi для расчёта фрактальной размерности
- Использована SVM-классификация для предсказания нейрональной динамики
- Анализ осцилляторной активности моторной коры (MCtx)
Клиническое значение
Результаты имеют важное значение для развития адаптивной глубокой стимуляции мозга (adaptive DBS). Обнаружение того, что:
- APO инъекция (P < 0.001) и STN DBS (P < 0.05) снижали средние значения FD в обеих моделях
- Фрактальная размерность может служить биомаркером для мониторинга эффективности терапии
- Машинное обучение способно классифицировать изменённую нейрональную активность с высокой точностью
Эти данные открывают перспективы для создания персонализированных протоколов DBS, основанных на реальном времени анализе корковых паттернов.
Выводы
Нелинейный анализ фрактальной размерности выявляет характерные изменения корковых осцилляторных паттернов при паркинсонизме. SVM-модель демонстрирует потенциал для автоматической классификации изменённой нейрональной активности.
Исследование подтверждает, что фрактальная размерность может стать ценным инструментом для:
- Объективной оценки тяжести паркинсонизма
- Мониторинга эффективности терапевтических вмешательств
- Разработки алгоритмов для адаптивной нейростимуляции
Будущие исследования должны сфокусироваться на валидации этих подходов в клинических условиях и интеграции с существующими системами DBS.