Neuromelanin detection by magnetic resonance imaging (MRI) and its promise as a biomarker for Parkinson’s disease
Notice bibliographique
Résumé
The diagnosis of Parkinson's disease (PD) occurs after pathogenesis is advanced and many substantia nigra (SN) dopamine neurons have already died. Now that therapies to block this neuronal loss are under development, it is imperative that the disease be diagnosed at earlier stages and that the response to therapies is monitored. Recent studies suggest this can be accomplished by magnetic resonance imaging (MRI) detection of neuromelanin (NM), the characteristic pigment of SN dopaminergic, and locus coeruleus (LC) noradrenergic neurons. NM is an autophagic product synthesized via oxidation of catecholamines and subsequent reactions, and in the SN and LC it increases linearly during normal aging. In PD, however, the pigment is lost when SN and LC neurons die. As shown nearly 25 years ago by Zecca and colleagues, NM's avid binding of iron provides a paramagnetic source to enable electron and nuclear magnetic resonance detection, and thus a means for safe and noninvasive measure in living human brain. Recent technical improvements now provide a means for MRI to differentiate between PD patients and age-matched healthy controls, and should be able to identify changes in SN NM with age in individuals. We discuss how MRI detects NM and how this approach might be improved. We suggest that MRI of NM can be used to confirm PD diagnosis and monitor disease progression. We recommend that for subjects at risk for PD, and perhaps generally for older people, that MRI sequences performed at regular intervals can provide a pre-clinical means to detect presymptomatic PD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».