A neural network for tics: insights from causal brain lesions and deep brain stimulation
Notice bibliographique
Résumé
Brain lesions are a rare cause of tic disorders. However, they can provide uniquely causal insights into tic pathophysiology and can also inform on possible neuromodulatory therapeutic targets. Based on a systematic literature review, we identified 22 cases of tics causally attributed to brain lesions and employed 'lesion network mapping' to interrogate whether tic-inducing lesions would be associated with a common network in the average human brain. We probed this using a normative functional connectome acquired in 1000 healthy participants. We then examined the specificity of the identified network by contrasting tic-lesion connectivity maps to those seeding from 717 lesions associated with a wide array of neurological and/or psychiatric symptoms within the Harvard Lesion Repository. Finally, we determined the predictive utility of the tic-inducing lesion network as a therapeutic target for neuromodulation. Specifically, we collected retrospective data of 30 individuals with Tourette disorder, who underwent either thalamic (n = 15; centromedian/ventrooralis internus) or pallidal (n = 15; anterior segment of globus pallidus internus) deep brain stimulation and calculated whether connectivity between deep brain stimulation sites and the lesion network map could predict clinical improvements. Despite spatial heterogeneity, tic-inducing lesions mapped to a common network map, which comprised the insular cortices, cingulate gyrus, striatum, globus pallidus internus, thalami and cerebellum. Connectivity to a region within the anterior striatum (putamen) was specific to tic-inducing lesions when compared with control lesions. Connectivity between deep brain stimulation electrodes and the lesion network map was predictive of tic improvement, regardless of the deep brain stimulation target. Taken together, our results reveal a common brain network involved in tic generation, which shows potential as a therapeutic target for neuromodulation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».