Deep brain stimulation for Alzheimer’s disease – current status and next steps
Notice bibliographique
Résumé
INTRODUCTION: Alzheimer's disease (AD) requires novel therapeutic approaches due to limited efficacy of current treatments. AREAS COVERED: This article explores AD as a manifestation of neurocircuit dysfunction and evaluates deep brain stimulation (DBS) as a potential intervention. Focusing on fornix-targeted stimulation (DBS-f), the article summarizes safety, feasibility, and outcomes observed in phase 1/2 trials, highlighting findings such as cognitive improvement, increased metabolism, and hippocampal growth. Topics for further study include optimization of electrode placement, and the role of stimulation-induced autobiographical-recall. Nucleus basalis of Meynert (DBS-NBM) DBS is also discussed and compared with DBS-f. Challenges with both DBS-f and DBS-NBM are identified, emphasizing the need for further research on optimal stimulation parameters. The article also reviews alternative DBS targets, including medial temporal lobe structures and the ventral capsule/ventral striatum. EXPERT OPINION: Looking ahead, a phase-3 DBS-f trial, and the prospect of closed-loop stimulation using EEG-derived biomarkers or hippocampal theta activity are highlighted. Recent FDA-approved therapies and other neuromodulation techniques like temporal interference and low-intensity ultrasound are considered. The article concludes by underscoring the importance of imaging-based diagnosis and staging to allow for circuit-targeted therapies, given the heterogeneity of AD and varied stages of neurocircuit dysfunction.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».