ຂ້າມໄປຫາເນື້ອໃນ
 
ສະມາຄົມສາກົນ Parkinson ແລະ Movement Disorder Society

        ສະບັບທີ 30, ສະບັບທີ 1 • ມີນາ 2026.  ສະບັບເຕັມ »

ຈຸດເດັ່ນຂອງກອງປະຊຸມ: ກອງປະຊຸມ PAS ປີ 2026

ວິທີການ neuroimaging ກຳລັງປ່ຽນແປງການວິນິດໄສ ແລະ ການປິ່ນປົວພະຍາດ Parkinson ຢ່າງໄວວາ


ຜູ້ຊ່ຽວຊານແບ່ງປັນວິທີການສະແກນພາບຫຼາຍຮູບແບບ ແລະ ອານຟາ-ຊີນິວຄລີອິນ ສາມາດສະເໜີຄວາມເຂົ້າໃຈທີ່ເລິກເຊິ່ງກວ່າກ່ຽວກັບການເສື່ອມສະພາບຂອງລະບົບປະສາດທີ່ລະອຽດອ່ອນໃນທົ່ວທຸກຮູບແບບຂອງພະຍາດ.

 

ພາບລວມຂອງມາດຕາ

ໄປຫາ: 

 

ປະຈຸບັນ, ປັນຍາປະດິດຖືກນຳໃຊ້ແນວໃດໃນເຄື່ອງມືສ້າງພາບສຳລັບພະຍາດ Parkinson?

ປັນຍາປະດິດ (AI) ກຳລັງປ່ຽນແປງວິທີທີ່ພວກເຮົາໃຊ້ການສະແກນສະໝອງເພື່ອກວດຫາ ແລະ ເຂົ້າໃຈພະຍາດພາກິນສັນ (Parkinson's Disease - PD) ຢ່າງວ່ອງໄວ.

ຕາມປະເພນີ, ການຖ່າຍພາບທາງຄລີນິກໄດ້ສຸມໃສ່ການຢືນຢັນການສູນເສຍ dopaminergic, ສ່ວນຫຼາຍແມ່ນໃຊ້ DAT-SPECT ເພື່ອປະເມີນຄວາມສົມບູນຂອງ nigrostriatal. ໃນຂະນະທີ່ເຕັກນິກນີ້ມີຄວາມຖືກຕ້ອງສູງສຳລັບການກວດຫາການຂາດດຸນ dopaminergic ກ່ອນ synaptic ໃນ PD ທີ່ໄດ້ຮັບການສ້າງຕັ້ງຂຶ້ນ [1], ການຖ່າຍພາບ dopaminergic ແບບດັ້ງເດີມທີ່ມີການຕີຄວາມໝາຍດ້ວຍສາຍຕາ ແລະ ມາດຕະການເຄິ່ງປະລິມານມີຂໍ້ຈຳກັດ, ໂດຍສະເພາະໃນພະຍາດໃນໄລຍະຕົ້ນ/prodromal, ການຕິດຕາມຄວາມຄືບໜ້າ, ການຈຳແນກ PD ຈາກໂຣກ parkinsonian atypical, ແລະ ການຈັບຄວາມແຕກຕ່າງທາງຊີວະວິທະຍາຂອງ PD.

ການຄົ້ນຄວ້າ PD ໃນປັດຈຸບັນກຳລັງປ່ຽນຈາກຄຳອະທິບາຍທີ່ອີງໃສ່ອາການໄປສູ່ຂອບການເຮັດວຽກທີ່ມີພື້ນຖານທາງຊີວະວິທະຍາ [2,3]. ເຕັກນິກຂັ້ນສູງ, ລວມທັງການວິເຄາະການເຊື່ອມຕໍ່ໂຄງສ້າງ ແລະ ໜ້າທີ່; ການຖ່າຍພາບການເຜົາຜານນ້ຳຕານໃນສະໝອງ; ແລະ ເຄື່ອງໝາຍ MRI (ເຊັ່ນ: ການຖ່າຍພາບທີ່ລະອຽດອ່ອນຕໍ່ neuromelanin, MRI ການແຜ່ກະຈາຍນ້ຳໃນກະແສເລືອດ, ແລະອື່ນໆ), ສະເໜີຄວາມເຂົ້າໃຈທີ່ເລິກເຊິ່ງກວ່າກ່ຽວກັບການເສື່ອມສະພາບຂອງລະບົບປະສາດທີ່ລະອຽດອ່ອນໃນທົ່ວຂອບເຂດຂອງພະຍາດ [4].

AI ປົດລັອກສັນຍານການຖ່າຍພາບທີ່ເຊື່ອງໄວ້

ການລວມ AI ເຂົ້າກັບການສະແກນສະໝອງໃນ PD ສະເໜີຂໍ້ໄດ້ປຽບທີ່ອາດເປັນໄປໄດ້ຫຼາຍຢ່າງ [5-7]. ການສະແກນສະໝອງປະກອບດ້ວຍຂໍ້ມູນໂຄງສ້າງ, ໜ້າທີ່, ແລະ ໂມເລກຸນທີ່ອຸດົມສົມບູນ, ເຊິ່ງສ່ວນໃຫຍ່ແມ່ນລະອຽດອ່ອນເກີນໄປສຳລັບຕາຂອງມະນຸດ. AI ສາມາດສະກັດ ແລະ ປະສົມປະສານສັນຍານເຫຼົ່ານີ້ໄດ້ໃນຂອບເຂດ: 1) ຮູບແບບການຮຽນຮູ້ແບບມີການຄວບຄຸມສະໜັບສະໜູນການວິນິດໄສ ແລະ ຄາດຄະເນຄວາມຄືບໜ້າ; 2) ການຮຽນຮູ້ແບບບໍ່ມີການຄວບຄຸມລະບຸຊະນິດຍ່ອຍທີ່ມີຄວາມໝາຍທາງຊີວະພາບ; 3) ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງສະກັດຮູບແບບພື້ນທີ່ ແລະ ໂຄງສ້າງທີ່ສັບສົນໂດຍອັດຕະໂນມັດ.

ໃນການສະແກນພາບ dopaminergic, ຮູບແບບ AI ໄດ້ບັນລຸຄວາມຖືກຕ້ອງຂອງການວິນິດໄສ 90-97% ໃນການຈຳແນກ PD ຈາກກຸ່ມຄວບຄຸມທີ່ມີສຸຂະພາບດີ, ເຊິ່ງມັກຈະມີປະສິດທິພາບດີກວ່າມາດຕະການເຄິ່ງປະລິມານແບບດັ້ງເດີມ. ວິທີການເຫຼົ່ານີ້ສາມາດເພີ່ມຄວາມອ່ອນໄຫວຕໍ່ກັບການຂາດດຸນທີ່ລະອຽດອ່ອນ, ອາດຈະຊ່ວຍຈັດປະເພດການສະແກນຄືນໃໝ່ໂດຍບໍ່ມີການຂາດດຸນ dopaminergic (SWEDD) [8], ແລະຫຼຸດຜ່ອນຄວາມແປປ່ວນລະຫວ່າງຜູ້ສັງເກດການ [9,10].

MRI ທີ່ລະອຽດອ່ອນຕໍ່ Neuromelanin ເປັນຕົວຊີ້ບອກທີ່ມີຄວາມຫວັງອີກອັນໜຶ່ງໃນການປະເມີນການສູນເສຍຂອງເສັ້ນປະສາດ dopaminergic ໃນ substantia nigra, ແຕ່ຖືກຈຳກັດໂດຍການວິເຄາະການແບ່ງສ່ວນດ້ວຍຕົນເອງທີ່ໃຊ້ເວລາຫຼາຍ. ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງຊ່ວຍໃຫ້ສາມາດກວດພົບການສູນເສຍສັນຍານທີ່ກ່ຽວຂ້ອງກັບ neuromelanin ໄດ້ໄວ, ອັດຕະໂນມັດ, ແລະ ສາມາດຜະລິດຄືນໄດ້ໃນ substantia nigra ໃນ PD [11].

¹⁸F-FDG PET ສາມາດປັບປຸງການຈຳແນກ PD ຈາກໂຣກພາກິນສັນທີ່ຜິດປົກກະຕິໂດຍການຈັບເອົາການປ່ຽນແປງທາງເມຕາບໍລິຊຶມທັງໃນ striatal ແລະ extra-striatal. ການວິເຄາະທີ່ປັບປຸງດ້ວຍ AI ໃນປັດຈຸບັນລາຍງານຄວາມອ່ອນໄຫວ ແລະ ຄວາມຈຳເພາະເຈາະຈົງເກີນ 90% ສຳລັບການຈຳແນກ PD ຈາກໂຣກພາກິນສັນທີ່ຜິດປົກກະຕິ [12,13].

MRI ການແຜ່ກະຈາຍໃຫ້ມາດຕະການທີ່ບໍ່ມີການຮຸກຮານທີ່ມີຄວາມຫວັງຂອງການເສື່ອມສະພາບຂອງລະບົບປະສາດໃນໂຄງສ້າງຈຸນລະພາກ. ການສະແກນພາບນ້ຳຟຣີວັດແທກການປ່ຽນແປງຂອງເນື້ອເຍື່ອ ແລະ ພາຍນອກຈຸລັງພາຍໃນ substantia nigra ໃນ PD, ແລະ ໃນທົ່ວພາກພື້ນສີເທົາ ແລະ ສີຂາວທີ່ແຜ່ຂະຫຍາຍໃນພະຍາດພາກິນໂຊນທີ່ບໍ່ປົກກະຕິ [14-16]. ໃນ PD, ນ້ຳຟຣີທີ່ສູງຂຶ້ນຢ່າງຕໍ່ເນື່ອງໃນ posterior substantia nigra ເປັນຕົວຊີ້ບອກການວິນິດໄສ ແລະ ຄວາມຄືບໜ້າທີ່ເຂັ້ມແຂງ [14,15]. ເມື່ອບໍ່ດົນມານີ້, ການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ນຳໃຊ້ກັບຕົວຊີ້ວັດການສະແກນພາບນ້ຳຟຣີໄດ້ສະແດງໃຫ້ເຫັນວ່າຈຳແນກ PD ຈາກການເສື່ອມສະພາບຂອງລະບົບຫຼາຍລະບົບແບບພາກິນໂຊນ (MSA-P) ແລະ ອຳມະພາດ supranuclear palsy (PSP) ໄດ້ຢ່າງຖືກຕ້ອງ [17,18]. ການເຊື່ອມໂຍງເຂົ້າໃນຂະບວນການສະແກນພາບທາງຄລີນິກກຳລັງດຳເນີນຢູ່ໃນປັດຈຸບັນ.

ສິ່ງທ້າທາຍແລະເສັ້ນທາງກ້າວໄປຂ້າງຫນ້າ

ເຖິງວ່າຈະມີຄວາມຫວັງດີ, AI ໃນການຖ່າຍພາບປະສາດຂອງພະຍາດ PD ກໍ່ຍັງປະເຊີນກັບສິ່ງທ້າທາຍຫຼາຍຢ່າງ [5,12,19,20]. ປ້າຍຊື່ການວິນິດໄສອາດຈະມີສຽງລົບກວນ. ຊຸດຂໍ້ມູນມັກຈະມີຂະໜາດນ້ອຍ ຫຼື ບໍ່ເປັນເອກະພາບ, ແລະ ຫຼາຍແບບຈຳລອງຂາດການກວດສອບຄວາມຖືກຕ້ອງ ແລະ ການຕີຄວາມໝາຍຈາກພາຍນອກ. ຂໍ້ມູນຕາມລວງຍາວ ແລະ ຂໍ້ມູນເບື້ອງຕົ້ນຍັງຄົງຈຳກັດ. ຄວາມຄືບໜ້າໃນອະນາຄົດຈະຂຶ້ນກັບການຮ່ວມມືຂະໜາດໃຫຍ່ ແລະ ຫຼາຍສູນກັບໂປໂຕຄອນການຖ່າຍພາບທີ່ໄດ້ມາດຕະຖານ; ການເຊື່ອມໂຍງຫຼາຍຮູບແບບຂອງເຄື່ອງໝາຍທາງຊີວະພາບການຖ່າຍພາບ, ທາງຄລີນິກ, ທາງພັນທຸກໍາ, ແລະ ທາງດິຈິຕອນ; ແລະ ການພັດທະນາລະບົບ AI ທີ່ໂປ່ງໃສ ແລະ ສາມາດກວດສອບໄດ້ຫຼາຍຂຶ້ນ ເຊິ່ງເໝາະສົມກັບການນຳໃຊ້ທາງຄລີນິກທີ່ປອດໄພ.

ໃນທີ່ສຸດ, AI ບໍ່ໄດ້ຖືກອອກແບບມາເພື່ອທົດແທນຄວາມຊ່ຽວຊານທາງດ້ານຄລີນິກ. ຖ້າໃຊ້ຢ່າງຄິດຢ່າງລະອຽດ, ມັນສາມາດເພີ່ມຄວາມແມ່ນຍໍາໃນການວິນິດໄສ, ເຮັດໃຫ້ສາມາດແຊກແຊງໄດ້ໄວກວ່າ, ແລະ ຍົກລະດັບຂະແໜງການໃຫ້ໃກ້ຊິດກັບການດູແລສ່ວນບຸກຄົນໃນ PD.

ການສະແກນພາບຫຼາຍຮູບແບບຊ່ວຍໃນການກວດພົບ ແລະ ຕິດຕາມກວດກາຄວາມຄືບໜ້າຂອງພະຍາດໃນ PD ໄດ້ແນວໃດ?

ຕົວຊີ້ວັດທາງຊີວະພາບມີບົດບາດສຳຄັນໃນການຄົ້ນພົບພະຍາດວິທະຍາຂອງ PD. ຕົວຊີ້ວັດທາງຊີວະພາບທີ່ຖືກກຳນົດວ່າເປັນຕົວຊີ້ວັດທີ່ວັດແທກໄດ້ຂອງຂະບວນການທາງຊີວະພາບ, ສາມາດສະໜັບສະໜູນການວິນິດໄສ, ການຄາດຄະເນ, ການປະເມີນຄວາມອ່ອນໄຫວ, ແລະ ການປະເມີນຄວາມປອດໄພໃນການປິ່ນປົວ. ຕົວຊີ້ວັດທາງຊີວະພາບທີ່ອີງໃສ່ການຖ່າຍພາບສະເໜີໃຫ້ຄວາມເຂົ້າໃຈກ່ຽວກັບກົນໄກທີ່ນອກເໜືອໄປຈາກອາການທາງຄລີນິກ.

ຮູບແບບການຢັ້ງຢືນເຄື່ອງໝາຍຊີວະພາບແບບດັ້ງເດີມແມ່ນອີງໃສ່ລັກສະນະທາງຄລີນິກ - ເຊັ່ນ: ອາການສັ່ນສະເທືອນທີ່ໂດດເດັ່ນທຽບກັບຊະນິດຍ່ອຍ PIGD - ເປັນມາດຕະຖານອ້າງອີງ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ສິ່ງນີ້ເຮັດໃຫ້ເກີດອະຄະຕິ, ຍ້ອນວ່າລັກສະນະທາງຄລີນິກບໍ່ສາມາດຈັບຄວາມແຕກຕ່າງທາງຊີວະພາບຂອງ PD ໄດ້ຢ່າງພຽງພໍ. ການນຳສະເໜີປຽບທຽບສິ່ງນີ້ກັບຮູບແບບທີ່ຂັບເຄື່ອນດ້ວຍເຄື່ອງໝາຍຊີວະພາບ, ແບບບໍ່ອີງໃສ່ລັກສະນະທາງຄລີນິກ, ສອດຄ່ອງກັບຂອບການເຮັດວຽກທີ່ເກີດຂຶ້ນໃໝ່ທີ່ເນັ້ນໃສ່ສັນຍານໂມເລກຸນຫຼາຍກວ່າປ້າຍທາງຄລີນິກໃນການກຳນົດກຸ່ມຍ່ອຍທີ່ສອດຄ່ອງກັນທາງຊີວະພາບ.

ການນຳສະເໜີໄດ້ທົບທວນຄືນຮູບແບບການສະແກນສະໝອງທີ່ຫຼາກຫຼາຍ. ເຕັກນິກ Dopaminergic PET ແລະ SPECT — ເຊັ່ນ: ການສະແກນພາບ F‑DOPA, VMAT2, ແລະ DAT — ກວດຫາການເສື່ອມສະພາບຂອງ nigrostriatal presynaptic ແລະ ສະໜັບສະໜູນການວິນິດໄສແຍກຕ່າງຫາກໃນບັນດາໂຣກ parkinsonian, ລວມທັງ PSP ແລະ MSA. ການສະແກນພາບ PET ເຜົາຜານອາຫານສະແດງໃຫ້ເຫັນວ່າການປ່ຽນແປງຂອງການເຜົາຜານອາຫານແຜ່ລາມໄປທົ່ວເຄືອຂ່າຍປະສາດແນວໃດ, ເຊື່ອມໂຍງຮູບແບບການເຜົາຜານອາຫານກັບຄວາມຜິດປົກກະຕິຂອງມໍເຕີ ແລະ ການຮັບຮູ້.

ການສະແກນພາບຄວາມໜາແໜ້ນຂອງ Synaptic ໂດຍໃຊ້ຕົວຕິດຕາມ SV2A PET (ເຊັ່ນ: 18F‑SynVesT‑1) ສະໜອງການວັດແທກຄວາມສົມບູນຂອງ synaptic ໃນຮ່າງກາຍ ແລະ ເນັ້ນໃຫ້ເຫັນເຖິງຄວາມອ່ອນແອຂອງ synaptic ໃນໄລຍະຕົ້ນໆໃນພະຍາດພາກິນສັນທີ່ເສື່ອມໂຊມ. ເຄື່ອງໝາຍທີ່ອີງໃສ່ MRI — ລວມທັງການສະແກນພາບທີ່ມີຄວາມອ່ອນໄຫວຕໍ່ neuromelanin, MRI ການແຜ່ກະຈາຍ (ເຊັ່ນ: ການສ້າງແຜນທີ່ນ້ຳເສລີ), ການສະແກນພາບທີ່ມີຄວາມອ່ອນໄຫວຕໍ່ທາດເຫຼັກ (QSM, R2*), ແລະ ດັດຊະນີໂຄງສ້າງເຊັ່ນ: ດັດຊະນີ MR Parkinsonism — ສະເໜີເຄື່ອງມືທີ່ມີປະສິດທິພາບສຳລັບການປະເມີນການເສື່ອມໂຊມຂອງ nigral, ການຈຳແນກອາການຜິດປົກກະຕິ, ແລະ ການຕິດຕາມຄວາມຄືບໜ້າ.

ວິທີການເພີ່ມເຕີມ — ເຊັ່ນ: ການສະແກນ MIBG ຂອງຫົວໃຈ ສຳລັບການປ່ຽນແປງຂອງລະບົບພູມຕ້ານທານ ແລະ TSPO PET ສຳລັບການອັກເສບຂອງລະບົບປະສາດ — ຂະຫຍາຍຄວາມສາມາດຂອງເຄື່ອງໝາຍຊີວະພາບໄປສູ່ລະບົບທີ່ບໍ່ແມ່ນ dopaminergic ແລະ ລະບົບອຸປະກອນຕໍ່ພ່ວງ, ສອດຄ່ອງກັບຮູບແບບຫຼາຍລະບົບຂອງພະຍາດ PD.

PD ເປັນພະຍາດຫຼາຍລະບົບທີ່ຕ້ອງການການວິເຄາະລັກສະນະທາງຊີວະວິທະຍາແບບປະສົມປະສານ. ຍຸດທະສາດການສະແກນພາບຫຼາຍຮູບແບບ — ຈັບຄູ່ກັບການຈັດປະເພດພະຍາດທີ່ຂັບເຄື່ອນດ້ວຍເຄື່ອງໝາຍຊີວະພາບ — ຈະມີຄວາມຈຳເປັນສຳລັບການກວດພົບແຕ່ຫົວທີ, ການປັບປຸງການບົ່ງມະຕິແບບຈຳແນກ, ການຕິດຕາມກວດກາຄວາມຄືບໜ້າ, ແລະ ການພັດທະນາການປິ່ນປົວແບບເປົ້າໝາຍ.

ຄວາມກ່ຽວຂ້ອງຂອງການຖ່າຍພາບ alpha-synuclein ໃນໂຣກ synucleinopathies

ພະຍາດ Synucleinopathy ປະກອບມີພະຍາດຕ່າງໆເຊັ່ນ: ພະຍາດ Parkinson, ພະຍາດສະໝອງເສື່ອມທີ່ມີ Lewy bodies ແລະ ພະຍາດ multiple system atrophy. ລັກສະນະທາງພະຍາດວິທະຍາຂອງມັນແມ່ນ ການລວມຕົວຂອງ Alpha-synuclein, ແລະ ການວິນິດໄສແຍກຕ່າງຫາກຍັງອີງໃສ່ລັກສະນະທາງດ້ານຄລີນິກເປັນຫຼັກ, ເຊິ່ງນຳໄປສູ່ການວິນິດໄສຜິດພາດເລື້ອຍໆ. ການຈັດປະເພດໂດຍອີງໃສ່ຊີວະວິທະຍາໄດ້ຖືກສະເໜີຂຶ້ນເມື່ອບໍ່ດົນມານີ້, ບ່ອນທີ່ synuclein ມີບົດບາດສຳຄັນ (ເຖິງແມ່ນວ່າບໍ່ມີຢູ່ສະເໝີ ຫຼື ຈຳເປັນສຳລັບການວິນິດໄສ), ເຊິ່ງຊ່ວຍໃຫ້ສາມາດວິນິດໄສໄດ້ໄວຂຶ້ນ ແລະ ຊັດເຈນກວ່າ, ແລະ ໃນທີ່ສຸດກໍ່ສະເໜີຄວາມເປັນໄປໄດ້ຂອງການແຊກແຊງການປິ່ນປົວໃນໄລຍະຕົ້ນໆໃນອະນາຄົດ.

ມີຄວາມກ້າວໜ້າໃນການຄົ້ນຄວ້າເຄື່ອງໝາຍຊີວະພາບໃນຕົວຢ່າງທາງຊີວະວິທະຍາຫຼາຍອັນ, ແລະໃນໄລຍະທົດສະວັດທີ່ຜ່ານມາ, ຂະແໜງການຖ່າຍພາບໄດ້ຢູ່ພາຍໃຕ້ການສືບສວນຢ່າງຫ້າວຫັນສຳລັບຕົວຕິດຕາມ alpha-syn ສະເພາະ, ເຊິ່ງສາມາດສະເໜີຄວາມເປັນໄປໄດ້ໃນການກວດຫາ alpha-syn ໃນລັກສະນະທີ່ບໍ່ແມ່ນການຮຸກຮານໃນຮ່າງກາຍ.

ການພັດທະນາລີກັນ PET ທີ່ແນໃສ່ alpha-synuclein ແມ່ນເປັນສິ່ງທ້າທາຍເນື່ອງຈາກຄວາມອຸດົມສົມບູນຂອງ alpha-syn ຕໍ່າໃນເນື້ອເຍື່ອສະໝອງ, ການຕັ້ງຢູ່ພາຍໃນຈຸລັງ ແລະ ຄວາມຄ້າຍຄືກັນກັບໂປຣຕີນອື່ນໆທີ່ຖືກພັບຜິດໃນສະພາບຮູບຮ່າງຂອງມັນ. ຢ່າງໃດກໍຕາມ, ຕົວຕິດຕາມຫຼາຍໆຕົວທີ່ກຳລັງຢູ່ພາຍໃຕ້ການສືບສວນໃນການສຶກສາກ່ອນການທົດລອງທາງຄລີນິກ ແລະ ທາງຄລີນິກແມ່ນມີຈຸດປະສົງເພື່ອບັນລຸຄວາມຜູກພັນ ແລະ ການເລືອກເຟັ້ນທີ່ພຽງພໍ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນການຜູກມັດນອກເປົ້າໝາຍ.

ການນຳສະເໜີໄດ້ປຶກສາຫາລືກ່ຽວກັບສານປະກອບທີ່ເປັນໄປໄດ້ຫຼາຍຢ່າງ ລວມທັງ [18F]C05-05 (1), [18F]SPAL-T-06 (2), [18F]ACI-12589 (3), [11C]MODAG-005 (4), ແລະ [18F] F0502B (5). ການສຶກສາໃນຕອນຕົ້ນຊີ້ໃຫ້ເຫັນວ່າ ຕົວຕິດຕາມບາງຊະນິດອາດຈະກວດພົບພະຍາດວິທະຍາ alpha-syn ໃນ MSA ໄດ້ດີກວ່າເມື່ອທຽບກັບພະຍາດ synucleinopathies ອື່ນໆ, ແຕ່ຕ້ອງມີການກວດສອບເພີ່ມເຕີມ.

ການສຶກສາຕື່ມອີກແມ່ນມີຄວາມສຳຄັນຫຼາຍຕໍ່ການພັດທະນາຢາທີ່ມີຄວາມແມ່ນຍຳສູງ, ເຮັດໃຫ້ສາມາດເບິ່ງເຫັນຂະບວນການທາງດ້ານພະຍາດວິທະຍາ, ປັບປຸງຄວາມຖືກຕ້ອງຂອງການວິນິດໄສ ແລະ ກ້າວໄປສູ່ວິທີການທີ່ເນັ້ນຄົນເຈັບເປັນສູນກາງເພື່ອບັນລຸການຈັດຕັ້ງປະຕິບັດການປິ່ນປົວທີ່ດັດແປງພະຍາດໃນໂຣກ synucleinopathies ໃນອະນາຄົດ.

 

 

ເອກະສານ

ພາກ: ປັນຍາປະດິດຖືກນຳໃຊ້ແນວໃດໃນເຄື່ອງມືການຖ່າຍພາບສຳລັບພະຍາດ Parkinson ໃນປະຈຸບັນ?

  1. Hastings A, Cullinane P, Wrigley S, ແລະ ອື່ນໆ. ການຢັ້ງຢືນລະບົບປະສາດ ແລະ ຄວາມຖືກຕ້ອງຂອງການວິນິດໄສຂອງການສະແກນພາບ Dopaminergic ກ່ອນສັງເຄາະໃນການວິນິດໄສພະຍາດ Parkinsonism. Neurology. 11 ມິຖຸນາ 2024;102(11):e209453. doi:10.1212/WNL.0000000000209453
  2. Hoglinger GU, Adler CH, Berg D, ແລະ ອື່ນໆ. ການຈັດປະເພດທາງຊີວະວິທະຍາຂອງພະຍາດ Parkinson: ເກນການວິນິດໄສການຄົ້ນຄວ້າ SynNeurGe. Lancet Neurol. ກຸມພາ 2024;23(2):191-204. doi:10.1016/S1474-4422(23)00404-0
  3. Simuni T, Chahine LM, Poston K, ແລະ ອື່ນໆ. ຄຳນິຍາມທາງຊີວະວິທະຍາຂອງພະຍາດ alpha-synuclein ຂອງເຊວປະສາດ: ສູ່ລະບົບການຈັດວາງລະດັບແບບປະສົມປະສານສຳລັບການຄົ້ນຄວ້າ. Lancet Neurol. ກຸມພາ 2024;23(2):178-190. doi:10.1016/S1474-4422(23)00405-2
  4. Zarkali A, Thomas GEC, Zetterberg H, Weil RS. ການສະແກນພາບລະບົບປະສາດ ແລະ ຕົວຊີ້ວັດທາງຊີວະພາບຂອງແຫຼວໃນພະຍາດ Parkinson ໃນຍຸກຂອງການແຊກແຊງແບບເປົ້າໝາຍ. Nat Commun. 5 ກໍລະກົດ 2024;15(1):5661. doi:10.1038/s41467-024-49949-9
  5. Dennis AP, Strafella AP. ບົດບາດຂອງ AI ແລະ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກໃນການວິນິດໄສພະຍາດ Parkinson ແລະ ພະຍາດ Parkinsonism ທີ່ຜິດປົກກະຕິ. Parkinsonism Relat Disord. ກັນຍາ 2024;126:106986. doi:10.1016/j.parkreldis.2024.106986
  6. Gupta R, Kumari S, Senapati A, Ambasta RK, Kumar P. ຍຸກໃໝ່ຂອງປັນຍາປະດິດ ແລະ ການກວດຫາ, ການວິນິດໄສ ແລະ ການປິ່ນປົວພະຍາດ Parkinson ໂດຍອີງໃສ່ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ. Ageing Res Rev. ກັນຍາ 2023;90:102013. doi:10.1016/j.arr.2023.102013
  7. Myszczynska MA, Ojamies PN, Lacoste AMB, ແລະ ອື່ນໆ. ການນຳໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກເພື່ອການວິນິດໄສ ແລະ ການປິ່ນປົວພະຍາດທີ່ເສື່ອມສະພາບຂອງລະບົບປະສາດ. Nat Rev Neurol. ສິງຫາ 2020;16(8):440-456. doi:10.1038/s41582-020-0377-8
  8. Choi H, Ha S, Kang H, Lee H, Lee DS, ພະຍາດ Alzheimer Neuroimaging I. ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງໂດຍ PET ສະໝອງປົກກະຕິເທົ່ານັ້ນທີ່ສາມາດລະບຸຄວາມຜິດປົກກະຕິຂອງສະໝອງທີ່ບໍ່ໄດ້ຮັບການຢືນຢັນ. EBioMedicine. ພຶດສະພາ 2019;43:447-453. doi:10.1016/j.ebiom.2019.04.022
  9. Palumbo B, Fravolini ML, Buresta T, ແລະ ອື່ນໆ. ຄວາມຖືກຕ້ອງຂອງການວິນິດໄສພະຍາດ Parkinson ໂດຍການວິເຄາະເຄື່ອງຈັກເວັກເຕີສະໜັບສະໜູນ (SVM) ຂອງຂໍ້ມູນ SPECT ສະໝອງ 123I-FP-CIT: ຜົນສະທ້ອນຂອງການຄົ້ນພົບກ່ຽວກັບລຳໄສ້ ແລະ ອາຍຸ. ຢາ (Baltimore). ທັນວາ 2014;93(27):e228. doi:10.1097/MD.0000000000000228
  10. Martinez-Murcia FJ, Gorriz JM, Ramirez J, Moreno-Caballero M, Gomez-Rio M. ການກໍານົດພາລາມິເຕີຂອງຮູບແບບໂຄງສ້າງໃນການຖ່າຍພາບ 123I-ioflupane ສໍາລັບການກວດຫາພະຍາດ Parkinsonism ໂດຍອັດຕະໂນມັດ. Med Phys. ມັງກອນ 2014;41(1):012502. doi:10.1118/1.4845115
  11. Gaurav R, Valabregue R, Yahia-Cherif L, ແລະ ອື່ນໆ. NigraNet: ຂອບການເຮັດວຽກອັດຕະໂນມັດເພື່ອປະເມີນປະລິມານ neuromelanin ໃນຕ່ອມໃຕ້ສະໝອງໃນພະຍາດ Parkinson ໃນໄລຍະຕົ້ນໆໂດຍໃຊ້ເຄືອຂ່າຍປະສາດ convolutional. Neuroimage Clin. 2022;36:103250. doi:10.1016/j.nicl.2022.103250
  12. Zhang J. ການຂຸດຄົ້ນຂໍ້ມູນການຖ່າຍພາບ ແລະ ຂໍ້ມູນທາງດ້ານຄລີນິກດ້ວຍວິທີການຮຽນຮູ້ຂອງເຄື່ອງຈັກສຳລັບການວິນິດໄສ ແລະ ການກວດພົບພະຍາດພາກິນສັນແຕ່ຫົວທີ. NPJ Parkinsons Dis. ວັນທີ 21 ມັງກອນ 2022;8(1):13. doi:10.1038/s41531-021-00266-8
  13. Meyer PT, Frings L, Rucker G, Hellwig S. (18)F-FDG PET ໃນພະຍາດພາກິນສັນ: ການວິນິດໄສແບບຈຳແນກ ແລະ ການປະເມີນຄວາມບົກຜ່ອງດ້ານສະຕິປັນຍາ. J Nucl Med. ທັນວາ 2017;58(12):1888-1898. doi:10.2967/jnumed.116.186403
  14. Ofori E, Pasternak O, Planetta PJ, ແລະ ອື່ນໆ. ນ້ຳທີ່ເພີ່ມຂຶ້ນໃນ substantia nigra ຂອງພະຍາດ Parkinson: ການສຶກສາສະຖານທີ່ດຽວ ແລະ ຫຼາຍສະຖານທີ່. Neurobiol Aging. ກຸມພາ 2015;36(2):1097-104. doi:10.1016/j.neurobiolaging.2014.10.029
  15. Ofori E, Pasternak O, Planetta PJ, ແລະ ອື່ນໆ. ການປ່ຽນແປງຕາມລວງຍາວຂອງນໍ້າອິດສະຫຼະພາຍໃນ substantia nigra ຂອງພະຍາດ Parkinson. ສະໝອງ. ສິງຫາ 2015;138(Pt 8):2322-31. doi:10.1093/brain/awv136
  16. Planetta PJ, Ofori E, Pasternak O, ແລະ ອື່ນໆ. ການຖ່າຍພາບນ້ຳໃນພະຍາດ Parkinson ແລະ ພະຍາດ Parkinsonism ທີ່ຜິດປົກກະຕິ. ສະໝອງ. ກຸມພາ 2016;139(Pt 2):495-508. doi:10.1093/brain/awv361
  17. Archer DB, Bricker JT, Chu WT, ແລະ ອື່ນໆ. ການພັດທະນາ ແລະ ການຢັ້ງຢືນຄວາມຖືກຕ້ອງຂອງການຈຳແນກການຖ່າຍພາບອັດຕະໂນມັດໃນພະຍາດພາກິນສັນ (AID-P): ການສຶກສາການຮຽນຮູ້ຂອງເຄື່ອງຈັກຫຼາຍສະຖານທີ່. Lancet Digit Health. ກັນຍາ 2019;1(5):e222-e231. doi:10.1016/s2589-7500(19)30105-0
  18. Vaillancourt DE, Barmpoutis A, Wu SS, ແລະ ອື່ນໆ. ການຈຳແນກການຖ່າຍພາບອັດຕະໂນມັດສຳລັບພະຍາດພາກິນສັນ. JAMA Neurol. 1 ພຶດສະພາ 2025;82(5):495-505. doi:10.1001/jamaneurol.2025.0112
  19. Garcia Santa Cruz B, Husch A, Hertel F. ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກສຳລັບການວິນິດໄສ ແລະ ການຄາດຄະເນພະຍາດ Parkinson ໂດຍໃຊ້ການສະແກນສະໝອງ: ພາບລວມທົ່ວໄປ, ສິ່ງທ້າທາຍຕົ້ນຕໍ, ແລະ ທິດທາງໃນອະນາຄົດ. Front Aging Neurosci. 2023;15:1216163. doi:10.3389/fnagi.2023.1216163
  20. Shokrpour S, MoghadamFarid A, Bazzaz Abkenar S, Haghi Kashani M, Akbari M, Sarvizadeh M. ການຮຽນຮູ້ຂອງເຄື່ອງຈັກສຳລັບພະຍາດ Parkinson: ການທົບທວນທີ່ສົມບູນແບບຂອງຊຸດຂໍ້ມູນ, ອັລກໍຣິທຶມ ແລະ ສິ່ງທ້າທາຍຕ່າງໆ. NPJ Parkinsons Dis. 1 ກໍລະກົດ 2025;11(1):187. doi:10.1038/s41531-025-01025-9

ພາກ: ຄວາມກ່ຽວຂ້ອງຂອງການຖ່າຍພາບ alpha-synuclein ໃນໂຣກ synucleinopathies

  1. Endo H, Ono M, Takado Y, Matsuoka K, Takahashi M, Tagai K, Kataoka Y, Hirata K, Takahata K, Seki C, ແລະ ອື່ນໆ. ການສະແກນພາບພະຍາດ α-synuclein ໃນສັດຈຳລອງ ແລະ ຄົນເຈັບທີ່ເປັນພະຍາດ Parkinson ແລະ ພະຍາດທີ່ກ່ຽວຂ້ອງ. Neuron. 2024;112(15):2540–2557.e8. doi: 10.1016/j.neuron.2024.05.006
  2. 2. Matsuoka, K., Ono, M., Takado, Y., Hirata, K., Endo, H., Ohfusa, T., Kojima, T., Yamamoto, T., Onishi, T., Orihara, A., Tagai, K., Takahata, K., Seki, C., Shinotoh, H., Kawamura, K., Shimizu, H., Shimada, H., Kakita, A., Zhang, M.-R., Suhara, T. ແລະ Higuchi, M. (2022), ການຖ່າຍພາບທີ່ມີຄວາມຄົມຊັດສູງຂອງພະຍາດ α-Synuclein ໃນຄົນເຈັບທີ່ມີພະຍາດຫຼາຍລະບົບທີ່ເສື່ອມໂຊມ. Mov Disord, 37: 2159-2161
  3. 3. Smith, R., Capotosti, F., Schain, M. ແລະ ອື່ນໆ. ຕົວຕິດຕາມ α-synuclein PET [18F] ACI-12589 ຈຳແນກການເສື່ອມສະພາບຂອງລະບົບຫຼາຍລະບົບຈາກພະຍາດທີ່ເຮັດໃຫ້ເກີດການເສື່ອມສະພາບຂອງລະບົບປະສາດອື່ນໆ. Nat Commun 14, 6750 (2023)
  4. 4. Saw R, Buss S, Schmidt F, Ryazanov S, Leonov A, Bleher D, Gotegerd A, Kuebler L, Roben B, Schmidt F, Reimold M, Bonanno F, Ruf V, Dahl B, Sandiego C, Henry K, Papadopoulos I, Schaller M, Kahle P, Levin J, Gasser T, Brockmann K, Reischl G, Fougere C, Pichler B, Maurer A, Griesinger G, Giese A, Herfert K. REsearch Square, 2024 (ພິມລ່ວງໜ້າ)
  5. 5. Xiang J, Tao Y, Xia Y, Luo S, Zhao Q, Li B, Zhang X, Sun Y, Xia W, Zhang M, Kang SS, Ahn EH, Liu X, Xie F, Guan Y, Yang JJ, Bu L, Wu S, Wang X, Cao X, Liu C, Zhang Z, Li D, Ye K. ການພັດທະນາຕົວຕິດຕາມການຖ່າຍພາບໂພຊິຕຣອນດ້ວຍ α-synuclein ສຳລັບການຖ່າຍພາບ synucleinopathies. Cell. 2023 ສິງຫາ 3;186(16):3350-3367.e19

 

 

ອ່ານ​ເພິ່ມ​ເຕິມ ຍ້າຍ​ໄປ​ຄຽງ​ຄູ່​ກັນ​:

ບັນຫາເຕັມ    ເອ​ກະ​ສານ