159 Arbeiten
Die Neurologie erforscht das komplexeste Organ unseres Körpers: das Gehirn und das Nervensystem. In diesem Bereich werden Studien durchgeführt, die alles von der Entstehung von Krankheiten wie Parkinson und Alzheimer bis hin zu den Mechanismen von Schlaganfällen und seltenen neurologischen Störungen beleuchten. Diese Forschung liefert entscheidende Einblicke, wie wir denken, fühlen und uns bewegen, und ebnet den Weg für innovative Behandlungsansätze.
Auf Gist.Science haben wir diesen Prozess für Sie vereinfacht. Wir durchsuchen täglich medRxiv, die führende Plattform für medizinische Vorveröffentlichungen, und bearbeiten jedes neue Papier in der Kategorie Neurologie. Für jeden Beitrag erstellen wir eine verständliche Zusammenfassung in einfacher Sprache sowie eine detaillierte technische Analyse, damit Sie die neuesten Erkenntnisse sofort nachvollziehen können, ohne in Fachjargon zu versinken.
Hier finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Neurologie, die wir kürzlich für Sie aufbereitet haben.
Die Studie zeigt, dass große Sprachmodelle wie DeepSeek-R1 unstrukturierte klinische Notizen effektiv nutzen können, um Epilepsie-Phänotypen auf Expertenniveau automatisch zu extrahieren und so wertvolle longitudinale Daten für die klinische Forschung und Versorgung zu erschließen.
Diese Studie liefert genetische Belege dafür, dass seltene Varianten in mehreren lysosomalen Genen, insbesondere im Zusammenhang mit der Sialylierung und dem Gangliosidstoffwechsel, über das bekannte GBA1-Gen hinaus zur Anfälligkeit für die Parkinson-Krankheit beitragen.
Die Studie zeigt, dass bei Narcolepsie Typ 1 eine orexin-bedingte Destabilisierung der Schlafstadien zu einer lokalisierten Vermischung von REM-Schlaf, Wachzustand und N1-Schlaf führt, die insbesondere in frontalen und zentralen Hirnregionen sowie in der dominanten Hemisphäre ausgeprägt ist und mit der Schwere der Erkrankung sowie spezifischen Symptomen wie hypnagogen Halluzinationen korreliert.
Die Studie zeigt, dass die graue Substanzatrophie bei Multipler Sklerose primär durch die Vernetzung des Gehirns und die Anbindung an funktionelle Knotenpunkte sowie durch die räumliche Ausbreitung entlang anatomischer und funktioneller Verbindungen bestimmt wird, während Läsionsdissoziation und transkriptomische Vulnerabilität nur eine untergeordnete Rolle spielen.
Die Studie nutzt ein Wilson-Cowan-Modell, um die Heterogenität der Gamma-Oszillationen unter tiefer Hirnstimulation durch bifurkationsbedingte Dynamiken zu erklären und zeigt, wie der zugrundeliegende neuronale Zustand (gedämpft, schwach gedämpft oder selbstschwingend) bestimmt, ob und wie Halbharmonische entstehen, was für die Entwicklung adaptiver Neuromodulationstechniken entscheidend ist.
Das Paper stellt GRAD vor, einen zweistufigen Machine-Learning-Algorithmus, der einen p-tau217 „Gatekeeper“ mit einem Multi-Marker-„Reflex“-Klassifikator kombiniert, um die diagnostische Unsicherheit in der Plasma-p-tau217-Grauzone effektiv aufzulösen und dabei eine hohe Genauigkeit zu erreichen sowie die Gesundheitskosten im Vergleich zum universellen PET-Screening signifikant zu senken.
Diese Studie zeigt, dass Patienten mit dem Visual-Snow-Syndrom distinkte neurophysiologische Marker aufweisen, einschließlich diffuserer TMS-evozierter Phosphenmuster und veränderter okulomotorischer Dynamik, was darauf hindeutet, dass die Kombination von Phosphen-Mapping mit Eye-Tracking ein vielversprechendes objektives Werkzeug zur Beurteilung der zugrunde liegenden kortikalen Hyperexzitabilität der Erkrankung darstellt.
Diese Studie zeigt, dass die Soma- und Neuritendichte-Bildgebung (SANDi) effektiv die mit der Huntington-Krankheit verbundene striatale Neurodegeneration nachweist, indem sie eine reduzierte Somadichte und eine erhöhte Somagröße offenlegt, was signifikant mit motorischen Beeinträchtigungen und striataler Atrophie korreliert und SANDi als vielversprechenden nicht-invasiven Biomarker für klinische Studien positioniert.
Diese Studie zeigt, dass die Einbeziehung simultaner Oberflächen-Elektromyographie (EMG) in die fMRT-Analyse die Spezifität bei der Detektion motorbezogener Hirnaktivität und der Differenzierung spontaner motorischer Verhaltensweisen erhöht, während die Berücksclusion zeitlicher Ableitungen die Detektion in primären sensorimotorischen Kortexarealen verbessert, jedoch Signale in subkortikalen Regionen aufgrund unterschiedlicher zeitlicher Dynamiken verschleiern kann.
Diese Längsschnittstudie identifiziert, dass die zwischen-netzwerkbezogene funktionelle Konnektivität im Ausgangszustand, insbesondere in der rechten anterioren Insula, als prognostischer Marker dient und dass longitudinale Reduktionen dieser Integration innerhalb des Salienz-, des frontoparietalen und des Default-Mode-Netzwerks einen entscheidenden Mechanismus darstellen, der die Symptomverbesserung bei der funktionellen neurologischen Störung vorantreibt.