🧠 Category

neurology

195 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.

🧠 neurology

Heterogeneity in deep brain stimulation gamma enhancement explained by bifurcations in neural dynamics

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.

Biber, S. W., Sermon, J. J., Kaplan, J., Busch, J., Kühn, A., Dijk, D.-J., Denison, T., Skeldon, A. C.2026-02-14
🧠 neurology

GRAD: A Two-Stage Algorithm for Resolving Diagnostic Uncertainty in the Plasma p-tau217 Gray Zone

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.

Parankusham, H. S., Krishna, E.2026-02-09
🧠 neurology

TMS-evoked phosphenes and oculomotor responses in visual-snow syndrome

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.

Akinshin, R., Shankhoeva, D., Gribanov, D., Berkmush-Antipova, A., Meschanina, P., Tomilina, I., Ostrovskaia, E., Gostil (…)2026-02-09
🧠 neurology

In vivo mapping of striatal neurodegeneration in Huntington's disease with Soma and Neurite Density Imaging

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.

Ioakeimidis, V., Palombo, M., Casella, C., Layland, L., McNabb, C., Schubert, R., Pallmann, P., Busse, M., Drew, C., Alu (…)2026-02-04
🧠 neurology

Precise modeling of task-related sensorimotor activation based on simultaneous surface electromyography

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.

Jasenska, M., Hok, P., Kojan, M., Burkot, O., Kolarova, B., Holobar, A., Hlustik, P.2026-02-03
🧠 neurology

Functional Connectivity Predictors and Mechanisms of Symptom Change in Functional Neurological Disorder

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.

Westlin, C., Bleier, C., Guthrie, A. J., Finkelstein, S. A., Maggio, J., Ranford, J., MacLean, J., Godena, E., Millstein (…)2026-01-30
🧠 neurology

Rostral Associations of MRI Atrophy of the Amygdala and Entorhinal Cortex Across the AD Spectrum

Diese Studie zeigt, dass die strukturelle MRT-bedingte Atrophie in der Amygdala und im entorhinalen Kortex, insbesondere in medialen Subregionen und kortikalen Schichten, als ein früher und biologisch valider Indikator für die präklinische Alzheimer-Krankheit dient, der stark mit der räumlichen Verteilung der Tau-Pathologie korreliert.

Miller, M. I., Xie, Y., Stouffer, K. M., Ceritoglu, C., Li, J., Ratnanather, T. J., Younes, L., Bakker, A., Rani, N., Al (…)2026-01-30
🧠 neurology

Exploring Attitudes and Acceptance of Artificial Intelligence in Multiple Sclerosis from the Patient Perspective

Eine Umfrage unter 241 Menschen mit Multipler Sklerose zeigt, dass die Akzeptanz von künstlicher Intelligenz im Gesundheitswesen moderat und kontextabhängig ist, wobei Patienten die Nutzung von KI für unterstützende, risikoarme Aufgaben wie das Symptom-Screening am ehesten befürworten, während sie eine klinisch geleitete Entscheidungsfindung bei Diagnose und Behandlung stark bevorzugen, eine Haltung, die eher durch die vorherige Vertrautheit mit KI als durch den Schweregrad der Erkrankung getrieben wird.

Inojosa, H., Masanneck, L., Voigt, I., Schriefer, D., von Horsten, N., Wenk, J., Gasparovic-Curtini, I., Haase, R., Meut (…)2026-01-30
🧠 neurology

Time's up: Using data-driven phenotype-severity metrics not time to map progression in the dementias

Diese Studie schlägt eine datengesteuerte, transdiagnostische Phänotyp-Schweregrad-Metrik vor, die aus neuropsychologischen Scores abgeleitet wurde und herkömmliche zeitbasierte Maße in der präzisen Abbildung der Demenzprogression und der Unterscheidung von Krankheitsstadien gegenüber klinischer Heterogenität übertrifft.

Smith, V., Schumacher, R., Ramanan, S., Bouzigues, A., Russell, L. L., Foster, P. H., Ferry-Bolder, E., van Swieten, J. (…)2026-01-30