295 articoli
La neurologia esplora il sistema nervoso, il complesso centro di comando che regola ogni nostro pensiero, movimento e sensazione. Questo campo indaga come il cervello e i nervi funzionano nella salute e nella malattia, cercando risposte per condizioni che influenzano milioni di persone in tutto il mondo. Su Gist.Science, rendiamo queste scoperte accessibili a tutti, trasformando ricerche complesse in informazioni comprensibili.
Ogni nuovo studio pubblicato su medRxiv in questa categoria viene analizzato dai nostri esperti, che offrono sia un riassunto tecnico dettagliato che una spiegazione in linguaggio semplice. Questo approccio garantisce che chiunque, dal professionista del settore al lettore curioso, possa seguire l'evoluzione della ricerca medica senza dover decifrare un gergo specialistico inaccessibile.
Di seguito trovate l'elenco aggiornato dei più recenti articoli neurologici selezionati da medRxiv, pronti per essere esplorati attraverso le nostre sintesi.
Nonostante le prestazioni discriminatorie dei modelli di machine learning basati su biomarcatori plasmatici rimangano elevate tra coorti diverse, la loro utilità clinica si degrada significativamente a causa di problemi di calibrazione e differenze di prevalenza che compromettono il valore predittivo negativo.
Questo studio descrive un trial clinico di fase I, randomizzato e in doppio cieco, volto a valutare la sicurezza e l'efficacia preliminare dell'iniezione intracranica di interneuroni GABAergici derivati da iPSC (ALC05) nel trattamento dell'epilessia del lobo temporale mediale farmaco-resistente unilaterale.
Questo studio dimostra che, nei bambini con paralisi cerebrale, la gravità della distonia agli arti valutata da esperti mediante la scala GDRS si correla significativamente con l'impatto funzionale specifico del compito, fornendo così uno strumento clinico per identificare differenze di gravità che hanno un reale significato funzionale.
Il paper presenta REDDI, un framework di apprendimento automatico basato sulla geometria Riemanniana che utilizza dati MEG e tecniche interpretabili per migliorare l'accuratezza e la trasparenza della diagnosi differenziale delle malattie neurodegenerative.
Questo studio trasversale, che analizza 1.105 casi di arachnoidite confermati tramite la piattaforma di crowdsourcing StuffThatWorks e algoritmi di intelligenza artificiale, rappresenta la più grande indagine osservazionale sulla condizione, fornendo nuove intuizioni sui sintomi, i fattori aggravanti e l'efficacia dei trattamenti per migliorare diagnosi e gestione clinica.
Lo studio BeLOVE dimostra che la mappatura quantitativa multiparametrica (qMPM) rileva con alta sensibilità alterazioni microstrutturali graduali sia nelle iperintensità della sostanza bianca (WMH) che nella sostanza bianca apparentemente normale perilesionale, fornendo potenziali biomarcatori per il monitoraggio della progressione delle lesioni e del declino cognitivo, sebbene senza una significativa associazione con i fattori di rischio cerebrovascolare nella coorte esaminata.
Questo studio internazionale, basato sui dati di oltre 600 pazienti, ha identificato cinque domini sanitari fondamentali (mobilità, funzione del corpo inferiore, disregolazione autonomica, dolore e aspetti psicosociali) prioritari per i pazienti con paraplegia spastica ereditaria, fornendo le basi necessarie per lo sviluppo di strumenti di esito orientati al paziente per i futuri trial clinici.
Questa meta-analisi di studi FDG-PET su oltre 8.900 individui rivela che la disregolazione del metabolismo del glucosio, caratterizzata da modelli sia ipo- che ipermetabolici specifici per ciascuna malattia, rappresenta un tratto unificante delle malattie neurodegenerative associate all'età (A2ND) come Alzheimer, Parkinson e SLA, suggerendo un rimodellamento adattativo della bioenergetica neurale che richiede un'attenzione terapeutica verso la disregolazione metabolica bidirezionale.
Questo studio dimostra che la modellazione normativa dei volumi cerebrali, basata su un ampio campione di soggetti sani, permette di identificare profili di deviazione individuali nella sclerosi multipla, in particolare nelle strutture della materia grigia profonda, che risultano significativamente associati all'accumulo di disabilità e offrono potenziali strumenti per la stratificazione del rischio.
Questo studio dimostra che modelli di machine learning addestrati su annotazioni di polisonnografia controllate per la qualità raggiungono prestazioni comparabili al consenso tra esperti umani nella classificazione delle fasi del sonno, nella rilevazione delle arousal e degli eventi respiratori.