295 artigos
A neurologia explora o fascinante e complexo sistema nervoso, investigando desde como o cérebro processa pensamentos e emoções até os mecanismos por trás de diversas doenças neurológicas. Este campo é fundamental para entendermos nossa própria mente e desenvolvermos tratamentos que melhorem a qualidade de vida de milhões de pessoas ao redor do mundo.
Nesta categoria, você encontrará as descobertas mais recentes publicadas no medRxiv. No Gist.Science, processamos cada novo pré-publicado nesta área, transformando pesquisas técnicas em resumos acessíveis e explicações detalhadas para todos os níveis de conhecimento. Abaixo, listamos as últimas contribuições científicas em neurologia que acabaram de chegar.
Este estudo demonstra que, embora os modelos de aprendizado de máquina baseados em biomarcadores plasmáticos mantenham boa capacidade discriminatória ao serem aplicados entre diferentes coortes, sua utilidade clínica é severamente comprometida por instabilidades de calibração e diferenças de prevalência que reduzem drasticamente o valor preditivo negativo.
Este estudo descreve um ensaio clínico de fase 1, randomizado e duplo-cego, que visa avaliar a segurança e a eficácia preliminar de uma injeção intracraniana de interneurônios GABAérgicos derivados de iPSC (ALC05) no tratamento de pacientes com epilepsia do lobo temporal medial unilateral refratária a medicamentos.
Este estudo demonstrou que a gravidade da distonia nos membros, avaliada por especialistas, correlaciona-se significativamente com o impacto funcional em tarefas específicas em crianças com paralisia cerebral, oferecendo uma base para identificar clinicamente diferenças funcionais relevantes na severidade da distonia.
O artigo apresenta o REDDI, um framework de aprendizado de máquina baseado em geometria Riemanniana que utiliza dados de magnetoencefalografia (MEG) e seleção de recursos interpretáveis para alcançar uma precisão superior na diferenciação diagnóstica de doenças neurodegenerativas, oferecendo uma ferramenta de suporte à decisão clínica transparente e confiável.
Este estudo transversal pioneiro, que analisou 1.105 casos de aracnoidite utilizando dados de crowdsourcing e inteligência artificial, identificou os principais sintomas, fatores agravantes e comorbidades da doença, além de avaliar a eficácia e os danos de diversos tratamentos, oferecendo novas perspectivas para melhorar o diagnóstico e o manejo clínico.
Este estudo do projeto BeLOVE demonstrou que a mapeamento multiparamétrico quantitativo (qMPM) detecta com sensibilidade alterações microestruturais em gradientes espaciais dentro das hiperintensidades de substância branca e no tecido adjacente, validando essa técnica como um biomarcador promissor para monitorar a progressão da lesão e o desempenho cognitivo, embora não tenha encontrado associações significativas com fatores de risco cardiovascular na coorte analisada.
Este estudo internacional com mais de 600 pacientes estabeleceu um quadro regulatório para ensaios clínicos de paraplegia espástica hereditária, identificando cinco domínios de saúde prioritários (mobilidade, função do corpo inferior, desregulação autonômica, dor e aspectos psicossociais) que refletem as necessidades dos pacientes em diferentes estágios da doença.
Esta meta-análise de estudos de PET-FDG em 130 pesquisas revela que a desregulação da glicose cerebral, incluindo tanto hipometabolismo quanto hipermetabolismo adaptativo, é uma característica unificadora das doenças neurodegenerativas associadas à idade, como Alzheimer, Parkinson e ELA, com padrões metabólicos específicos para cada doença que se correlacionam com perfis funcionais neurológicos distintos.
Este estudo demonstra que a modelagem normativa de volumes cerebrais, baseada em uma grande coorte de indivíduos saudáveis, permite identificar perfis heterogêneos de desvio morfológico em pacientes com esclerose múltipla — especialmente nas estruturas de substância cinzenta profunda — que se correlacionam significativamente com o acúmulo de incapacidade e oferecem um potencial para estratificação de risco individualizada.
Este estudo desenvolveu e avaliou modelos de aprendizado de máquina para a classificação automática de estágios do sono, detecção de arousals e eventos respiratórios em polissonografias, demonstrando que o uso de anotações de alta qualidade e controle de especialistas é fundamental para alcançar desempenho comparável ao acordo entre humanos.