neurology 篇论文 | Gist.Science

神经科学领域致力于探索大脑如何运作，从记忆的形成为何会消失到情绪如何影响行为，这些研究直接关系到我们每个人的身心健康。在这一板块中，我们聚焦于神经系统疾病的最新发现，旨在让复杂的医学突破变得触手可及，帮助大众理解前沿科学如何改善我们的认知与生活。

Gist.Science 持续追踪并处理来自 medRxiv 的所有神经学预印本，确保您能第一时间获取未经同行评审但极具价值的前沿成果。我们不仅提供详尽的技术解读，更将晦涩的学术报告转化为通俗易懂的科普摘要，让您轻松把握研究核心。以下为您呈现该领域最新的预印论文列表。

《睡眠呼吸暂停与记忆（SAM）》研究是一项针对英国记忆诊所患者的前瞻性多中心观察性研究，旨在通过家庭睡眠监测评估睡眠呼吸暂停的患病率及其与认知障碍的关联，从而为未来改善认知障碍患者预后的干预试验提供依据。

该研究通过整合瞬时频率与振幅构建微状态框架，发现阿尔茨海默病患者在静息态脑电中表现出特定的微状态分布异常（如枕叶主导状态减少和额叶主导状态增加），从而证实了这种融合相位与振幅的分析方法能更有效地揭示该疾病相关的神经网络功能障碍。

这项针对帕金森病患者的随机交叉试点试验表明，尽管慢性适应性深部脑刺激（aDBS）与常规深部脑刺激（cDBS）在群体层面的总体疗效相当，但患者的基线特征可能影响特定治疗结果的优势，因此仍需更大规模的试验来识别能从不同刺激模式中获益的特定亚组。

该研究提出并验证了一种可植入癫痫管理设备平台，它通过连接脑电图与大型语言模型，实现与患者的双向实时对话、自动学习优化算法以及个性化共病管理，从而显著提升了癫痫诊疗的自适应性与患者参与度。

本研究提出了一种名为 MELD-PostOp 的开源深度学习工具，利用来自全球多中心的大规模数据集进行训练，能够在 17 秒内自动、准确且泛化性强地分割癫痫术后 MRI 中的切除腔，其性能显著优于现有工具并大幅提升了处理效率。

这项研究通过 32 例患者的回顾性与前瞻性调查，进一步界定了 IRF2BPL 相关疾病的临床谱系，并证实截短型变异比错义变异导致更严重的疾病表现。

该研究利用多会话分层贝叶斯模型（MS-HBM）从药物难治性癫痫患者的短时静息态 fMRI 数据中构建高精度的个体特异性语言网络，成功实现了对任务态语言优势半球的准确预测，为术前功能定位提供了重要依据。

该研究通过三维步态分析量化评估了 STXBP1 相关障碍患者的步态特征，发现其步态具有高度异质性且以外旋足部前进角最为常见，并证实独立行走起始年龄可预测社区行走能力，同时验证了观察性评分与仪器化分析的高度一致性，为临床决策及未来研究提供了重要依据。

该研究证实，基于靶向扩增子的长读长 RNA 测序（Amp-LRS）是一种敏感、灵活且具成本效益的方法，能够有效验证全基因组测序中发现的预测会改变剪接的非编码变异，从而提升罕见神经系统疾病的分子诊断能力。

这项针对 450 名帕金森病患者的前瞻性纵向研究表明，基线视力缺陷与特定遗传因素（如 GBA1 基因变异及帕金森病和阿尔茨海默病的多基因风险评分）的相互作用，能有效预测患者进展为认知障碍或痴呆的风险，从而有助于优化临床试验的患者筛选策略。