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。

🧠 神经病学

A digital biomarker of white-matter routing from diffusion MRI as an early biomarker of Alzheimer's disease

本研究引入了路径一致性指数(Route Concordance Index, RCI),这是一种基于弥散磁共振成像(diffusion MRI)的脑室周围白质路由图论生物标志物,它能够有效追踪从临床前阶段到临床转化阶段的阿尔茨海默病进展,在提供与既有结构性标志物相当的预测准确性的同时,还能在疾病演变过程中提供更清晰、更单调的下降趋势。

Schlachetzki, J. C. M., Ghodrat, M.2026-10-24
🧠 神经病学

Feature harmonization reveals that apparent cross-cohort differences in tau-positivity prediction reflect variable availability and cohort stage structure

本研究表明,ADNI与OASIS3之间在tau蛋白阳性预测上表现出的表观跨队列差异,很大程度上是由于变量可用性和疾病阶段构成差异所导致的伪影,而非真实的生物学差异,这凸显了在阿尔茨海默病生物标志物研究中进行严格特征协调和阶段感知建模的紧迫性。

Bhat, A., Cestari, M., Chen, C.-T., Fleming, B. T., Fleming, G. T., for the Alzheimer's Disease Neuroimaging Initiative,2026-10-21
🧠 神经病学

Reproducible cerebrospinal fluid proteomic signatures across early neuronal α-synuclein disease stages in PPMI

本研究识别了早期神经元 α-突触核蛋白疾病阶段中可重复的脑脊液蛋白质组特征,揭示了能够区分疾病进展并预测表型转化(phenoconversion)的独特突触及神经分泌蛋白模式,从而为通过优化队列富集以开展帕金森病预防性临床试验提供潜在的生物标志物。

Weber, S., Zaplatnikov, Y., Kyriachenko, Y., Scherer, J., Bartl, M., Hansson, O., Mattsson-Carlgren, N., Brazel, D. M. (…)2026-10-20
🧠 神经病学

Functional and Organic Pseudo-Orthostatic Tremor: Clinical Features, Electrophysiology, and Treatment Outcomes in a Retrospective Cohort

这项针对35名患者的回顾性研究将假性直立性震颤表征为一种主要与特发性震颤或功能性神经系统疾病相关的疾病,强调了能够区分器质性和功能性亚型的独特表面肌电图特征,并为治疗结果提供了参考。

Querejeta-Coma, A., Yupanqui-Guerra, L. M., Santos-Sanchez-de-las-Matas, L., Gomez-Dominguez, A., Canfield-Medina, H., C (…)2026-10-20
🧠 神经病学

Comparative analysis of plasma pTau217, NfL and eight modifiable risk scores for 11-year dementia prediction in the HUNT Study

在HUNT研究中,血浆pTau217被证明是11年痴呆风险的强有力预测因子,其中八项可调节风险评分在区分度方面提供了具有统计学意义但微小的提升,并为风险分层提供了补充价值,而NfL则未提供额外的预测获益。

Stubs, J., Langballe, E. M., Livingston, G., Anstey, K. J., Deckers, K., Kivimaki, M., Strand, B. H., Sunde, A. L., Zett (…)2026-10-16
🧠 神经病学

Prospective validation of an uncertainty-aware machine learning model for secondary progressive multiple sclerosis classification

本研究前瞻性地验证了一个通过符合预测(conformal prediction)赋能的随机森林模型,该模型在对继发进展型多发性硬化症进行分类时,表现优于 Lorscheider 标准并具备校准后的不确定性,展示了高敏感性,并支持其作为临床决策支持工具的潜力。

Parakkal Sreenivasan, A., Noui, Y., Erngren, I., Spjuth, O., Burman, J., Kultima, K.2026-10-11