11 статей
Разработана гибридная мультимодальная нейросеть, сочетающая классические CNN и квантовые вариационные схемы для диагностики болезни Паркинсона по рисункам спиралей и клиническим данным. Модель показала высокую точность (до 97.28%) и обеспечивает интерпретируемость результатов с помощью Grad-CAM и анализа чувствительности.
В исследовании с участием 1 612 участников PPMI оценивалась связь исходного настроения и немоторных симптомов с когнитивным прогрессированием при болезни Паркинсона. Каждое стандартное отклонение увеличения бремени было связано с повышением шансов прогрессирования (скорректированное ОШ 1,37), однако добавление этого показателя к клиническим ковариатам дало лишь скромное улучшение AUC (с 0,665 до 0,682). Авторы подчеркивают, что результаты могут поддержать будущие исследования по обогащению риска, но не готовы к клиническому применению из-за ограниченного прироста и отсутствия внешней валидации.
В статье, опубликованной в npj Digital Medicine 1 сентября 2026 года, представлено исследование, в котором с помощью генеративного глубокого обучения впервые удалось реконструировать подкорковые нейронные сигналы на основе записей активности коры головного мозга. Авторы разработали модель на основе вариационного автокодировщика (VAE) и генеративно-состязательной сети (GAN), которая обучалась на синхронных записях из коры и подкорковых структур (например, базальных ганглиев) у пациентов с болезнью Паркинсона и эпилепсией. Модель достигла коэффициента корреляции Пирсона 0.87 между реконструированными и реальными подкорковыми сигналами, что значительно превышает показатели линейных методов (0.52). Валидация на независимой когорте из 12 пациентов подтвердила устойчивость модели, а анализ ошибок показал, что наибольшая точность достигается в бета-диапазоне (13–30 Гц), критичном для симптомов Паркинсона. Разработанный подход позволяет реализовать замкнутую глубокую стимуляцию мозга (DBS) без необходимости инвазивных электродов в подкорковых областях, что снижает хирургический риск и расширяет доступность терапии. Авторы также продемонстрировали, что реконструированные сигналы могут быть использованы для адаптивной стимуляции в реальном времени, что открывает путь к более персонализированным и эффективным нейромодуляционным вмешательствам. Исследование подчеркивает потенциал генеративного ИИ для преодоления ограничений инвазивной нейрофизиологии и улучшения клинических исходов.
В журнале npj Digital Medicine опубликовано исследование, представляющее фундаментальную модель голосовых биомаркеров, предназначенную для мониторинга бокового амиотрофического склероза (БАС) и скрининга болезни Паркинсона. Модель обучалась на крупном наборе аудиоданных, включающем записи речи пациентов с нейродегенеративными заболеваниями и здоровых контролей. Используя методы глубокого обучения, модель извлекает акустические признаки, связанные с дизартрией и другими речевыми нарушениями, характерными для этих заболеваний. Для БАС модель позволяет отслеживать прогрессирование заболевания по изменениям речевых характеристик, что может служить неинвазивным и доступным инструментом мониторинга в клинической практике. Для болезни Паркинсона модель демонстрирует высокую точность скрининга, позволяя выявлять ранние признаки заболевания по голосу. Валидация проводилась на независимых когортах, показав устойчивые результаты. Исследование подчеркивает потенциал голосовых биомаркеров как масштабируемого решения для нейродегенеративных заболеваний, что может улучшить раннюю диагностику и персонализированное лечение.
В данном исследовании представлен комплексный вычислительный анализ транскриптомных профилей пациентов с болезнями Альцгеймера, Паркинсона и Гентингтона для выявления общих патофизиологических механизмов. Авторы идентифицировали 274 общих дифференциально экспрессируемых гена и три ключевых обогащенных пути, которые активированы при всех трех заболеваниях. Среди них выделены пути, связанные с воспалительной сигнализацией через транскрипционный фактор NF-kappaB, и путь регуляции транскрипции BCL2L11 с помощью RUNX3. В качестве наиболее перспективных мишеней для терапии были определены пять генов: NFKBIA, NFKB1, RELA, TRIM4 и SMAD4, демонстрирующих значительную ап-регуляцию. На основе анализа было предложено репозиционирование уже одобренных FDA препаратов, включая антигиперлипидемические, антигипертензивные, антидиабетические и другие средства, для лечения этих нейродегенеративных состояний. Исследование подчеркивает потенциал использования биоинформатики для ускорения разработки терапии через использование существующих лекарственных средств.
В исследовании проведен мета-анализ 16 наборов данных bulk RNA-seq (646 образцов: 314 пациентов с болезнью Паркинсона и 332 контрольных образца) для изучения влияния возраста на транскрипционные изменения при данном заболевании. Ученые выявили существенные различия в генетических профилях между группами пациентов моложе 60 лет и старше 60 лет. У лиц младше 60 лет обнаружено 31 дифференциально экспрессируемый ген (DEG), включая lncRNA LINC02188 и регуляторы цитоскелета (TIAM2, KCTD8), что указывает на раннюю реорганизацию аксонов и структурные изменения нейритов. В группе старше 60 лет выявлено 181 DEG, связанных с нейрональными маркерами (NPAS4, PVALB) и иммунно-метаболическими путями (FGA, NPC1L1), что свидетельствует о широкой дисрегуляции протеостаза и цитокинового сигналинга. Исследование подчеркивает, что классические изменения при болезни Паркинсона в большей степени обусловлены возрастом, в то время как ранние формы заболевания вовлекают уникальные модули lncRNA, кальциевой и липидной регуляции. Полученные данные выделяют новые потенциальные биомаркеры, такие как LINC02188 и TLCD3B, для ранней диагностики болезни Паркинсона.
Исследование оценивает возможность использования данных с носимых акселерометров для автоматической оценки тяжести симптомов болезни Паркинсона. С помощью моделей машинного обучения авторы продемонстрировали корреляцию между показателями актиграфии и клинической шкалой MDS-UPDRS, что открывает путь к непрерывному мониторингу пациентов.
В статье представлен SHINE — инновационный вычислительный фреймворк на основе гиперграфов, предназначенный для совместного анализа пространственной экспрессии генов и метаболических сетей. Разработка решает критические проблемы мультиомиксных исследований: пространственное несовпадение данных, разницу в разрешении и сложные взаимодействия между транскриптомом и метаболомом. Методология SHINE использует обучение представлениям (representation learning) для интеграции данных, полученных с одного тканевого среза. В ходе тестирования на моделях болезни Паркинсона у мышей алгоритм успешно выявил области с истощением дофаминергических нейронов и реконструировал оси, связанные с дофамином. При анализе образцов рака легких и молочной железы у человека метод позволил точно сегментировать опухолевые микроокружения и идентифицировать пространственно организованные генно-метаболические программы. Технология демонстрирует высокую масштабируемость и точность в выявлении биомаркеров, что открывает новые возможности для прецизионной диагностики и понимания молекулярных механизмов заболеваний.
Исследование, опубликованное в журнале npj Digital Medicine, демонстрирует возможность использования потребительских устройств, таких как iPad, для мониторинга состояния пациентов с болезнью Паркинсона. Авторы провели сравнительный анализ точности айтрекинга на планшете и специализированного клинического оборудования для оценки окуломоторных функций. Результаты показали, что алгоритмы отслеживания взгляда на iPad способны достоверно воспроизводить специфические патологические изменения движений глаз, характерные для прогрессирования заболевания. Методология включала оценку саккад и плавного слежения, что позволило подтвердить высокую корреляцию между показателями мобильного устройства и профессиональными диагностическими системами. Это открытие открывает путь к созданию доступных инструментов дистанционного мониторинга и ранней диагностики неврологических расстройств в домашних условиях. Использование таких технологий может значительно снизить нагрузку на клиники и обеспечить непрерывный контроль состояния пациентов.
В данном исследовании представлен инновационный интегративный анализ экспрессии подвижных элементов (TEs) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Ученые проанализировали 4 набора данных snRNA-seq, полученных из посмертных образцов компактной части черной субстанции пациентов с болезнью Паркинсона (БП) и здоровых контрольных групп. С помощью специализированного инструмента soloTE была проведена оценка изменений экспрессии TEs, после чего результаты были объединены методами мета-анализа для создания надежного атласа, специфичного для конкретных типов клеток. Особое внимание в работе уделено изучению механизмов, которые могут объяснять половые различия в патогенезе болезни Паркинсона. Кроме того, исследователи установили возможные ассоциации между подвижными элементами и белок-кодирующими генами, предлагая потенциальный механизм действия, посредством которого TEs способствуют развитию заболевания. Результаты работы закладывают основу для понимания генетической регуляции БП на уровне отдельных клеток.
В статье представлена гибридная нейросетевая архитектура (HDNN) для классификации нейродегенеративных заболеваний на основе данных МРТ. Использование методов ConvNeXt, MaxViT и механизмов Cross-Fusion Attention позволило достичь точности 97,4%, а применение Grad-CAM++ обеспечивает интерпретируемость результатов для клинического применения.
