논문 편두통 치료에서 침술 결과 예측인자로서의 기준 뇌 회백질 부피

[까페지기]

Baseline Brain Gray Matter Volume as a Predictor of Acupuncture Outcome in Treating Migraine

Xue-Juan Yang 1,†, Lu Liu 2,3,†, Zi-Liang Xu 1,†, Ya-Jie Zhang 2, Da-Peng Liu 2, Marc Fishers 4, Lan Zhang 1, Jin-Bo Sun 1, Peng Liu 1, Xiao Zeng 1, Lin-Peng Wang 2,*, Wei Qin 1,*

• Author information
• Article notes
• Copyright and License information

PMCID: PMC7066302  PMID: 32194493

https://pmc.ncbi.nlm.nih.gov/articles/PMC7066302/

편두통 치료에서 침술 결과 예측인자로서의 기준 뇌 회백질 부피

Xue-Juan Yang 1, † , Lu Liu 2, 3, † , Zi-Liang Xu 1, † , Ya-Jie Zhang 2 , Da-Peng Liu 2 , Marc Fishers 4 , Lan Zhang 1 , Jin-Bo Sun 1 , Peng Liu 1 , Xiao Zeng 1 , Lin-Peng Wang 2, * , Wei Qin 1, *

• 저자 정보
• 기사 노트
• 저작권 및 라이센스 정보

PMCID: PMC7066302 PMID: 32194493추상적인

배경: 본 연구의 목적은 영상 바이오마커를 사용하여 무조짐 편두통(MwoA) 환자의 침술 결과를 예측하는 것입니다.

방법: MwoA 환자 41명을 Capital Medical University에 소속된 Beijing Traditional Chinese Medicine Hospital에서 4주간 침술 치료와 2회의 뇌 영상 검사를 받았습니다. 환자들은 치료 전 4주 동안과 침술 치료 중에 두통 일기를 작성했습니다. 반응자는 편두통 일수가 50% 이상 감소한 사람으로 정의했습니다. 머신 러닝 방법을 사용하여 치료 전 뇌 회백질(GM) 부피를 기준으로 반응자와 비반응자를 구분했습니다. GM 예측 영역의 종단적 변화도 분석했습니다.

결과: 침술 4주 후, 19명의 환자가 반응자로 분류되었습니다. GM 특징 선택을 위한 10배 교차 검증을 기반으로, 선형 지원 벡터 머신은 민감도 73%, 특이도 85%, 정확도 83%의 분류 모델을 생성했습니다. 수신자 조작 특성 곡선 아래의 면적은 0.7871이었습니다. 이 분류 모델에는 주로 전두엽, 측두엽, 두정엽, 전두엽, 쐐기회에 분포하는 10개의 GM 영역이 포함되었습니다. 편두통 일수 감소는 모든 환자에서 쐐기회, 두정엽, 전두엽의 기준 GM 부피와 상관 관계가 있었습니다. 게다가, 좌측 쐐기회는 반응자의 GM 부피가 종적으로 증가했습니다.

결론: 결과는 치료 전 뇌 구조가 MwoA 치료에서 침술의 결과에 대한 새로운 예측 인자가 될 수 있음을 시사합니다. 영상 특징은 침술 효능을 예측하는 데 유용한 도구가 될 수 있으며, 이를 통해 개인화된 의학 전략을 개발할 수 있습니다.

키워드: 편두통, 침술, 예측, 회백질, 머신러닝