重症肌无力诊断新进展:冲动阻断前后的电生理学变化

文摘   2024-12-04 20:00   云南  

推广专业学术交流、促进诊疗流程改善


关键词:MG;神经肌肉传递;单纤维电肌图;抖动;冲动阻断;Biomedical Engineering Letters


重症肌无力(MG)是一种自身免疫性疾病,影响神经肌肉接头的正常功能,导致肌肉疲劳和无力。在严重的病例中,可以观察到冲动阻断现象,即神经冲动在到达肌肉纤维时被阻断,无法引发肌肉收缩。这种现象在电生理学检查中表现为单纤维电肌图(SFEMG)上的抖动(jitter)增加冲动阻断【1】。

因此,N. Tuğrul Artuğ 在期刊 Biomedical Engineering Letters 上发表了题为 Behavior of jittering potential before and after impulse blockings: a preliminary study in myasthenia gravis 的研究论文【2】。本研究旨在通过详细的电生理测试,包括SFEMG和冲动阻断的分析,来揭示MG患者神经肌肉接头在冲动阻断前后的行为特征,这对于深入理解MG的病理生理机制和指导临床治疗具有重要意义。
研究结果表明,在MG患者中抖动电位在单个冲动阻断前后的行为表现为远离触发峰值的量大于靠近触发峰值的量。然而,在连续冲动阻断后,抖动电位靠近触发峰值的量大于远离触发峰值的量。本研究展示了MG患者神经肌肉接头在冲动阻断前后的行为,并提取了抖动研究的新特征。通过开发的算法,可能为不同疾病建立根据其冲动阻断的行为模型

(如需原文,请加微信healsana获取,备注20240614BEL

主要研究内容和结果

🔷  抖动电位行为分析
  • 研究发现,在单个冲动阻断前后,抖动电位(jittering potential)表现出远离触发峰值(trigger peak)的量大于靠近触发峰值的量。具体来说,MG患者的平均接近触发峰值的距离在单个冲动阻断前为178.10 µs,远离触发峰值的距离为293.97 µs;单个冲动阻断后,接近触发峰值的距离为218.60 µs,远离触发峰值的距离为264.52 µs。
  • 在连续冲动阻断后,抖动电位靠近触发峰值的量大于远离触发峰值的量。MG患者的平均接近触发峰值的距离在连续冲动阻断前为232.29 µs,远离触发峰值的距离为235.12 µs;连续冲动阻断后,接近触发峰值的距离为477.76 µs,远离触发峰值的距离为285.16 µs。

🔷  新参数提取

研究中计算了新的参数,包括连续冲动阻断组数、每组冲动阻断的次数,以及最大连续冲动阻断次数与总阻断次数的比率。有助于更深入地理解神经肌肉接头在冲动阻断前后的行为。


🔷  图形展示

通过图形展示了抖动电位在所有追踪记录中的位置变化行为,这些图形有助于区分冲动阻断前后抖动电位的行为模式。例如,图形中冲动阻断被标记为零,抖动电位位置变化被标记为“+1”或“-1”,根据其方向变化。


🔷  算法开发

开发了一种先进的算法,该算法不仅能够进行传统的抖动计算,还能够检测冲动阻断和连续冲动阻断组,计算冲动阻断的次数,以及绘制展示抖动电位行为的图形。该算法在不到1分钟内完成了所有抖动分析,包括手动调整。


🔷  统计数据

对于MG患者的抖动记录,计算了描述性统计数据。平均抖动值(MCD)为210.2±130.8 µs,IPI范围为1276.79±599.95 µs,平均IPI值为766.81±327.09 µs,冲动阻断次数为19.57±19.09。


🔷  冲动阻断与抖动值的关系

研究结果表明,随着抖动值的增加,观察到的冲动阻断次数也增加,这表明抖动值大于100 µs时,冲动阻断的可能性增加。


🔷  行为模式

在连续冲动阻断后,抖动电位更倾向于靠近触发峰值,这可能是由于神经肌肉接头的安全因子恢复,增加了乙酰胆碱的释放量,使得终板电位能够再次超过阈值触发动作电位。


上述研究结果为理解MG患者神经肌肉接头在冲动阻断前后的行为提供了新的视角,并可能有助于开发新的诊断和治疗策略。通过进一步的研究和算法的开发,可以更好地理解和预测神经肌肉接头的行为,从而为MG患者提供更精准的医疗服务。


图1. MG患者的电生理测试结果

图2. 连续冲动阻断的示例记录

图3. 抖动电位相对于触发峰值的波动

图4. 抖动电位方向变化的数量

图5. 抖动分析算法流程图


编者按:

临床意义和科研启发:

本研究通过分析重症肌无力(MG)患者在冲动阻断前后的抖动电位行为,揭示了神经肌肉接头在病理状态下的动态变化特征,这对于临床医生在诊断和治疗MG时提供了新的电生理学依据。研究结果表明,在连续冲动阻断后,抖动电位更倾向于靠近触发峰值,这可能与神经肌肉接头的安全因子恢复有关,为理解MG的病理生理机制提供了新视角。此外,本研究开发的算法能够快速准确地分析抖动电位行为,为未来在神经肌肉疾病的电生理诊断中应用自动化技术奠定了基础。这些发现不仅有助于提高对MG患者神经肌肉接头功能状态的评估精度,还可能推动相关领域研究,如探索不同神经肌肉疾病中冲动阻断的特异性模式,以及开发针对这些模式的个性化治疗策略。


期待更多类似高质量研究,给患者带来更优的临床诊疗策略。


原文链接:

【1】Sanders DB, Arimura K, Cui L, Ertaş M, Farrugia ME, Gilchrist J, Kouyoumdjian JA, Padua L, Pitt M, Stålberg E. Guidelines for single fiber EMG. Clin Neurophysiol. 2019;130(8):1417–39.
【2】https://doi.org/10.1007/s13534-024-00401-3


声明:
本文只是分享和解读公开的研究论文及其发现,以作科学文献记录和科研启发用;并不代表作者或本公众号的观点,更不代表本公众号认可研究结果或文章。
为了给大家提供一个完整而客观的信息视角,我们有时会分享有冲突或不同的研究结果。请大家理解,随着对疾病的研究不断深入,新的证据有可能修改或推翻之前的结论。
作者:Amber Wang,编辑:Jessica,微信号:Healsanq。助理:ChatGPT
“征战重症肌无力”与各位同仁一起,学习重症肌无力的研究进展,探索更优的诊疗策略。欢迎同仁投稿及分享。

点击👇,阅读更多重症肌无力研究解读

运营:美国Healsan咨询公司MG项目组,专注于临床科研及临床试验的服务公司,擅长于针对重症肌无力的临床科研设计及临床试验结果的报告撰写。
网址:https://healsan.com/
(投稿或商务,请扫描联系Amber)


征战重症肌无力
与各位同仁一起学习重症肌无力的研究进展,探索更优的诊疗策略。
 最新文章