Aperiodická složka výkonového spektra EEG u pacientů s Parkinsonovou nemocí léčených hlubokou mozkovou stimulací

Abstract

Parkinsonova nemoc (PN) je jedním z nejčastějších neurodegenerativních onemocnění. Počet diagnostikovaných pacientů se v posledních 30 letech zdvojnásobil. Symptomatická léčba zahrnuje primárně farmakologickou terapii, a dále také modulaci mozkové aktivity pomocí hluboké mozkové stimulace. Tato práce se věnuje elektrofyziologickým změnám u pacientů léčených pomocí DBS, což může napomáhat rozvoji této velmi úspěšné terapie. V rámci praktické části práce byl zkoumán efekt DBS na tzv. aperiodickou složku výkonového spektra EEG signálu. Výsledky práce prokazují, že dlouhodobé účinky DBS mají vliv na aperiodickou složku. Stejně tak práce dokazuje, že lze sledovat změny aperiodické složky ve srovnání zapnuté a vypnuté stimulace. Tato tvrzení podporují závěry nejnovějších výzkumů, které zdůrazňují potenciál aperiodické složky jako vstupního signálu pro individuální terapii PN pomocí adaptivního DBS.Parkinson's disease (PD) is one of the most common neurodegenerative diseases. The number of diagnosed patients has doubled in the last 30 years. Symptomatic treatment primarily includes pharmacological therapy, as well as modulation of brain activity using deep brain stimulation (DBS). This work focuses on the electrophysiological changes in patients treated with DBS, which may aid the development of this highly successful therapy. As part of the practical section of the work, the effect of DBS on the so-called aperiodic component of the power spectrum of the EEG signal was examined. The results of the work demonstrate that the long-term effects of DBS have an impact on the aperiodic component. Likewise, the work proves that changes in the aperiodic component can be observed when comparing stimulation on and off. These statements support the conclusions of the latest research, which highlight the potential of the aperiodic component as an input signal for individual therapy of Parkinson's disease using adaptive DBS.