| dc.description.abstract | Selv om Parkinsons sykdom ble beskrevet for over 200 år siden, er dens kliniske heterogenitet fortsatt ukjent. Forskning søker nå å stratifisere sykdommen ved å identifisere pasientgrupper med ulike kliniske egenskaper. Denne oppgaven undersøker multimodal magnetresonanstomografis potensiale til å skille mellom pasienter med Parkinsons sykdom og friske kontroller, samt skille mellom pasienter med postural instabilitet og gangvansker, og tremor-dominant motorisk fenotype. 76 deltakere, inkludert 58 pasienter med Parkinsons sykdom (27 med postural instabilitet og gangvansker, og 20 tremor-dominante) og 18 friske kontroller, ble rekruttert fra Haukeland universitetssykehus. Strategically aquired gradient echo imaging genererte bilder og maps basert på to trippel-echo sekvenser med ulike flippvinkler. Fem maskinlæringsmodeller, inkludert XGBoost, ble brukt til klassifiseringen med gjennomsnittsintensiteter av substantia nigra pars compacta og locus coeruleus som features. XGBoost viste god evne til å skille mellom pasienter med Parkinsons sykdom og friske kontroller (F1 score: 0.84, precision: 0.86, recall: 0.85). Videre viste XGBoost høy diskriminerende kraft til å skille mellom pasienter med postural instabilitet og gangvansker, og tremor-dominante pasienter (F1 score: 0.69, precision: 0.71, recall: 0.70). Denne oppgaven demonstrerte at multimodal magnetisk resonanstomografi kan brukes til å skille pasienter med Parkinsons sykdom fra friske kontroller, samt skille mellom pasienter med postural instabilitet og gangvansker, og tremor-dominante pasienter. Locus coeruleus i simGRE-bildet fremtrer lovende for å skille pasienter med Parkinsons sykdom fra friske kontroller, særlig i kombinasjon med Brief Smell Identification Test score. Potensielle biomarkører for å skille postural instabilitet og gangvansker fra tremor-dominant inkluderer substantia nigra pars compacta og locus coeruleus i simDIR GM-bildet, substantia nigra pars compacta i simDIR WM-bildet og Montreal Cognitive Assessment score. | |
