运动障碍早期诊断与个体化治疗进展总结2026

运动障碍早期诊断与个体化治疗进展总结20262025年，运动障碍（MovementDisorders）领域取得了重要进展。过去几年湿性生物标志物（WetBiomarkers）的涌现，现已促成了神经退行性疾病的生物学定义。然而，主要的突破是由神经影像学、神经调控、细胞与基因治疗、数字生物标志物、深度学习和人工智能等领域的技术进步所驱动。在帕金森病（Parkinson'sDisease，PD）及帕金森综合征的早期（前驱期）诊断、鉴别诊断和预后方面，仍存在重大空白。结合不同技术和手段的多模态方法可能是最成功的途径，因为在神经退行性疾病的发病机制和进展中，性别、遗传、表观遗传、环境及其他因素之间复杂的相互作用起着基础性作用。在对可及且可持续的诊断工具需求日益增长的背景下，脑部磁共振成像（MagneticResonanceImaging，MRI）可作为突触核蛋白病（Synucleinopathies）早期诊断的一项基本技术。尤其值得注意的是利用多模态脑部MRI区分早期帕金森病的可能性。一项将大量早期帕金森病患者与健康对照组进行比较的研究显示，通过评估皮质形态、白质微结构和皮质下铁代谢，可以识别出两种不同的早期变性模式。基线时显示有统计学意义脑变性的亚型，其特点是发病年龄较大，初始运动症状更严重，并且在长达2.3年的随访中出现进行性记忆力下降；而初始神经变性较少的亚型则发病年龄较轻，初始临床症状较轻微，但在随访期间运动和非运动症状进展更快。这种方法有助于更好地预测和制定有效的治疗策略。同样，利用人工智能（ArtificialIntelligence，AI）改善神经退行性疾病及其他运动障碍早期诊断的应用正在迅速增加。一项有趣的研究探索了利用机器学习（MachineLearning，ML）算法分析智能手机获取的多模态特征（语音、手指敲击运动和步态）用于帕金森病的早期诊断。该研究纳入了处于疾病不同阶段的帕金森症状患者以及年龄匹配的健康对照者。与单一方法相比，使用机器学习整合通过智能手机收集的这三项特征，改善了对帕金森病患者的早期识别。这些结果鼓励了数字技术与人工智能技术相结合在早期诊断中的应用。与早期和改进的诊断并行的是，迫切需要能够改变疾病进程、更有效减轻体征和症状、并保持安全性和耐受性的靶向有效治疗。旨在改善治疗的神经调控技术不断发展，正变得更加聚焦且侵入性更小。一项概念验证研究的结果展示了这方面的进展，该研究表明，帕金森病的适应性深部脑刺激（AdaptiveDeepBrainStimulation，aDBS）（即根据脑信号变化自动调整刺激幅度的可能性）是可行的，且可能比传统刺激更有效。在一项评估两种不同丘脑底核（SubthalamicNucleus，STN）适应性刺激方法的前瞻性国际临床试验中，两种方法均能改善运动症状，效果与连续刺激相似，其中一种适应性方法显示在“开”期能更好地控制异动症（Dyskinesia）。然而，由于深部脑刺激的患者选择标准严格，非侵入性脑刺激（Non-InvasiveBrainStimulation）正变得更具吸引力。特别是经颅超声刺激（TranscranialUltrasoundStimulation，TUS）提供了多种新的可能性。在一小群帕金森病或肌张力障碍患者中，θ波爆发式经颅超声刺激（ThetaBurstTranscranialUltrasoundStimulation）能够调节基底节的电生理信号（通过位于内侧苍白球（GlobusPallidusInternus,GPi）的深部脑刺激电极测量）。这些发现支持将该技术进一步发展为运动障碍的潜在疗法。帕金森病的细胞疗法已被研究多年，但由于细胞类型、其存活率以及所用技术等多重限制，这些研究鲜有阳性结果。近期，通过重编程成熟体细胞产生的、具有高增殖活性的诱导多能干细胞（InducedPluripotentStemCells，iPSCs）移植技术引起了广泛关注。在一项1期和2期试验中，7名帕金森病患者接受了由诱导多能干细胞衍生的多巴胺能前体细胞（DopaminergicProgenitors）双侧壳核（Putamen）植入。在2年随访中，未报告严重不良事件，MRI检测未发现移植物扩大，而氟-18-L-多巴（Fluorine-18-L-dihydroxyphenylalanine，18F-DOPA）成像显示壳核摄取值增加，表明多巴胺合成增加。大多数参与者的“关”期和“开”期运动症状均有主观和客观改善。这些发现支持了该治疗的安全性及其在改善帕金森病运动症状方面的潜在益处。总之，2025年的成就为进一步完善前驱期和早期诊断，以及开发新的神经调控方法以实现更有效、更可及的运动障碍治疗铺平了道路。[参考文献]MoroE.Movementdisord