Disease duration and disability in dysfelinopathy can be described by muscle imaging using heatmaps and random forests.

Gómez-Andrés D, Díaz J, Munell F, Sánchez-Montáñez Á, Pulido-Valdeolivas I, Suazo L, Garrido C, Quijano-Roy S, Bevilacqua JA.
Muscle Nerve. 2019. 59(4), 436-444.
La manière dont les schémas d’imagerie changent au cours de l’évolution de la maladie dans la dysferlinopathie n’est pas encore complètement comprise. Dans cette étude, l’infiltration de fibroadipose de 61 muscles a été notée en se basant sur des IRM corps entier de 33 patients atteints de dysferlinopathie.
La durée de la maladie a été trouvée liée à l’infiltration des muscles infraspinatus, teres major-minor et supraspinatus. Le domaine MFM-D1 diminue avec une infiltration plus élevée de teres major-minor, de triceps et de sartorius.

Lien PubMed

Mots clés : handicap, Dysferlin, Carte de fréquentation, Machine learning, Imagerie musculaire, Forêt aléatoire

 

Articles dans les revues scientifiques

Short-TERM Neuromuscular Electrical Stimulation Training of the Tibialis Anterior Did Not Improve Strength and Motor Function in Facioscapulohumeral Muscular Dystrophy Patients

Doix AM, Roeleveld K, Garcia J, Lahaut P, Tanant V, Fournier-Mehouas M, Desnuelle C, Colson SS, Sacconi S Am J Phys Med Rehabil. 2017. 96(4):e56-e63. Etude prospective sur 10 patients atteints de dystrophie musculaire facio-scapulo-humérale de type 1 (FSHD1) et 10...

lire plus