La enfermedad de Alzheimer es la causa más común de demencia y afecta la memoria, el pensamiento y el comportamiento. Puede ser un desafío diagnosticar la enfermedad de Alzheimer, lo que puede conducir a una atención del paciente subóptima. Durante el desarrollo de la enfermedad de Alzheimer, el cerebro se encoge y las células dentro de él mueren. Un método que se puede utilizar para evaluar la función cerebral es la resonancia magnética, que utiliza campos magnéticos y ondas de radio para producir imágenes del cerebro.
En este estudio, desarrollamos un método que utiliza datos de imágenes de resonancia magnética para identificar diferencias en el cerebro entre personas con y sin enfermedad de Alzheimer, incluso antes de que ocurra una contracción evidente del cerebro. Este método podría usarse para ayudar a diagnosticar pacientes con la enfermedad de Alzheimer.
En estos últimos 40 años, la potencia computacional y la capacidad de almacenamiento mejoradas han llevado a numerosos avances en el desarrollo de biomarcadores estructurales no invasivos y de bajo costo para la EA que combinan enfoques de neuroimagen, en particular, resonancia magnética estructural, con aprendizaje automático.
Este estudio actual propone un método capaz de caracterizar formas tempranas y tardías de la enfermedad de Alzheimer con la extracción de una secuencia de resonancia magnética T1w de 29.520 rasgos morfofuncionales estadísticos distribuidos en una máscara cerebral multirregional obtenida con una segmentación automática. El cerebro sano y las enfermedades no relacionadas con la patología de la EA, incluida la enfermedad de Parkinson y la demencia frontotemporal, se han combinado para desarrollar un conjunto de herramientas capaces de revelar la arquitectura mesoscópica única de la EA.
Se aplicó el análisis estadístico estándar a todas las figuras según corresponda y se indicó en las leyendas de las figuras. Todas las muestras se usaron una vez. Las pruebas múltiples se corrigieron con el método FDR. Todos los análisis estadísticos se realizaron en Matlab R2019b.
Para cada sujeto, las imágenes de resonancia magnética T1w se segmentaron automáticamente en 115 regiones a partir de las cuales las características radiómicas se adquirieron, estandarizaron y redujeron de forma independiente con un modelo basado en aprendizaje automático. Finalmente se combinaron en vectores predictivos de Alzheimer.
Hebert, LE, Weuve, J., Scherr, PA & Evans, DA Enfermedad de Alzheimer en los Estados Unidos (2010-2050) estimada utilizando el censo de 2010. Neurología 80 , 1778–1783 (2013).
Ebenau, JL et al. Clasificación ATN y progresión clínica en el deterioro cognitivo subjetivo: el proyecto SCIENCE. Neurología 95 , e46–e58 (2020).
Pascoal, TA et al. La activación microglial y tau se propagan conjuntamente a través de las etapas de Braak. Nat. Medicina. 27 , 1592–1599 (2021).
Kehoe, EG, McNulty, JP, Mullins, PG & Bokde, ALW Avances en biomarcadores de resonancia magnética para el diagnóstico de la enfermedad de Alzheimer. Biomarca. Medicina. 8 , 1151–1169 (2014).
Ossenkoppele, R. et al. Patrones de atrofia en etapas clínicas tempranas a través de distintos fenotipos de la enfermedad de Alzheimer. Tararear. Mapa cerebral. 36 , 4421–4437 (2015).
Steen, RG, Mull, C., McClure, R., Hamer, RM y Lieberman, JA Volumen cerebral en el primer episodio de esquizofrenia: revisión sistemática y metanálisis de estudios de imágenes por resonancia magnética. Hermano J. Psiquiatría 188 , 510–518 (2018).
Arnone, D., McIntosh, AM, Ebmeier, KP, Munafò, MR & Anderson, IM Estudios de imágenes por resonancia magnética en la depresión unipolar: revisión sistemática y análisis de metarregresión. EUR. Neuropsicofarmacología 22 , 1–16 (2012).
Fuerst, D., Shah, J., Shah, A. y Watson, C. La esclerosis del hipocampo es un trastorno progresivo: un estudio de resonancia magnética volumétrica longitudinal. Ana. Neurol. 53 , 413–416 (2003).
Nelson, PT et al. Encefalopatía por TDP-43 relacionada con la edad predominantemente
Hansson, O. et al. Los biomarcadores del LCR de la enfermedad de Alzheimer concuerdan con la PET amiloide-β y predicen la progresión clínica: un estudio de inmunoensayos totalmente automatizados en cohortes BioFINDER y ADNI. Demencia de Alzheimer. 14 , 1470–1481 (2018).