La valutazione della diagnosi e della prognosi dei pazienti con malattia di Alzheimer o malattia di Parkinson con compromissione cognitiva mediante l'uso della risonanza magnetica a diffusione

Attualmente, la malattia di Alzheimer (AD) e la malattia di Parkinson (PD) vengono diagnosticate principalmente dai neurologi, sulla base dei sintomi clinici. Tuttavia, non ci sono criteri oggettivi disponibili per la loro diagnosi. Sebbene la risonanza magnetica per immagini (MRI) sia spesso impiegata insieme al giudizio clinico, le immagini vengono utilizzate principalmente per eliminare altre malattie, piuttosto che per confermare la diagnosi. Altri metodi di imaging, come la tomografia a emissione di posizione o la tomografia computerizzata, possono aiutare nella diagnosi di AD e PD, ma hanno effetti dannosi sul corpo umano.

Diffusion MRI, e in particolare Diffusion Tensor Imaging, sono spesso impiegati nella valutazione dei cambiamenti nella connettività nel sistema nervoso centrale. Poiché non è invasiva e non comporta radiazioni, la risonanza magnetica a diffusione è adatta per essere utilizzata per studi longitudinali. È stato utilizzato per la valutazione della densità e della sezione trasversale delle fibre in molte malattie, tra cui epilessia, sclerosi multipla e tumori cerebrali, con buoni risultati. Diverse misurazioni possono essere ottenute dalla diffusione MRI, tra cui l'anisotropia frazionaria e la diffusività media, radiale e assiale. I cambiamenti osservati nella risonanza magnetica di diffusione sono correlati ai cambiamenti nel contenuto di acqua all'interno e all'esterno delle cellule, quindi un aumento del coefficiente di diffusione potrebbe riflettere un aumento della permeabilità della membrana cellulare, che può essere attribuito alla morte cellulare e alla rottura. Un coefficiente di diffusione più elevato può essere indicativo di una maggiore morte neuronale. Pertanto, utilizzando la curtosi da diffusione, il ricercatore potrebbe essere in grado di migliorare le diagnosi di PD.

Dalla ricerca sull'AD, il ricercatore ha scoperto che il coefficiente di diffusione dei pazienti con decadimento cognitivo lieve e AD è significativamente più alto rispetto ai pazienti di controllo. Il ricercatore effettuerà analisi su 90 regioni cerebrali, tra cui il giro fusiforme, l'ippocampo, il paraippocampo e il cingolo. È stato osservato che le regioni elencate presentano differenze nella diffusività media per i pazienti con AD e quelli a rischio di AD, rispetto ai controlli normali. In studi precedenti, sono state osservate sovrapposizioni tra le aree in cui la diffusività media aumenta e le aree in cui le regioni del cervello si riducono, ma ci sono più regioni e aree più grandi in cui il coefficiente di diffusione aumenta. Pertanto, la diffusività media può essere un indice clinico più adatto rispetto all'attuale metodo del volume cerebrale. Inoltre, esiste una correlazione tra l'aumento della diffusività media e la gravità del lieve deterioramento cognitivo o AD. La deposizione di amiloide è coerente con la progressione della malattia, a ulteriore sostegno del fatto che la diffusività media può essere utilizzata per riflettere la progressione del lieve deterioramento cognitivo e dell'AD.

L'investigatore prevede di utilizzare il Compressed Sensing per aumentare la velocità di diffusione della risonanza magnetica. Ciò include la preelaborazione delle immagini, l'acquisizione di osservazioni di Compressed Sensing, la ricostruzione del modello e la ricostruzione dell'algoritmo. Il ricercatore prevede inoltre di superare gli attuali limiti dell'analisi della regione di interesse. Un modo per ottenere ciò è l'analisi voxelwise, tuttavia presenta limitazioni causate dalla normalizzazione dell'immagine in uno spazio modello e possibili problemi nella trattografia causati dalla rotazione o dalla distorsione dell'immagine. Inoltre, l'uso di un modello specifico dello studio impedisce che i risultati siano disponibili nelle coordinate di Brodmann o Talairach. Ancora più importante, l'analisi dei voxel non si basa sulle regioni del cervello, quindi è difficile determinare le proprietà di ciascuna regione e, secondo il nostro algoritmo, una grande quantità di dati sui voxel ridurrebbe notevolmente la risoluzione delle statistiche e causerebbe problemi nell'analisi statistica . Pertanto, l'investigatore deve utilizzare uno spazio standard comune e sviluppare una tecnica di imaging adeguata.

L'investigatore sceglie di utilizzare l'etichettatura anatomica automatica (AAL), poiché si tratta di un sistema comunemente utilizzato nella ricerca sulle neuroscienze. Lo sperimentatore utilizza anche il modello 152 del Montreal Neuroscience Institute (MNI152) come modello standard. Nell'imaging e nell'elaborazione dell'intero cervello, l'investigatore usa la trasformazione affine, poiché è comunemente usata per la risonanza magnetica e la risonanza magnetica di diffusione. Ciò include Camino, FSL e SPM. Il ricercatore studierà come l'invecchiamento di un cervello sano cambia la risonanza magnetica di diffusione e farà confronti tra l'invecchiamento nei maschi e nelle femmine.

Lo sperimentatore utilizzerà anche il Deep Learning per aumentare la sensibilità e la specificità e per migliorare l'accuratezza della classificazione e della diagnosi, mediante la preelaborazione dei dati di allocazione del campione di set di dati e la progettazione di reti neurali profonde.

Utilizzando l'AAL, verrà eseguita la parcellizzazione dell'intero cervello per ottenere informazioni MRI di diffusione delle regioni del cervello. Le regioni interessate saranno identificate e analizzate. Il ricercatore spera che la risonanza magnetica di diffusione utilizzando intere regioni del cervello possa essere utilizzata per la diagnosi differenziale e per identificare le regioni che hanno un'elevata correlazione con la gravità clinica e per diagnosi e prognosi accurate della malattia, per servire come riferimento per i medici.

Il ricercatore mira a utilizzare la risonanza magnetica a diffusione per valutare la funzione cognitiva e valutare se si deteriora nei pazienti con malattie neurodegenerative. Inoltre, l'investigatore spera di utilizzare la risonanza magnetica di diffusione per determinare la gravità e la prognosi della malattia. Il peggioramento della neurodegenerazione e delle capacità cognitive comporta un aumento della mortalità e una peggiore qualità della vita. La relazione tra i risultati della risonanza magnetica di diffusione e la gravità della malattia può fornire un metodo oggettivo che consente ai medici di diagnosticare queste malattie con maggiore sicurezza e prima dell'insorgenza della malattia, prima del peggioramento dei sintomi.

Lo studio sarà completato in tre fasi, nell'arco di tre anni. Nel primo anno, il ricercatore spera di stabilire uno schema di rilevamento della compressione delle immagini di alta qualità ottimale e un processo di ripristino dei dati delle immagini per la risonanza magnetica a diffusione. Il ricercatore spera anche di sviluppare un metodo ottimale per la parcellizzazione del cervello e di utilizzare l'apprendimento profondo per migliorare la diagnosi dei pazienti con decadimento cognitivo lieve.

Nel secondo anno, il ricercatore spera di stabilire un processo per prevedere la prognosi dei pazienti con PD tipico e atipico, utilizzando il deep learning. L'investigatore spera anche di completare la nostra valutazione sull'utilizzo del deep learning per la diagnosi di lieve deterioramento cognitivo.

Nel terzo anno, il ricercatore mira a completare lo sviluppo di un metodo per predire la prognosi dei pazienti con PD tipico e atipico. Lo sperimentatore stabilirà e completerà anche il nostro metodo di utilizzo dell'apprendimento profondo per valutare se i pazienti con sviluppo cognitivo lieve svilupperanno l'AD. Inoltre, l'investigatore completerà l'interfaccia utente per l'elaborazione delle immagini.