拡散 MRI を使用した認知障害を伴うアルツハイマー病またはパーキンソン病患者の診断と予後の評価

現在、アルツハイマー病 (AD) とパーキンソン病 (PD) は、主に神経内科医によって臨床症状に基づいて診断されています。 しかし、それらの診断に利用できる客観的な基準はありません。 磁気共鳴画像法 (MRI) は臨床判断と組み合わせて使用​​されることがよくありますが、画像は主に診断を確定するためではなく、他の病気を排除するために使用されます。 位置放射断層撮影法やコンピュータ断層撮影法などの他の画像法は、AD および PD の診断に役立つ可能性がありますが、人体に有害な影響を及ぼします。

拡散 MRI、特に拡散テンソル イメージングは​​、中枢神経系の接続性の変化の評価によく使用されます。 拡散 MRI は非侵襲的で放射線を使用しないため、縦断的研究に使用するのに適しています。 てんかん、多発性硬化症、脳腫瘍などの多くの疾患における線維密度と断面積の評価に使用され、良好な結果が得られています。 拡散 MRI からは、分数異方性や平均、半径方向、軸方向の拡散率などのいくつかの測定値を取得できます。 拡散 MRI で観察される変化は細胞の内外の水分含量の変化に関連しているため、拡散係数の増加は細胞膜透過性の増加を反映している可能性があり、これは細胞死と破裂に起因すると考えられます。 より高い拡散係数は、より多くのニューロン死を示している可能性があります。 したがって、研究者は拡散尖度を使用して PD の診断を改善できる可能性があります。

アルツハイマー病に関する研究から、研究者は、軽度認知障害とアルツハイマー病患者の拡散係数が対照患者よりも有意に高いことを発見しました。 研究者は、紡錘状回、海馬、海馬傍、帯状体などの脳の90領域の分析を実施する。 リストされた領域は、正常対照と比較して、AD 患者と AD のリスクのある領域の平均拡散率に差があることが観察されています。 以前の研究では、平均拡散率が増加する領域と脳領域が縮小する領域の間に重複が観察されましたが、拡散係数が増加する領域はさらに多く、より大きな領域が存在します。 したがって、平均拡散率は、脳容積を測定する現在の方法よりも適切な臨床指標である可能性があります。 さらに、平均拡散率の増加と軽度認知障害または AD の重症度との間には相関関係があります。 アミロイドの沈着は疾患の進行と一致しており、平均拡散率を軽度認知障害およびアルツハイマー病の進行を反映するために使用できることがさらに裏付けられています。

研究者は、圧縮センシングを使用して拡散 MRI の速度を上げることを計画しています。 これには、画像の前処理、圧縮センシング観察の取得、モデルの再構築、アルゴリズムの再構築が含まれます。 研究者はまた、関心領域分析の現在の限界を克服することも計画しています。 これを実現する 1 つの方法はボクセルごとの分析ですが、画像をテンプレート空間に正規化することによる制限があり、画像の回転や歪みによってトラクトグラフィーで問題が発生する可能性があります。 さらに、研究固有のテンプレートを使用すると、ブロードマン座標やタライラック座標で結果を利用できなくなります。 最も重要なことは、ボクセル分析は脳の領域に基づいていないため、各領域の特性を判断することが困難であり、私たちのアルゴリズムによれば、大量のボクセルデータは統計の解像度を大幅に低下させ、統計分析に問題を引き起こす可能性があります。 。 したがって、研究者は共通の標準空間を使用し、適切な画像化技術を開発する必要があります。

研究者は、自動解剖学的ラベリング (AAL) を使用することを選択します。これは、神経科学研究でよく使用されるシステムであるためです。 研究者は、Montreal Neuroscience Institute 152 Template (MNI152) を非標準テンプレートとして使用します。 脳全体のイメージングと処理では、研究者は MRI や拡散 MRI で一般的に使用されるアフィン変換を使用します。 これには、Camino、FSL、SPM が含まれます。 研究者は、健康な脳の老化が拡散MRIにどのような変化をもたらすかを研究し、男性と女性の老化を比較する予定だ。

研究者はまた、ディープ ラーニングを使用して、データ セットのサンプル割り当てデータの前処理とディープ ニューラル ネットワークの設計により、感度と特異度を高め、分類と診断の精度を向上させます。

AAL を使用して、脳全体の分割を実行して、脳内の領域の拡散 MRI 情報を取得します。 影響を受けた地域は特定され、分析されます。 研究者らは、全脳領域を用いた拡散MRIが鑑別診断や臨床重症度と相関性の高い領域の特定に利用でき、正確な疾患の診断と予後診断に臨床医の参考になることを期待している。

研究者は、拡散 MRI を使用して認知機能を評価し、神経変性疾患患者の認知機能が悪化しているかどうかを評価することを目的としています。 さらに、研究者は拡散 MRI を使用して疾患の重症度と予後を判断したいと考えています。 神経変性と認知能力の悪化は、死亡率の増加と生活の質の低下をもたらします。 拡散 MRI の結果と疾患の重症度の関係は、臨床医が症状が悪化する前に、より高い信頼性を持ってこれらの疾患を発症の早い段階で診断できる客観的な方法を提供する可能性があります。

研究は 3 年間にわたって 3 段階に分けて完了します。 研究者らは初年度に、拡散 MRI に最適な高品質画像圧縮センシング方式と画像データ復元プロセスを確立したいと考えています。 研究者らはまた、脳の分割に最適な方法を開発し、深層学習を利用して軽度認知障害患者の診断を改善したいと考えている。

2年目、研究者は深層学習を使用して、定型および非定型PD患者の予後を予測するプロセスを確立したいと考えている。 研究者はまた、軽度認知障害の診断にディープラーニングを使用した評価を完了したいと考えています。

3 年目に、研究者は、定型および非定型 PD 患者の予後を予測する方法の開発を完了することを目指しています。 研究者はまた、軽度の認知発達を持つ患者がアルツハイマー病を発症するかどうかを評価するために深層学習を使用する方法を確立し、完成させる予定です。 さらに、調査員は画像処理のためのユーザー インターフェイスを完成させます。