認知症のリスクがある高齢者の異質性を解明し、予防戦略をより良く伝えるためのデータ駆動型人工知能技術による神経炎症および神経画像バイオマーカーの同定

募集には、トレーニングコホートの35人のMCI、プラセボコホートの35人のMCI、および75人のSCD被験者が含まれる。

認知的評価: 一連の包括的な神経心理学的テストにより、記憶、注意、実行機能の領域におけるパフォーマンスを評価します。 すべての MCI 被験者について、研究の開始時 (T0)、7 か月後 (T7)、および 14 か月後 (T14) に同じ認知評価が実行されます。 SCD 被験者は、割り当てられたアームに応じて、T0、T7、T14、および 28 か月後 (T28) に認知評価を実行します。

機器評価：すべての MCI 被験者に対して、機器評価である MR 脳スキャン (T1 強調および pCASL) が T0 と T7 に実行されます。 35 人の SCD 被験者は T0 と T28 に機器評価を受けます。

血液サンプル: 末梢血単核球 (PBMC) 分離のための血液サンプルは、すべての MCI および SCD 被験者からベースラインで採取されます。 すべての MCI 患者については T7 および T14 にも血液サンプルが採取され、SCD 患者については T28 にも血液サンプルが採取されます。細胞メディエーターは、単球/マクロファージ、T 細胞 (CD3/CD4/CD8)、および制御性 T 細胞 (CD4+CD25+IL7Rlo) のフローサイトメトリー分析によって評価されます。 炎症の可溶性免疫メディエーターを測定するために、血清/血漿が調製および保存されます。 ELISA 測定は、IFN ガンマ、IL12、TNF アルファ、IL-6、CCL2、および BDNF に対して実行されます。

介入: ベースライン評価後、MCI トレーニングおよび SCD トレーニング グループは、認知療法、身体運動、音楽療法を含む 7 か月にわたるマルチドメイン トレーニングを受けます。一方、MCI なし、SCD なしの場合は、自然史が追跡されます。 TtB プロトコル (Train the Brain Consortium、2017) によると、登録された被験者はそれぞれ最大 10 名の男女混合クラスに割り当てられ、1 日あたり 60 分の教師付き認知トレーニングのセッションが 2 セッション、週に 3 回、60 セッションのうち 1 つが与えられます。 1日あたり数分の監視付き有酸素運動を週に3回、7か月間実施。 認知トレーニング プログラムは、複数の認知機能を刺激することを目的とした 18 セッションの演習と活動で構成される 8 サイクルに基づいています。 各サイクルは 3 週間続き、その後、同じ種類の認知刺激セッションが再開され、より複雑な演習や活動が行われます。 各サイクルは、特定の認知領域を刺激することを目的としたセッションと、マルチモーダルなアクティビティに焦点を当てたセッションで構成されます。 身体トレーニングには、エルゴメーターサイクルでの有酸素運動が含まれ、その期間は10分から20分まで徐々に延長され、その後、筋力、身体機能、神経筋制御および柔軟性の向上を目的とした運動が続きます。

MCIトレーニンググループとMCIトレーニングなしグループは、認知パフォーマンス、CBF、灰白質萎縮、炎症マーカーの観点からT7で比較されます。 認知的完全性と炎症マーカーに関する追加の比較は、T14 で実行されます。 SCD トレーニング グループと SCD トレーニングなしグループは、認知パフォーマンスと炎症マーカーの観点から T7 で比較されます。 認知的完全性と炎症マーカーに関する追加の比較は、T14 で実行されます。

ベースラインで MCI および SCD 被験者に対して実行された MR 取得 (T1 強調および pCASL の両方) は、脳構造体積および CBF の測定値を取得するために処理されます。 これらの測定値については、MCI コホートと SCD コホートの両方で解剖学的パターンと CBF パターンの均一なサブグループを特定するためにコンセンサス クラスタリング技術が適用されます。

まず、異なる臨床カテゴリーのサブグループを検出するために、MCI コホートと SCD コホートは別々に処理されます。

第二に、MCIコホートとSCDコホートは、異なる認知障害を示す被験者の潜在的な神経画像親和性を検出するために共同で治療されます。

コンセンサス クラスタリング アプローチによる最初の評価の後、ディープ ニューラル ネットワークに基づくクラスタリング手法 (Xie et al. 2016) などの新しいクラスタリング手法が検討されます。

神経画像データのクラスタリング手法の堅牢性は、相互検証アプローチと、ADNI コンソーシアムのおかげで公的に入手可能な解剖学的および灌流データでサンプルを強化することによってテストされます (現時点では、MCI のコホートに対して約 160 の解剖学的および CBF データが利用可能です)および SCD 被験者）。