Kvantitativ automatisert lesjonsdeteksjon av traumatisk hjerneskade (QALD)

På grunn av deres ikke-fokale natur, er TBI-relaterte hjernelesjoner vanskelig å oppdage og kvantifisere med tradisjonell MR. I det nåværende forskningsprogrammet foreslår etterforskerne å utvikle kvantitative automatiserte lesjonsdeteksjon (QALD) prosedyrer for å (1) klargjøre arten og fordelingen av vevsskade etter mild, moderat og alvorlig TBI (2) forbedre evnen til å oppdage, kvantifisere og lokalisere TBI hjerneskade hos individuelle pasienter og (3) korrelerer kvantitative mål på hjerneskade hos individuelle TBI-pasienter med nevropsykologiske mangler i oppmerksomhet, hukommelse og eksekutiv funksjon.

QALD oppdager unormale vevsparametre i den syke hjernen gjennom statistiske sammenligninger med en normativ database. Foreløpige resultater viser at QALD er i stand til å oppdage svært signifikante abnormiteter i hjernen til TBI-pasienter med normale kliniske MR-skanninger. QALD vil bli ytterligere forbedret og testet med en større database og inkludert hjernebilder tatt med fire forskjellige bildesekvenser (T1, T2, DTI og fluid-attenuated inversion recovery eller FLAIR) fra 100 kontrollpersoner. Dataanalyse vil inkludere avanserte kortikale overflatekartleggingsteknikker for å kvantifisere gråstoffvevsparametere og tykkelse i 34 distinkte kortikale områder i hver halvkule. I tillegg vil kortikale fiberprojeksjoner kvantifiseres med DTI- og FLAIR-analyse av hvit substans som ligger under den kortikale overflaten. Subkortikale fiberkanaler som er kritiske for komplekse kognitive operasjoner vil bli analysert med voxel-basert morfometri og med forbedrede regioner av interesse-algoritmer for å definere fiberkanalgrenser. Vevsegenskaper i kritiske subkortikale strukturer (f.eks. hippocampus) vil bli kvantifisert etter automatisk parsellering av disse hjerneområdene. Etterforskerne vil også teste kontrollpersonene på et batteri av nevropsykologiske tester (NPT) og korrelere variasjoner i størrelse, myelinisering og vevsegenskaper til normale kortikale og subkortikale strukturer med kognitiv ytelse. Deretter vil etterforskerne samle identiske bildedata hos 99 TBI-pasienter delt inn i tre grupper (mild, moderat og alvorlig TBI) for å karakterisere det gjennomsnittlige skademønsteret forårsaket av TBI av ulik alvorlighetsgrad. Deretter vil etterforskerne kvantifisere lesjoner hos individuelle TBI-pasienter og beskrive variasjonen av lesjonsmønstre i de forskjellige alvorlighetsgruppene. Parallelt vil etterforskerne utvikle ytterligere multimodale analyseteknikker for å kombinere statistisk informasjon fra forskjellige bildesekvenser for å forbedre lesjonsdeteksjonsfølsomheten for samlokaliserte abnormiteter som er tydelige med forskjellige bildebehandlingsprotokoller. I tillegg vil etterforskerne teste pasienter med PT-er og analysere forholdet mellom hjerneskade, kognitiv ytelse og selvevaluering av utfall for å forbedre den prognostiske verdien av nevroradiologiske studier av TBI.