Identifikacija značilnih presnovnih možganskih vzorcev pogostih demenc in njihova uporaba v računalniško podprtih diferencialno diagnostičnih orodjihPerovnik, Matej (Avtor) Trošt, Maja (Mentor) Jeraj, Robert (Komentor) Nevrodegenerativne demencebiološki označevalecFDG PETmrežna analizastrojno učenje.Ozadje: V najzgodnejših stopnjah nevrodegenerativnih demenc lahko diferencialna diagnoza predstavlja izziv, zaradi česar postaja uporaba bioloških označevalcev v klinični praksi in pri raziskovanju vedno pogostejša. Izboljšava trenutnih in razvoj novih bioloških označevalcev sta prioriteti v nevroznanosti in klinični nevrologiji za izboljšanje diagnostične natančnosti. Funkcijsko slikanje možganov z 2-[18F]fluoro-2-deoksi-D-glukozo in pozitronsko izsevno tomografijo (angl. 2-[18F]fluoro-2-deoxy-D-glucose positron emission tomography, 2-[18F]FDG PET) lahko zazna spremembe v presnovi možganov, ki odražajo potekajoč nevrodegenerativni proces. Uporaba metod za mrežno analizo na slikah 2-[18F]FDG PET nam omogoča identifikacijo značilnih z boleznijo povezanih presnovnih možganskih vzorcev. Te vzorce lahko kvantificiramo pri posameznem bolniku in njihovo izraženost uporabimo pri diferencialni diagnozi, prognozi, sledenju poteka bolezni in, sčasoma tudi, odzivu na zdravljenje, ki spreminja potek bolezni. Cilji: identifikacija in validacija značilnih presnovnih možganskih vzorcev dveh najpogostejših nevrodegenerativnih demenc: demence zaradi Alzheimerjeve bolezni (angl. dementia due to Alzheiemer's disease, AD) in demence z Lewyjevimi telesci (angl. dementia with Lewy bodies, DLB) z uporabo mrežne analize in slik 2-[18F]FDG PET, razvoj avtomatiziranega klasifikacijska algoritma za diferenciacijo in klasifikacijo slik 2-[18F]FDG PET bolnikov z različnimi demencami ter primerjava njegove diagnostične vrednosti z vidnimi odčitki strokovnjakov. Metode: Analizirali smo klinične podatke in slike 2-[18F]FDG PET 388 preiskovancev: 133 bolnikov z AD, 42 bolnikov z blago kognitivno motnjo (angl. mild cognitive impairment, MCI), 79 bolnikov z DLB, 23 bolnikov z vedenjsko obliko frontotemporalne demence (angl. behavioural variant frontotemporal dementia, bvFTD) in 111 zdravih kontrol (angl. normal controls, NC). Po predpripravi slik smo (1.) uporabili metodo skaliranega subprofilnega modela, ki temelji na analizi glavnih komponent (angl. scaled subprofile model/principal component analysis, SSM/PCA), na slikah 2-[18F]FDG PET 20 bolnikov z AD in 20 NC za identifikacijo značilnega presnovnega vzorca pri AD (angl. AD-related pattern, ADRP). Izračunali smo diagnostično natančnost vzorca in ga validirali na treh neodvisnih kohortah bolnikov. Dodatno smo izračunali tudi korelacijo med izraženostjo vzorca in bolnikovo oceno splošnega kognitivnega stanja ter trajanjem bolezni. Prav tako smo (2.) metodo SSM/PCA uporabili na slikah 2-[18F]FDG PET 20 bolnikov z DLB in 20 NC za identifikacijo značilnega presnovnega vzorca pri DLB (angl. DLB-related pattern, DLBRP). Izračunali smo diagnostično natančnost vzorca in ga validirali na neodvisni validacijski kohorti, ki je bila sestavljena iz 59 bolnikov z DLB, 63 bolnikov z AD in 21 NC. Dodatno smo izračunali korelacijo med izraženostjo vzorca in bolnikovimi ocenami splošnega kognitivnega stanja ter trajanjem bolezni. Prav tako smo (3.) izgradili in testirali model strojnega učenja, osnovan na dveh naborih značilnosti (izraženosti značilnih z boleznijo povezanih vzorcev in povprečnem privzemu glukoze v 95 področjih zanimanja (angl. regions of interest, ROIs)). Izračunali smo diagnostično vrednost klasifikacijskega algoritma in jo primerjali z vidno oceno strokovnjakov. Zlati diagnostični standard sta bila klinična diagnoza na kontrolnem pregledu (M = 25 ± 20 mesecev) oziroma izvid likvorskih bioloških označevalcev za Alzheimerjevo bolezen. Rezultati: (1.) Za novoodkriti ADRP so bila značilna področja relativno znižane presnovne aktivnosti v temporoparietalni skorji, posteriornem cingulumu in prekuneusu, ki so bila soodvisna s področji relativno zvišane presnovno aktivnosti v malih možganih. Izraženost ADRP je pomembno razlikovala med AD in NC (angl. areas under the curve (AUCs) = 0,95–0,98) in je korelirala z merami splošnega kognitivnega stanja v vseh vključenih kohortah bolnikov z AD. (2.) Za novoodkriti DLBRP so bila značilna področja znižane presnovne aktivnosti v okcipitalnem, inferiornem parietalnem in inferiornem temporalnem režnju ter prekuneusu obojestransko, ki so bila soodvisna s področji relativno zvišane presnovne aktivnosti v bazalnih ganglijih in srednji temporalni skorji. Izraženost DLBRP je pomembno razlikovala med DLB in NC (AUC = 0,99) in je korelirala z merami splošnega kognitivnega stanja. Po korekciji za topografsko prekrivanje med ADRP in DLBRP je vzorec pomembno razlikoval tudi med DLB in AD (AUC = 0,87). (3.) Klasifikatorja, ki sta temeljila na izraženosti presnovnih vzorcev in privzemu glukoze v ROI, sta dosegla visoko diagnostično natančnost z visoko specifičnostjo in občutljivostjo v vseh štirih diagnostičnih kategorijah (AD, DLB, bvFTD in NC). Oba sta pokazala višjo celokupno natančnost kot strokovnjaki z vidno oceno (78 % in 80 % proti 71 %). Zaključki: Identificirali in validirali smo presnovna možganska vzorca pri AD in DLB. Pokazali smo tako njuno diagnostično vrednost in biološko pomembnost kot uporabnost v avtomatiziranem računalniško podprtem diferencialno diagnostičnem orodju. Novi avtomatizirani klasifikacijski algoritem je dosegel odlično diagnostično vrednost in nudil dodatne informacije vidni oceni.20232023-04-23 07:15:13Doktorsko delo/naloga145580sl