<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Vloga specifičnih presnovnih vzorcev možganov v diferencialni-diagnozi in razumevanju patofiziologije</dc:title><dc:creator>Rus,	Tomaž	(Avtor)
	</dc:creator><dc:creator>Trošt,	Maja	(Mentor)
	</dc:creator><dc:creator>Ležaić,	Luka	(Komentor)
	</dc:creator><dc:subject>Parkinsonova bolezen</dc:subject><dc:subject>parkinsonizmi</dc:subject><dc:subject>Creutzfeldt-Jakobova bolezen</dc:subject><dc:subject>diferencialna diagnoza</dc:subject><dc:subject>FDG PET</dc:subject><dc:subject>presnovni možganski vzorci</dc:subject><dc:description>Uvod: Nevrodegenerativne bolezni možganov so kronična, napredujoča in neozdravljiva obolenja, ki se klinično izrazijo s kognitivnim upadom in/ali motnjami gibanja. Zgodnja klinična diagnostična natančnost je relativno nizka. V pomoč pri natančnejši zgodnejši diagnozi in razlikovanju med njimi se vse bolj uveljavljajo različni biološki označevalci, biokemični in slikovni. Med slednje sodi tudi funkcijsko slikanje možganov s 18F-FDG PET, s katerim lahko merimo presnovo glukoze, ki odraža sinaptično aktivnost nevronov. Presnova glukoze v možganih se spremeni že v zelo zgodnjih fazah nevrodegenerativnih bolezni. Analiza 18F-FDG PET slik možganov nam lahko pomaga pri razlikovanju med različnimi nevrodegenerativnimi sindromi, ki so lahko klinično zelo podobni, in pri spoznavanju patofizioloških procesov v možganih. Z multivariatno statistično obdelavo 18F-FDG PET slik lahko identificiramo za nevrodegenerativni sindrom specifične presnovne vzorce funkcijsko povezanih možganskih področij, ki predstavljajo presnovni biološki označevalec določenega nevrodegenerativnega sindroma. Cilji doktorske disertacije so: (1) identifikacija in validacija presnovnega vzorca, specifičnega za sporadično Creutzfeldt-Jakobovo bolezen, ter preučitev njegovih lastnosti; (2) analiza diagnostične natančnosti klinične diagnoze nevrodegenerativnih parkinsonizmov v primerjavi z avtomatsko diagnozo na podlagi analize 18F-FDG PET slik; (3) analiza izraženosti in specifičnosti motoričnega in kognitivnega presnovnega vzorca, značilnega za Parkinsonovo bolezen (PB), v različnih fazah bolezni in pri drugih parkinsonizmih. 
Metode: V retrospektivni raziskavi smo za dosego vseh treh ciljev analizirali klinične podatke in 18F-FDG PET slike možganov 784 preiskovancev: 29 bolnikov s Creutzfeldt-Jakobovo boleznijo (CJB), 26 bolnikov z Alzheimerjevo demenco (AD), 20 bolnikov z vedenjsko različico frontotemporalne demence bvFTD), 356 bolnikov s PB, 125 bolnikov z multisistemsko atrofijo, 113 bolnikov s progresivno supranuklearno parezo in 115 zdravih preiskovancev (ZP) iz petih centrov. Vsi preiskovanci so opravili 18F-FDG PET slikanje možganov. Po predpripravi slik smo za dosego cilja (1) z metodo skalirani subprofilni model, zasnovan na analizi glavnih komponent (SSM-PCA), analizirali 18F-FDG PET slike možganov bolnikov s CJB in ZP in identificirali ter validirali vzorec, specifičen za sporadično CJB (CJDRP); za dosego cilja (2) smo določili natančnost klinične diagnoze parkinsonizmov 12 mesecev po slikanju in jo primerjali z diagnozo, ki jo izračuna avtomatski logistični diferencialno diagnostični algoritem na podlagi analize 18F-FDG PET slik, kar je bil diagnostični zlati standard; in za dosego cilja (3) smo analizirali razliko v izraženosti motoričnega in kognitivnega presnovnega možganskega vzorca, specifičnega za PB v različnih fazah PB, jo primerjali z drugimi parkinsonskimi sindromi in ovrednotili njen pomen v diferencialni diagnozi parkinsonizmov.
Rezultati: (1) Identificirali in validirali smo CJDRP in ugotovili signifikantno korelacijo med njegovo izraženostjo in kliničnimi lastnostmi bolnikov. Dokazali smo, da je vzorec specifičen za CJB. (2) Primerjava klinično postavljene diagnoze z avtomatsko je razkrila njeno 94,7-% občutljivost, 83,3-% specifičnost, 81,8-% pozitivno napovedno vrednost (PNV) in 95,2-% negativno napovedno vrednost (NNV) za diagnozo PB ter 88,2-% občutljivost, 76,9-% specifičnost, 71,4-% PNV in 90,9-% NNV za diagnozo atipičnih parkinsonizmov. (3) Razmerje med motoričnim in kognitivnim presnovnim vzorcem pri bolnikih s PB je bilo konstantno. Razlika med obema vzorcema je z napredovanjem bolezni vztrajno naraščala v več presečnih in longitudinalnih kohortah. Poleg tega je kombinacija motoričnega vzorca in razlike med obema vzorcema ustrezno razlikovala bolnike s PB od atipičnih parkinsonizmov.
Zaključek: V tej disertaciji smo identificirali nov multivariatni presnovni vzorec možganov, specifičen za CJB, ki ima pomemben potencial v nadaljnjih raziskavah nevrodegenerativnih bolezni. Dokazali smo superiornost avtomatske diagnoze, temelječe na 18F-FDG PET, v primerjavi s klinično. Na podlagi razmerij med motoričnim in kognitivnim presnovnim vzorcem pri PB pa lahko sklepamo o napredovanju okvare možganskih omrežij, ki je skladna z Braakovo hipotezo. 
S to raziskavo smo omogočili nov vpogled v patofiziologijo nevrodegeneracije pri CJB, PB in atipičnih parkinsonizmih ter postavili podlago za uvedbo natančne diagnostične metode, ki temelji na avtomatizirani oceni multivariatnih možganskih presnovnih vzorcev, v klinično prakso. Oboje je predpogoj za raziskovanje potencialnih novih zdravljenj nevrodegenerativnih bolezni.
Omenjene omrežne analitične metode se vse bolj uveljavljajo pri raziskovanju možganskih omrežij in klinični diagnostiki nevrodegenerativnih bolezni. Raziskave, ki so del te doktorske disertacije, so prispevale v zakladnico skupnega znanja o funkcijskih možganskih omrežjih, ki ga natančneje povzemamo v zadnjem poglavju.</dc:description><dc:date>2023</dc:date><dc:date>2023-05-17 07:15:39</dc:date><dc:type>Doktorsko delo/naloga</dc:type><dc:identifier>145880</dc:identifier><dc:identifier>VisID: 23448</dc:identifier><dc:language>sl</dc:language></metadata>
