マルチモダルデータによる臨床前アルツハイマー病の経過の推定

科学分野:

• 神経科学
• バイオ統計学
• ゲロントロジー

背景:

• 臨床前段階でアルツハイマー病 (AD) の連続体に沿って個人の位置を確立することは,任意のベースラインのために困難です.
• 縦断的なデータ最適化により,個々の疾患の進行軌道を表す単一のメトリックを作成できます.

研究 の 目的:

• 縦断的な認知データを用いて"認知時間" (c-time) メトリックを開発し,検証する.
• アミロイドベータ (Aβ) 沉積や神経変性などのAD病理学の確立されたマーカーとの関係を評価する.

主な方法:

• 316人の参加者からの認知データの非線形最小二乗最適化によるc時間メトリックを開発しました.
• 縦軸アミロイドPETスキャンから得られたc時間とアミロイドベータ陽性 (Aβ+) メトリックの間の関連を分析した.
• 人口統計,脳容量,皮質の厚さ,タウPET,心血管リスク因子を経路分析に含めた.

主要な成果:

• C時間とAβ+までの時間は中等に正の相関関係でした.
• Aβ+までの時間は,地域性タウPET,海馬体積,皮質の厚さによって媒介されるc時間との直接的・間接的な関連を示した.
• C-タイムは,Aβ+までの時間と比較して,タウ病理,脳縮,皮質の厚さとの強い関連性を示した.

結論:

• 縦断的なマルチモダルのデータを最適化すると,年齢に関係ないメトリックが得られ,病気に関連するイベントへの個人の接近を示します.
• C-タイムでは 認知機能の低下を 測定する新しい方法が提供されています
• C-タイムは認知,病理的,構造的な脳の変化を統合して,臨床前のAD連続体への貴重な洞察を提供します.