ハンチントン病における構造的MRIおよび機械学習を用いた地域的脳加齢のマッピング

科学分野:

• 神経科学
• 放射線学
• バイオマーカー

背景:

• ハンチントン病（HD）は、脳加齢の促進を特徴とする進行性の神経変性疾患です。
• 既存の脳年齢モデルは、しばしば単一の全脳測定値を使用しており、地域特異的な加齢パターンの洞察を制限しています。
• HDにおける地域特異的脳年齢モデルは十分に調査されていませんが、臨床試験のためのバイオマーカー感度を向上させる可能性があります。

研究 の 目的:

• ハンチントン病統合病期システム（HD-ISS）の異なるステージにおける地域特異的な脳加齢パターンを特徴づけること。
• 地域的脳年齢差とHD患者の認知、運動、機能スコアとの関連を評価すること。

主な方法:

• 機械学習モデルは、1936人の対照群の構造的MRIデータを用いて訓練され、脳年齢を予測しました。
• これらのモデルは、HD患者531人に適用され、地域的脳年齢差を計算しました。
• 統計解析により、地域的脳年齢差、HD-ISSステージ、および臨床評価との関係が評価されました。

主要な成果:

• 全脳加齢はHD-ISSステージ2および3で増加しました。
• 皮質下、側頭葉、頭頂葉領域では、HDステージ全体で脳年齢差が著しく増加しました。
• これらの領域における脳年齢差の増加は、認知、運動、機能パフォーマンスの低下と相関しました。
• 島および前頭葉領域では、平坦な加齢パターンを示し、臨床的関連はありませんでした。

結論:

• 異なる地域特異的な加齢成分がハンチントン病の進行を特徴づけています。
• 地域的脳年齢差の分析は、HDのより深い洞察と治療モニタリングのための潜在的に敏感なバイオマーカーを提供します。
• 今後の研究では、若いコホートでこれらの所見を調査し、マルチモーダルイメージングを用いたネットワーク特異的な加齢を調査する必要があります。