在有正常压力脑风险的无症状病例中,自动MRI体积测量

科学领域:

• 神经成像是一种神经成像.
• 神经学 神经学
• 机器学习 机器学习

背景情况:

• 正常压力脑症 (NPH) 可以与阿尔茨海默氏症 (AD) 病理呈现,使诊断复杂化.
• 区分神经退行性和异常性NPH需要确定特定的生物标志物.
• 对NPH存在独特的MRI签名的存在仍在调查中.

研究的目的:

• 研究患有NPH风险的无症状个体的大脑衰老和AD独立的体积变化.
• 通过机器学习和体积分析,识别异常性NPH的潜在MRI特征.
• 探索NPH状态,大脑年龄差距和AD风险指标之间的关系.

主要方法:

• 利用机器学习来识别患有NPH风险的无症状个体 (NPH概率>30).
• 进行了皮质和白质体积的自动MRI评估,包括AD风险 (AD-RAI) 和大脑年龄差距 (BrainAge).
• 对比NPH阳性 (n=30) 与NPH阴性 (n=30) 无症状,认知能力保持的病例的体积数据.

主要成果:

• NPH阳性与海马,准海马 (PHG) 和内皮层体积的减少相关.
• 左海马体积和BrainAge是NPH状态的独立预测因素.
• 白质体积损失 (大脑和小脑) 与NPH状态显著相关,独立于AD-RAI或BrainAge.

结论:

• 无症状的NPH病例表现出与大脑衰老相关的和独立的体积变化.
• 特定海马和白质区域的体积损失可能作为异常性NPH的MRI签名.
• 基于机器学习的MRI评估可以帮助识别NPH风险和潜在的亚型.