在早期阿尔茨海默病中,通过独立组件分析评估的突触密度模式

科学领域:

• 神经成像是一种神经成像.
• 神经学 神经学
• 数据科学数据科学数据科学

背景情况:

• 突触损失是阿尔茨海默病 (AD) 的关键病理,与认知障碍相关.
• 之前的研究表明,在AD早期使用[11C]UCB-J PET时,突触密度下降.
• 数据驱动的网络分析可以揭示有关AD的认知缺陷的见解.

研究的目的:

• 将独立组件分析 (ICA) 应用于AD.中的[11C]UCB-J PET数据.
• 为了确定与AD认知缺陷相关的大脑网络.
• 要区分认知正常,轻度认知障碍 (MCI) 和轻度AD痴呆症组.

主要方法:

• 用[11C]UCB-J (突触囊泡蛋白2A的标志物) 进行PET成像,对38名AD患者 (24名轻度AD,14名MCI) 和19名对照进行.
• 主要组件分析,其次是ICA,以提取突触密度的独立组件.
• 组负载重量的比较和与认知/功能措施的相关性 (CDR-SB,MMSE,LM II).

主要成果:

• 国际航空公司确定了18个独立的组件;5个组件显示了装载重量的群体差异.
• 图案1 (左侧皮层/状) 和图案2 (皮层) 显示出显著的群体差异.
• 在MCI/轻度AD组中,即使在FDR校正后,模式1的负载重量与CDR-SB和MMSE有显著的相关性.

结论:

• 通过PET数据,ICA有效地定义了突触密度的空间模式.
• 特定的网络模式 (模式1) 与MCI/轻度AD的认知和功能表现有显著的相关性.
• 这种以数据为中心的方法增强了传统方法,将MCI与轻度AD区分开来,并提高了诊断能力.