在亨廷顿病中绘制区域大脑衰老图,使用结构磁共振成像和机器学习

科学领域:

• 神经科学是一个神经科学.
• 放射学 放射学是一门学科.
• 生物标志物 生物标志物

背景情况:

• 亨廷顿病 (HD) 是一种进展性神经退行性疾病,其特征是大脑衰老加速.
• 现有的大脑年龄模型经常使用单个全脑测量,限制了对特定区域衰老模式的洞察力.
• 区域特定的大脑年龄模型在HD中未得到充分研究,但可以提高临床试验中的生物标志物灵敏度.

研究的目的:

• 在亨廷顿病综合分期系统 (HD-ISS) 的不同阶段中描述特定区域的大脑衰老模式.
• 评估区域大脑年龄差距与HD患者认知,运动和功能评分之间的关联.

主要方法:

• 机器学习模型被训练在结构性MRI数据从1936年控制来预测大脑年龄.
• 这些模型应用于531名患有HD的个体,以计算区域大脑年龄差距.
• 统计分析评估了区域大脑年龄差距,HD-ISS阶段和临床评估之间的关系.

主要成果:

• 全脑衰老在HD-ISS阶段2和3时加快.
• 皮下,部和部区域显示,在HD各个阶段的大脑年龄差距显著增加.
• 这些地区大脑年龄差距的增加与较差的认知,运动和功能表现相关.
• 岛屿和额头区域显示平坦的衰老模式,没有显著的临床关联.

结论:

• 独特的特定区域的衰老成分是亨廷顿病进展的特征.
• 区域大脑年龄差距分析为HD提供了更深入的见解,并为治疗监测提供了潜在的敏感生物标志物.
• 未来的研究应该在年轻人群中调查这些发现,并使用多式联络成像来探索特定网络的衰老.