Gehirndiagramme zeigen eine Veränderung der Morphologie mit dem Alter

Obwohl es Wachstumsdiagramme für Größe und Gewicht gibt, sind solche Standards nicht verfügbar, um die Ergebnisse der Neurobildgebung nach individuellem Alter zu vergleichen. So wie Wachstumsdiagramme zu einem Eckpfeiler für die Beurteilung des Wachstums bei Kindern geworden sind, wäre ein ähnlicher Ansatz mit Neurobildern äußerst hilfreich, um zu verstehen, wie das Gehirn mit zunehmendem Alter wächst, sich entwickelt und reift.

Neu Natur Die Studie berichtet über eine zu diesem Zweck entwickelte interaktive Open Source, die unter zu finden ist http://www.brainchart.io/.

lernen: Gehirndiagramme für die menschliche Lebensdauer. Bildnachweis: Alina Bratosin / Shutterstock.com

Einführung

Die Entwicklung des Gehirns hört nicht auf, wenn ein Kind geboren wird. Im Gegensatz dazu gibt es ein aktives Gehirnwachstums- und Reifungsprogramm, das in der utero in Woche 17 beginnt, wobei das Gehirn ein Zehntel seines maximalen Volumens erreicht. Dies setzt sich bis zum dritten Lebensjahrzehnt fort. Ab dem sechsten Lebensjahrzehnt beginnen sich jedoch altersbedingte degenerative Veränderungen zu entwickeln, die bis zum Tod andauern.

Strukturelle und funktionelle Anomalien, die oft mit psychiatrischen Erkrankungen einhergehen, werden heute erkannt. Auch hier sind Frühgeburtlichkeit und genetische Störungen in der Neuroentwicklung mit struktureller Unterentwicklung mit nachfolgenden Lernschwierigkeiten und psychischen Erkrankungen verbunden. Zusammen mit der Neurodegeneration betonen diese Zustände die Notwendigkeit einer Reihe von altersbezogenen Gehirndiagrammen, die dabei helfen, Unterschiede in der Gehirnstruktur im Laufe des Lebens zu messen.

Obwohl die Magnetresonanztomographie (MRT) heute alltäglich geworden ist, wurde kein Versuch unternommen, die Fülle des verfügbaren Materials für die Produktion zu analysieren.ein umfassenderer und verallgemeinerter Ansatz zur Quantifizierung von Magnetresonanz-Phänotypen nach Alter im Laufe des Lebens.“ Dies liegt an Unterschieden in Messungen von Gehirnbildern in Abhängigkeit von den verwendeten technologischen Parametern, der statistischen Analyse und sogar der Art der Störung, auf die sie sich konzentriert.

Die aktuelle Studie berichtet über einen solchen Versuch, indem sie sich die jüngsten gemeinsamen Bemühungen zunutze macht.

Studienergebnisse

Die Forscher zielten darauf ab, ihre Referenzkarten auf dem größten Datensatz mit der größten Bandbreite an Unterschieden aufzubauen. Vorhin Natur Das Papier legt nahe, dass die meisten Neuroimaging-Studien eine zu begrenzte Anzahl von Scans verwenden, um genaue Verbindungen zwischen Funktion und Verhalten herzustellen.

und MRT-Daten wurden aus über 100 Primärstudien aggregiert, die aus 123.984 Scans bestanden, die zusammen den Altersbereich von der Mitte der Schwangerschaft bis zu 100 Jahren nach der Geburt abdeckten.  Box-Violin-Diagramme zeigen die Altersverteilung für jede Studie, gefärbt nach ihrer relativen Stichprobengröße (auf einer logarithmischen Skala unter Verwendung des natürlichen Logarithmus zu Visualisierungszwecken).  b Unzentrierte, „rohe“ bilaterale Gehirngewebevolumina für graue Substanz, weiße Substanz, subkortikale graue Substanz und Ventrikel wurden für jeden Querschnittskontrollscan als Funktion des Alters (logarithmischer Maßstab) aufgetragen;  die Punkte sind nach Geschlecht gefärbt.  c, Normative Signalwege des Gehirnvolumens wurden unter Verwendung von GAMLSS unter Berücksichtigung orts- und studienspezifischer Gruppeneffekte geschätzt und nach Geschlecht stratifiziert (weiblich, rot; männlich, blau).  Alle vier Hirngewebevolumina zeigten unterschiedliche, nichtlineare Trajektorien ihrer Mediane (wobei 2,5 % und 97,5 % der Perzentilen als gestrichelte Linien markiert sind) als Funktion des Lebensalters.  d, Die mittleren Variabilitätspfade zwischen den Probanden und das 95 %-Konfidenzintervall für die vier zerebralen Gewebevolumina wurden mit der geschlechtsbasierten Lifting-Methode bewertet (Einzelheiten siehe Zusatzinformation 3).  e, Volumetrische Änderungsraten der Lebenserwartung für jedes Gewebevolumen, stratifiziert nach Geschlecht, wurden durch die ersten Ableitungen der medianen volumetrischen Trajektorie geschätzt.  Für Volumina von festem (parenchymalem) Gewebe bedeutet die horizontale Linie (y = 0), wann das Volumen, bei dem jedes Gewebe aufhört zu wachsen und abzunehmen beginnt, und die durchgezogene vertikale Linie zeigt das Alter des maximalen Wachstums jedes Gewebes an.  .  Beachten Sie, dass die y-Achse des ub in Einheiten von 10.000 mm3 (10 ml) skaliert ist.

awurden MRT-Daten aus über 100 Primärstudien aggregiert, die aus 123.984 Scans bestanden, die zusammen Altersbereiche von der Mitte der Schwangerschaft bis zu 100 Jahren nach der Geburt abdeckten. Box-Violin-Diagramme zeigen die Altersverteilung für jede Studie, gefärbt nach ihrer relativen Stichprobengröße (auf einer logarithmischen Skala unter Verwendung des natürlichen Logarithmus zu Visualisierungszwecken). b, Nicht zentrierte, „rohe“ bilaterale Gehirngewebevolumina für graue Substanz, weiße Substanz, subkortikale graue Substanz und Ventrikel wurden für jeden Querschnittskontrollscan als Funktion des Alters (logarithmischer Maßstab) aufgetragen; die Punkte sind nach Geschlecht gefärbt. c, Normative Hirnvolumenpfade wurden unter Verwendung von GAMLSS unter Berücksichtigung orts- und studienspezifischer Gruppeneffekte geschätzt und nach Geschlecht stratifiziert (weiblich, rot; männlich, blau). Alle vier Hirngewebevolumina zeigten unterschiedliche, nichtlineare Trajektorien ihrer Mediane (wobei 2,5 % und 97,5 % der Perzentilen als gestrichelte Linien markiert sind) als Funktion des Lebensalters. dTrajektorien der mittleren Variabilität zwischen Probanden und 95 % Konfidenzintervall für vier zerebrale Gewebevolumina wurden durch geschlechtsstratifiziertes Bootstrapping bewertet (siehe zusätzliche Informationen 3 für Details). e, Die Raten der lebenslangen volumetrischen Änderung für jedes Gewebevolumen, stratifiziert nach Geschlecht, wurden durch die ersten Ableitungen der medianen volumetrischen Trajektorie geschätzt. Für Volumina von festem (parenchymalem) Gewebe bedeutet die horizontale Linie (y = 0), wann das Volumen, bei dem jedes Gewebe aufhört zu wachsen und abzunehmen beginnt, und die durchgezogene vertikale Linie zeigt das Alter des maximalen Wachstums jedes Gewebes an. . Beachten Sie, dass die y-Achsen innen sind be sind in 10.000-mm-Einheiten skaliert3 (10 ml).

Vor diesem Hintergrund verwendeten die Forscher in der aktuellen Studie fast 124.000 MR-Gehirnscans aus mehr als hundert Primärstudien, die aus über 100.000 Teilnehmern aller Altersgruppen bestanden, von Föten im Mutterleib bis zu Hundertjährigen.

Wissenschaftler verwendeten verallgemeinerte additive Modelle für das Location, Scale, and Shape Model (GAMLSS), um ihre Gehirnkarten zu erstellen, da es vielseitig und getreu nichtlinearen Wachstumspfaden war. Sie nutzten die große Menge an Bilddaten, die ihnen zur Verfügung standen, um empirisch optimale Modellauswahlen zu treffen.

Daher berücksichtigten die Forscher das Gesamtvolumen der kortikalen grauen Substanz, das Gesamtvolumen der weißen Substanz (WMV), das gesamte subkortikale Volumen der grauen Substanz (sGMV) und das Gesamtvolumen der ventrikulären Zerebrospinalflüssigkeit (ventrikuläre oder CSF).

Volumenänderungen mit der Lebensdauer

Die Lebenserwartungskurven zeigten einen starken Anstieg des GMV in den ersten sechs Lebensjahren, als es seinen Höhepunkt erreichte und die Trajektorie später fast linear abnahm. Im Vergleich zu früheren Studien lag der Höhepunkt zwei bis drei Jahre später.

Der Anstieg des WMV trat ebenfalls bis in die frühe Kindheit auf, mit einem Spitzenvolumen im Alter von 29 Jahren, nahm dann aber nach dem 50. Lebensjahr schnell ab. Die SGMV-Trajektorie lag zwischen den ersten beiden und erreichte ihren Höhepunkt im Alter von 14 Jahren.

Während sowohl die WMV- als auch die sGMV-Spitzen mit früheren Berichten übereinstimmten, stieg der CSF bis zum Alter von zwei Jahren an, blieb dann bis zum Alter von 30 Jahren stabil, danach begann er linear zu wachsen. Schließlich stieg der Liquorspiegel im sechsten Jahrzehnt exponentiell an, was für die meisten Wissenschaftler auf diesem Gebiet ein überraschender Befund war, da er eine Hirnatrophie widerspiegelt.

Die größten Schwankungen bei diesen Maßen traten zu unterschiedlichen Zeitpunkten auf. Für GMV waren es vier Jahre, aber für sGMV späte Adoleszenz. Die Variabilität von WMV und CSF erreichte ihren Höhepunkt in der vierten Dekade bzw. im fortgeschrittenen Alter.

Die Forscher maßen auch andere Parameter, einschließlich der Gesamtoberfläche, die ein Ersatz für das Gesamthirnvolumen (TCV) ist, das in 11-12 Jahren seinen Höhepunkt erreichte. Die kortikale Dicke erreichte ihren Höhepunkt bei 1,7 Jahren, was mit früheren Beobachtungen übereinstimmt.

Nach Regionen betrachtet, zeigte der GMV signifikante Unterschiede zwischen zwei und zehn Jahren, wobei die primären sensorischen Regionen frühestens Spitzenvolumina erreichten. Diese Ergebnisse stimmen auch mit bekannten Entwicklungsmustern des Gehirns überein.

Meilensteine ​​der Entwicklung

Die Wachstumsrate war unterschiedlich und gipfelte in der frühen Kindheit oder Kindheit. Die durchschnittliche Kortexdicke erreichte ihren Höhepunkt vor der Mitte der Schwangerschaft, ein Ergebnis, das jetzt erstmals veröffentlicht wurde. Graue und weiße Substanz begannen sich im ersten Monat nach der Geburt zu unterscheiden, als die graue Substanz dominant wurde. Dieser Zeitraum endete mit drei Jahren, als der Volumenunterschied zwischen den beiden Abschnitten seinen Höhepunkt erreichte.

Dieser Befund ist neu und kann auf Veränderungen der Nervenmyelinisierung und der Proliferation neuraler Synapsen zurückzuführen sein. Ein erheblicher Teil der in dieser Studie verfügbaren frühen Entwicklungs-MRT-Neurobildgebungsdaten ist wahrscheinlich für die Fähigkeit verantwortlich, dieses Muster hier zu erkennen.

Wichtig ist, dass in dieser Zeit auch der Stoffwechsel des Gehirns große Veränderungen zeigt, denn das Kind lernt laufen und sprechen, zusammen mit der höchsten Rate an TCV-Änderungen.

Centile punktet

Die Centile-Ergebnisse zeigten eine Korrelation mit klinischen Störungen. Die Forscher generierten eine kumulative Varianzmetrik, die zentrische Mahalanobis-Distanz (CMD), die eine Zusammenfassung der Gehirnform für alle abnormalen Phänotypen im MRT im Vergleich zur Kontrollgruppe darstellte.

Die größte Abweichung der CMD von der Kontrolle tritt in der Adoleszenz auf, die dem Zeitraum entspricht, in dem psychische Störungen häufiger auftreten, sowie im späten Erwachsenenalter, in dem ein erhöhtes Demenzrisiko besteht. Weitere Analysen zeigten, dass diese Phänotypen zu einem von drei Clustern gehören, darunter neurodegenerative Störungen, Stimmungs- und Angststörungen und neurologische Entwicklungsstörungen.

Die Centile-Ergebnisse zeigten auch erbliche Muster, was die Wirkung der Genetik auf die Gehirnstruktur widerspiegelt. Drittens zeigten diese Ergebnisse nachteilige Langzeitwirkungen nach Problemen bei der Geburt, die im Erwachsenenalter erkannt werden können. Die Centile-Scores blieben im Laufe der Zeit stabil, wobei die Ergebnisse mit fortschreitender Erkrankung am variabelsten waren.

Auswirkungen

Die aktuelle Studie zeigte, dass GAMLSS-Modelle es ermöglichen, MRTs aus verschiedenen Studien zu finden, die verschiedene Plattformen verwenden und Tools gemeinsam analysieren. Die Befunde werden nach der Richtung struktureller Veränderungen im Gehirn und der Veränderungsrate während der menschlichen Lebensspanne klassifiziert.

Die Ergebnisse der Studie zeigen, dass sich die Größe des Gehirns im Laufe der Zeit verändert. Interessanterweise identifizierten die Forscher unerwartete Meilensteine ​​in der Neuroentwicklung und spiegelten starke Korrelationen zwischen Neuroentwicklung und Alter wider, unabhängig von den unterschiedlichen Methoden, die in den ursprünglichen Studien verwendet wurden.

Die Centile-Ergebnisse lieferten ein Maß für abnormale Gehirnstrukturen, die vorhersagbare Muster von Veränderungen in der Neuroanatomie bei neurologischen und psychiatrischen Erkrankungen offenbarten. Diese Perzentile-Ergebnisse sind eher erblich.

Die Ergebnisse der Studie zeigen, dass nun Gehirnkarten erstellt werden können, die es ermöglichen, die normale Rate und Richtung von Veränderungen in Gehirnbildern mittels Magnetresonanztomographie alters- und geschlechtsspezifisch zu dokumentieren. Dadurch konnten auch neue neurologische Entwicklungsmeilensteine ​​erfasst werden.

Darüber hinaus erleichtern diese Diagramme die Identifizierung der Auswirkungen genetischer Prädispositionen und früher Umweltbedingungen auf die Neuroanatomie des Gehirns. Schließlich helfen die Diagramme, Anomalien der Gehirnstruktur bei einer Reihe von Krankheiten zu quantifizieren, indem standardisierte Effektgrößen bereitgestellt werden.

Es ist viel mehr Arbeit erforderlich, um ein genaueres und genaueres Diagramm zu erstellen, das in der klinischen Praxis anwendbar ist; Der aktuelle Prototyp ist jedoch ein Machbarkeitsnachweis. Die Forscher der aktuellen Studie haben eine Reihe von Open-Access-Ressourcen für weitere Studien auf der Grundlage dieses Konzepts bereitgestellt, wobei sie sich verfügbare Neuroimaging-Datensätze und zukünftige Ergebnisse zunutze machen.

Gehirndiagramme sind ein wichtiger Schritt zur robusten Quantifizierung individueller Variationen relativ zu normativen Pfaden in mehreren, häufig verwendeten Neuroimaging-Phänotypen.“

Leave a Comment