Abstract
Introducción: la enfermedad de Alzheimer es una enfermedad neurodegenerativa y la causa de demencia más frecuente en el mundo. Esta enfermedad se caracteriza por muerte neuronal que lleva a una pérdida de
conectividad cerebral general. Técnicas como la conectividad funcional a partir de imágenes de resonancia magnética pueden brindar información acerca de la interacción entre regiones cerebrales y, por tanto, puede
ser un indicador del Alzheimer.
Objetivo: evaluar la conectividad funcional a partir de imágenes de resonancia magnética funcional en estado de reposo en adultos mayores como posible biomarcador para la enfermedad de Alzheimer.
Materiales y métodos: en una población de 35 sujetos de edad avanzada (10 pacientes con Alzheimer de 75 ± 2,87 años, 10 pacientes con deterioro cognitivo leve de 74,9 ± 2,88 años, y 15 personas sanas de 75,35 ± 2,91 años), se compararon las redes de conectividad funcional obtenidas a través de la correlación temporal de la señal BOLD y elementos de la teoría de grafos. Se calcularon las medidas de las redes (costo y grado medio), y se correlacionaron estas medidas con las escalas neuropsicológicas ADNI-mem y ADAS-Cog.
Resultados: en los pacientes con Alzheimer hay una disminución de la conectividad en comparación con los controles sanos y los pacientes con deterioro cognitivo leve. Se encontró una correlación significativa entre el
costo de las redes en los sujetos sanos y las escalas neuropsicológicas.
Conclusión: se confirma la desconexión existente en la enfermedad de Alzheimer y se muestra que la alteración de la actividad cerebral en el deterioro cognitivo y Alzheimer se puede medir mediante el algoritmo basado en grafos desarrollado en este trabajo.
References
VAN DIJK KR A, HEDDEN T, VENKATARAMAN A, EVANS KC, LAZAR SW, BUCKNER RL. Intrinsic functional connectivity as a tool for human connectomics: theory, properties, and optimization. J Neurophysiol. 2010;103(1):297–321.
VARELA F, LACHAUX JP, RODRIGUEZ E, MARTINERIE J. The brain web: phase synchronization a nd large - scale in tegration. Nat Rev | Neurosci. 2001;2:229–39.
BOKDE ALW, EWERS M, HAMPEL H. Assessing neuronal networks: understanding Alzheimer’s disease. Prog Neurobiol. 2009;89(2):125–33.
XIE T, HE Y. Mapping the Alzheimer’s brain with connectomics. Front psychiatry. 2011, January;2:77.
CEDAZO MINGUEZ A, WINBLAD B. Biomarkers for Alzheimer’s disease and other forms of dementia: Clinical needs, limitations and future aspects. Exp Gerontol. 2010;45(1):5–14.
LANGBAUM JB, FLEISHER AS, CHEN K, AYUTYANONT N, LOPERA F, QUIROZ YT, ET AL. Ushering in the study and treatment of preclinical Alzheimer disease. Nat Rev Neurol. 2013;9(7):371–81.
VLASSENKO AG, BENZINGER TLS, MORRIS JC. PET amyloid-beta imaging in preclinical Alzheimer’s disease. Biochim Biophys Acta. 2012;1822(3):370–9.
CHEW J, SILVERMAN DHS. FDG-PET in early AD diagnosis. Med Clin North Am. 2013;97(3):485–94.
BULLMORE E. The future of functional MRI in clinical medicine. Neuroimage. 2012;62(2):1267–71.
POLDRACK R A., MUMFORD J, NICHOLS T. Handbook of Functional MRI Data Analysis. Cambridge: Cambridge University Press; 2011.
OGAWA S, TANK DW, MENON R, ELLERMANN JM, KIM SG, MERKLE H ET AL. Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging. Publ Natl Acad Sci. 1992;89(13):5951–5.
SHELINE YI, RAICHLE ME. Resting state functional connectivity in preclinical Alzheimer’s disease. Biol Psychiatry. 2013;74(5):340–7.
GREICIUS MD, SRIVASTAVA G, REISS AL, MENON V. Default-mode network activity distinguishes Alzheimer’s disease from healthy aging: Evidence from functional MRI. PNAS. 2004;101(13):4637–42.
DIAMOND EL, MILLER S, DICKERSON BC, ATRI A, DEPEAU K, FENSTERMACHER E, ET AL. Relationship of fMRI activation to clinical trial memory measures in Alzheimer disease. Neurology. 2007;69(13):1331–41.
JOHNSON K A, SPERLING R A, GIDICSIN CM, CARMASIN JS, MAYE JE, COLEMAN RE, ET AL. Florbetapir
(F18-AV-45) PET to assess amyloid burden in Alzheimer’s disease dementia, mild cognitive impairment, and normal aging. Alzheimers Dement. 2013;1–12.(FALTAN PAGINAS)
SMITH SM, MILLER KL, SALIMI-KHORSHIDI G, WEBSTER M, BECKMANN CF, NICHOLS TE, ET AL. Network modelling methods for FMRI. Neuroimage. 2011;54(2):875–91.
BARABÁSI A-L, BONABEAU E. Scale-Free Networks. Sci Am. 2003;(May):50–9.
WANG J, ZUO X, HE Y. Graph-based network analysis of resting-state functional MRI. Front Syst Neurosci. 2010;4(June):16.
WEINER MW, AISEN PS, JACK CR, JAGUST WJ, TROJANOWSKI JQ, SHAW L, ET AL. The Alzheimer’s disease neuroimaging initiative: progress report and future plans. Alzheimers Dement. 2010;6(3):202–11.e7.
MCKHANN G, DRACHMAN D, FOLSTEIN M, KATZMAN R, PRICE D, STADLAN EM. Clinical diagnosis of Alzheimer’s disease: Report of the NINCDS--ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer's Disease. Neurology. 2011;77(4):333–333.
GIBBONS LE, CARLE AC, MACKIN RS, MUKHERJEE S, INSEL P, CURTIS SM, ET AL. Composite measures of executive function and memory: ADNI_EF and ADNI_Mem. Alzheimer’s Dis Neuroimaging Initiat. 2012.
CHAO-GAN Y, YU-FENG Z. DPARSF: A MATLAB Toolbox for “Pipeline” Data Analysis of Resting-State fMRI. Front Syst Neurosci. 2010;4(May):13.
FISCHL B. Automatically Parcellating the Human Cerebral Cortex. Cereb Cortex. 2004;14(1):11–22.
D Slicer [Internet]. Available from: http://www.slicer.org/ slicerWiki/index.php/Main_Page
NETOFF TI, SCHIFF SJ. Decreased neuronal synchronization during experimental seizures. J Neurosci. 2002;22(16):7297– 307.
RUBINOV M, SPORNS O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 2010;52(3):1059–69.
WANG K, LIANG M, WANG L, TIAN L, ZHANG X, LI K, ET AL. Altered functional connectivity in early Alzheimer’s disease: a resting-state fMRI study. Hum Brain Mapp. 2007;28(10):967–78.
SCHWINDT GC, BLACK SE. Functional imaging studies of episodic memory in Alzheimer’s disease: a quantitative metaanalysis.
Neuroimage. 2009;45(1):181–90.
LEAL SL, YASSA MA. Perturbations of neural circuitry in aging, mild cognitive impairment, and Alzheimer’s disease.
Ageing Res Rev. 2013;12(3):823–31.
PARIENTE J, COLE S, HENSON R, CLARE L, KENNEDY A, ROSSOR M, ET AL. Alzheimer’s patients engage an alternative network during a memory task. Ann Neurol. 2005;58(6):870–9.
CRANE PK, CARLE A, GIBBONS LE, INSEL P, MACKIN RS, GROSS A, ET AL. Development and assessment of a composite score for memory in the Alzheimer’s Disease Neuroimaging Initiative (ADNI). Brain Imaging Behav. 2012;6(4):502–16.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.