Изменение количественного картирования восприимчивости магнитно-резонансной томографии при болезни Альцгеймера

Цель исследования – изучить изменение количественного картирования восприимчивости (QSM) магнитно-резонансной томографии (МРТ) головного мозга (ГМ) у пациентов с болезнью Альцгеймера (БА) и сопоставить с результатами морфометрического исследования и состоянием когнитивных функций.

Материал и методы. В исследование включено 11 пациентов с БА (пять женщин и шесть мужчин; средний возраст – 75,3±9,4 го- да; оценка по MoCA – 11,2±3,9) и 12 добровольцев без когнитивных нарушений (восемь женщин и четыре мужчины; средний воз- раст – 72,7±8,9 года; оценка по MoCA – 26,7±0,9). QSM МРТ проводилась на томографе Signa PET/MR 3,0 T с использованием 32-канальной катушки. В обоих полушариях изучаемые области включали миндалевидное тело, хвостатое ядро, скорлупу, гиппокамп, бледный шар, зрительный бугор, лобные, височные, теменные и затылочные доли и заднюю поясную извилину. Для каждой области были рассчитаны объем (воксели), QSM (ppm) и отношениеQSM/объем.

Результаты. У пациентов с БА в большинстве областей значения QSM и QSM/объем были больше, а объем – меньше, чем в контрольной группе. Наибольшей чувствительностью и специфичностью обладали кора левой височной доли (объем, QSM и QSM/объем – SE ≥93,7, SP ≥90,4, AUC ≥0,921; p<0,0001), гиппокампы (объем и QSM/объем – SE ≥91,9, SP ≥89,1, AUC ≥0,939; p<0,0001) и миндалевидные тела (объем – SE ≥88,4, SP ≥91,6, AUC ≥0,902; p<0,0001) обоих полушарий. В гиппокампах и миндалевидных телах отношение QSM/объем обладало большей чувствительностью и специфичностью, чем QSM (ΔAUC ≥0,277±0,105, z≥2,636; p≤0,0084). Наблюдалась корреляция между общим баллом по шкале MoCA и объемом миндалевидного тела, гиппокампа и коры височной доли левого полушария (r≥0,429; p≤0,0026). Кроме того, имелась связь между общим баллом по шкале MoCA и QSM в хвостатых ядрах и скорлупе обоих полушарий, в левой височной доле (r≥-0,429; p≤0,019) и QSM/объем в хвостатых ядрах и гиппокампах обоих полушарий, в скорлупе и височной доле левого полушария (r≥-0,415; p≤0,014).

Заключение. Настоящее исследование показало связь между QSM, соотношением QSM/объем, морфометрическими показателями и общим баллом по шкале MoCA при БА. Отношение QSM/объем обладает большей чувствительностью и специфичностью, чем QSM, в разграничении группы БА и контрольной группы.

1. Ayton S, Portbury S, Kalinowski P, et al. Regional brain iron associated with deterioration in Alzheimer's disease: a large cohort study and theoretical significance. Alzheimers Dement. 2021 Jul;17(7):1244-56. doi: 10.1002/alz.12282

2. Goodman L. Alzheimer’s disease; a clinico-pathologic analysis of twenty-three cases with a theory on pathogenesis. J NervMent Dis. 1953;118:97-130.

3. Hallgren B, Sourander P. The non-haemin iron in the cerebral cortex in Alzheimer's disease. J Neurochem. 1960 Jun;5:307-10. doi: 10.1111/j.1471-4159.1960.tb13369.x

4. Leskovjan AC, Kretlow A, Lanzirotti A, et al. Increased brain iron coincides with early plaque formation in a mouse model of Alzheimer's disease. Neuroimage. 2011 Mar 1;55(1):32-8. doi: 10.1016/j.neuroim-age.2010.11.073

5. Everett J, Cespedes E, Shelford LR, et al. Ferrous iron formation following the co-aggregation of ferric iron and the Alzheimer's disease peptide β-amyloid (1-42). J R Soc Interface. 2014 Mar 26;11(95):20140165. doi: 10.1098/rsif.2014.0165

6. Telling ND, Everett J, Collingwood JF, et al. Iron biochemistry is correlated with amyloid plaque morphology in an established mouse model of Alzheimer's disease. Cell Chem Biol. 2017 Oct 19;24(10):1205-15.e3. doi: 10.1016/j.chembiol.2017.07.014

7. Jiang D, Li X, Williams R, et al. Ternary complexes of iron, amyloid-beta, and nitrilotriacetic acid: binding affinities, redox properties, and relevance to iron-induced oxidative stress in Alzheimer's disease. Biochemistry. 2009 Aug 25;48(33):7939-47. doi: 10.1021/bi900907a

8. Spotorno N, Acosta-Cabronero J, Stomrud E, et al. Relationship between cortical iron and tau aggregation in Alzheimer's disease. Brain. 2020 May 1;143(5):1341-9. doi: 10.1093/brain/awaa089

9. Cogswell PM, Wiste HJ, Senjem ML, et al. Associations of quantitative susceptibility mapping with Alzheimer's disease clinical and imaging markers. Neuroimage. 2021 Jan 1;224:117433. doi: 10.1016/j.neuroim-age.2020.117433

10. Wan W, Cao L, Kalionis B, et al. Iron deposition leads to hyperphosphorylation of tau and disruption of insulin signaling. Front Neurol. 2019 Jun 19;10:607. doi: 10.3389/fneur.2019.00607

11. Bao WD, Pang P, Zhou XT, et al. Loss of ferroportin induces memory impairment by promoting ferroptosis in Alzheimer's disease. Cell Death Differ. 2021 May;28(5):1548-62. doi: 10.1038/s41418-020-00685-9

12. An X, He J, Xie P, et al The effect of tau K677 lactylation on ferritinophagy and ferroptosis in Alzheimer's disease. Free Radic Biol Med. 2024 Nov 1;224:685-706. doi: 10.1016/j.freeradbiomed.2024.09.021

13. Madsen SJ, DiGiacomo PS, Zeng Y, et al. Correlative microscopy to localize and characterize iron deposition in Alzheimer's Disease. J Alzheimers Dis Rep. 2020 Dec 21;4(1):525-36. doi: 10.3233/ADR-200234

14. Ayton S, Wang Y, Diouf I, et al. Brain iron is associated with accelerated cognitive decline in people with Alzheimer pathology. Mol Psychiatry. 2020 Nov;25(11):2932-41. doi: 10.1038/s41380-019-0375-7

15. De Rochefort L, Liu T, Kressler B, et al. Quantitative susceptibility map reconstruction from MR phase data using Bayesian regularization: validation and application to brain imaging. MagnReson Med. 2010 Jan;63(1):194-206. doi: 10.1002/mrm.22187

16. Langkammer C, Schweser F, Krebs N, et al. Quantitative susceptibility mapping (QSM) as a means to measure brain iron? A post mortem validation study. Neuroimage. 2012 Sep;62(3):1593-9. doi: 10.1016/j.neuroim-age.2012.05.049

17. Zheng W, Nichol H, Liu S, et al. Measuring iron in the brain using quantitative susceptibility mapping and X-ray fluorescence imaging. Neuroimage. 2013 Sep;78:68-74. doi: 10.1016/j.neuroimage.2013.04.022

18. Sun H, Walsh AJ, Lebel RM, et al. Validation of quantitative susceptibility mapping with Perls' iron staining for subcortical gray matter. Neuroimage. 2015 Jan 15;105:486-92. doi: 10.1016/j.neuroimage.2014.11.010

19. Yang A, Du L, Gao W, et al. Associations of cortical iron accumulation with cognition and cerebral atrophy in Alzheimer's disease. Quant Imaging Med Surg. 2022 Sep;12(9):4570-86. doi: 10.21037/qims-22-7

20. Chen H, Yang A, Huang W, et al. Associations of quantitative susceptibility mapping with cortical atrophy and brain connectome in Alzheimer's disease: a multi-parametric study. Neuroimage. 2024 Apr 15;290:120555. doi: 10.1016/j.neuroimage.2024.120555

21. Zhi Y, Huang T, Liu S, et al. Correlation between iron deposition and cognitive function in mild to moderate Alzheimer's disease based on quantitative susceptibility mapping. Front Aging Neurosci. 2024 Oct 16;16:1485530. doi: 10.3389/fnagi.2024.1485530

22. You P, Li X, Wang Z, et al. Characterization of brain iron deposition pattern and its association with genetic risk factor in Alzheimer's disease using susceptibility-weighted imaging. Front Hum Neurosci. 2021 Jun 7;15:654381. doi: 10.3389/fnhum.2021.654381

23. Henschel L, Conjeti S, Estrada S, et al. FastSurfer – A fast and accurate deep learning based neuroimaging pipeline. Neuroimage. 2020 Oct 1;219:117012. doi: 10.1016/j.neuroimage.2020.117012

24. Desikan RS, Segonne F, Fischl B, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 2006 Jul 1;31(3):968-80. doi: 10.1016/j.neuroimage.2006.01.021

25. Li W, Wu B, Liu C. Quantitative susceptibility mapping of human brain reflects spatial variation in tissue composition. Neuroimage. 2011 Apr 15;55(4):1645-56. doi: 10.1016/j.neuroimage.2010.11.088

26. Zhou J, Wearn A, Huck J, et al; PREVENT-AD Research Group. Iron deposition and distribution across the hippocampus is associated with pattern separation and pattern completion in older adults at risk for Alzheimer's disease. J Neurosci. 2024 May 8;44(19):e1973232024. doi: 10.1523/JNEU-ROSCI.1973-23.2024

27. Julious SA. Sample sizes for clinical trials with normal data. Stat Med. 2004 Jun 30;23(12):1921-86. doi: 10.1002/sim.1783

28. Schober P, Boer C, Schwarte LA. Correlation coefficients: appropriate use and interpretation. Anesth Analg. 2018 May;126(5):1763-8. doi: 10.1213/ANE.0000000000002864

29. Nahm FS. Receiver operating characteristic curve: overview and practical use for clinicians. Korean J Anesthesiol. 2022 Feb;75(1):25-36. doi: 10.4097/kja.21209

30. Lee S, Kovacs GG. The irony of iron: the element with diverse influence on neurodegenerative diseases. Int J Mol Sci. 2024 Apr 12;25(8):4269. doi: 10.3390/ijms25084269

31. Kunst J, Marecek R, Klobusiakova P, et al. Patterns of grey matter atrophy at different stages of Parkinson's and Alzheimer's diseases and relation to cognition. Brain Topogr. 2019 Jan;32(1):142-60. doi: 10.1007/s10548-018-0675-2

32. Wu Y, Wu X, Wei Q, et al. Differences in cerebral structure associated with depressive symptoms in the elderly with Alzheimer's disease. Front Aging Neurosci. 2020 May 12;12:107. doi: 10.3389/fnagi.2020.00107

33. Li D, Liu Y, Zeng X, et al. Quantitative study of the changes in cerebral blood flow and iron deposition during progression of Alzheimer's disease. J Alzheimers Dis. 2020;78(1):439-52. doi: 10.3233/JAD-200843

34. Van Bergen JM, Li X, Hua J, et al. Colocalization of cerebral iron with Amyloid beta in mild cognitive impairment. Sci Rep. 2016 Oct 17;6:35514. doi: 10.1038/srep35514

35. Kim HG, Park S, Rhee HY, et al. Quantitative susceptibility mapping to evaluate the early stage of Alzheimer's disease. Neuroimage Clin. 2017 Aug 24;16:429-38. doi: 10.1016/j.nicl.2017.08.019

36. Chen LL, Fan YG, Zhao LX, et al. The metal ion hypothesis of Alzheimer's disease and the anti-neuroinflammatory effect of metal chelators. Bioorg Chem. 2023 Feb;131:106301. doi: 10.1016/j.bioorg.2022.106301