Desarrollo de modelos basados en imagen médica para la predicción de Alzheimer a partir de medidas de conectividad funcional

Abstract

[ESP] La enfermedad de Alzheimer es una patología neurodegenerativa caracterizada por producir deterioro cognitivo en quienes la sufren. Actualmente, más de 55 millones de personas en todo el mundo padecen demencia, de las cuales entre un 60% y un 70% corresponden a casos de Alzheimer. Las técnicas de imagen cerebral constituyen la principal vía diagnóstica de esta enfermedad, siendo la tomografía por emisión de positrones y la resonancia magnética las más extendidas. No obstante, todavía no existen biomarcadores específicos de Alzheimer que puedan ser detectados en neuroimagen, lo que dificulta identificarlo en etapas tempranas. Este Trabajo de Fin de Grado tiene como objetivo principal la determinación de biomarcadores basados en conectividad funcional que permitan diferenciar entre sujetos sanos y pacientes con deterioro cognitivo. Así mismo, se busca distinguir a aquellos que padecen enfermedad de Alzheimer de los que presentan deterioro cognitivo leve. Para obtener estos biomarcadores, se analiza la conectividad funcional de las redes de modo predeterminado y de otras regiones de interés en el desarrollo de la enfermedad de Alzheimer a partir de imágenes de resonancia magnética funcional con contraste BOLD. Las regiones han sido seleccionadas en base a estudios previos consultados. Para realizarlo, se comenzó obteniendo un conjunto de imágenes funcionales y estructurales de resonancia magnética a partir de la base de datos de la iniciativa ADNI (Alzheimer’s Disease Neuroimaging Initiative). La cohorte utilizada para este estudio estaba formada por pacientes con Alzheimer, controles sanos y pacientes con deterioro cognitivo leve, así como las variables demográficas correspondientes a las mismas. Se preparó la base de datos de manera que estuviera balanceada en cuanto al sexo, edad y estado cognitivo, para obtener resultados generalizables. A partir de la herramienta CONN de MatLab, se realizaron diferentes pasos de preprocesado y eliminación del ruido para asegurar una buena armonización, se realizó el análisis de conectividad funcional y se llevaron a cabo distintos análisis comparativos de la misma entre grupos. El tipo de análisis realizado fue entre regiones, con el fin de encontrar aquellas que estuvieran implicadas en conexiones con cambios de conectividad funcional. Estos análisis presentaron diferencias de conectividad funcional entre las regiones en función del estado cognitivo. Por tanto, se comprobó que la conectividad funcional entre estas regiones puede ser utilizada como biomarcador para distinguir entre sujetos sanos, pacientes con deterioro cognitivo leve y pacientes con enfermedad de Alzheimer. Así mismo, se observaron diferencias en cuanto al sexo. Para todos los análisis se utilizó la edad como variable de confusión para obtener resultados fidedignos. En conclusión, el uso de biomarcadores basados en conectividad funcional a partir de imagen médica es una herramienta prometedora que pretende agilizar y optimizar el diagnóstico temprano de la enfermedad de Alzheimer.

[CAT] La malaltia d'Alzheimer és una patologia neurodegenerativa caracteritzada per produir deterioració cognitiva en els qui la patixen. Actualment, més de 55 milions de persones a tot el món patixen demència, de les quals entre un 60% i un 70% corresponen a casos d'Alzheimer. Les tècniques d'imatge cerebral constituïxen la principal via diagnòstica d'esta malaltia, sent la tomografia per emissió de positrons i la ressonància magnètica les més esteses. No obstant això, encara no existixen biomarcadors específics d'Alzheimer que puguen ser detectats en neuroimatge, la qual cosa dificulta identificar-ho en etapes primerenques. Aquest Treball de Fi de Grau té com a objectiu principal la determinació de biomarcadors basats en connectivitat funcional que permeten diferenciar entre subjectes sans i pacients amb deterioració cognitiva. Així mateix, es busca distingir a aquells que patixen malaltia d'Alzheimer dels quals presenten deterioració cognitiva lleu. Per a obtindre aquestos biomarcadors, s'analitza la connectivitat funcional de les xarxes de mode predeterminat i d'altres regions d'interés en el desenvolupament de la malaltia d'Alzheimer a partir d'imatges de ressonància magnètica funcional amb contrast BOLD. Les regions han sigut seleccionades sobre la base dels estudis previs consultats. Per a realitzar-ho, es va començar obtenint un conjunt d'imatges funcionals i estructurals de ressonància magnètica a partir de la base de dades de la iniciativa ADNI (Alzheimer’s Disease Neuroimaging Initiative). La cohort utilitzada per a aquest estudi estava formada per pacients amb Alzheimer, controls sans i pacients amb deterioració cognitiva lleu, així com les variables demogràfiques corresponents a estes. Es va preparar la base de dades de manera que estiguera balancejada quant al sexe, edat i estat cognitiu, per a obtindre resultats generalitzables. A partir de l'eina CONN de MatLab, es van realitzar diferents passos de preprocessament i eliminació del soroll per a assegurar una bona harmonització, es va realitzar l'anàlisi de connectivitat funcional i es van dur a terme diferents anàlisis comparatives de la mateixa entre grups. El tipus d'anàlisi realitzada va ser entre regions, amb la finalitat de trobar aquelles que estigueren implicades en connexions amb canvis de connectivitat funcional. Aquestes anàlisis van presentar diferències de connectivitat funcional entre les regions en funció de l'estat cognitiu. Per tant, es va comprovar que la connectivitat funcional entre estes regions pot ser utilitzada com biomarcador per a distingir entre subjectes sans, pacients amb deterioració cognitiva lleu i pacients amb malaltia d'Alzheimer. Així mateix, es van observar diferències quant al sexe. Per a totes les anàlisis es va utilitzar l'edat com a variable de confusió per a obtindre resultats fidedignes. En conclusió, l'ús de biomarcadors basats en connectivitat funcional a partir d'imatge mèdica és una eina prometedora que pretén agilitzar i optimitzar el diagnòstic primerenc de la malaltia d'Alzheimer.

[EN] Alzheimer's disease is a neurodegenerative pathology characterized by producing cognitive impairment in those who suffer from it. Currently, more than 55 million people around the world suffer from dementia, of which between 60% and 70% correspond to cases of Alzheimer's. Brain imaging techniques constitute the main diagnostic method for this disease, with positron emission tomography and magnetic resonance imaging being the most widespread. However, there are still no specific Alzheimer's biomarkers that can be detected in neuroimaging, which makes it difficult to identify it in early stages. The main objective of this Degree's Final Project is the determination of biomarkers based on functional connectivity that allow differentiation between healthy subjects and patients with cognitive impairment. Likewise, it seeks to distinguish those who suffer from Alzheimer's disease from those who present mild cognitive impairment. To obtain these biomarkers, the functional connectivity of the default mode networks and other regions of interest in the development of Alzheimer's disease is analyzed from functional magnetic resonance images with BOLD contrast. The regions have been selected based on previous studies consulted. The first step was to obtain a set of functional and structural magnetic resonance images from the ADNI (Alzheimer's Disease Neuroimaging Initiative) database. The cohort used for this study was made up of patients with Alzheimer's, healthy controls and patients with mild cognitive impairment, as well as the demographic variables corresponding to them. The database was prepared so that it was balanced in terms of sex, age and cognitive state, to obtain generalizable results. Using MatLab's CONN tool, different preprocessing and noise elimination steps were carried out to ensure good harmonization. Also, functional connectivity analyses were made and several comparative analyses were done between groups. The type of analysis selected was between regions, in order to find those that were involved in connections with changes in functional connectivity. These analyses presented differences in functional connectivity between regions depending on cognitive status. Therefore, it was proven that the functional connectivity between these regions can be used as a biomarker to distinguish between healthy subjects, patients with mild cognitive impairment, and patients with Alzheimer's disease. Likewise, differences were observed in terms of sex. For all analyses, age was used as a confounding variable to obtain reliable results. In conclusion, the use of biomarkers based on functional connectivity from medical imaging is a promising tool that aims to speed up and optimize the early diagnosis of Alzheimer's disease.