Transdiagnostic quantitative assessment of dementias using in vivo MRI and data-driven disease progression modelling: a case study in Alzheimer's disease and dementia with Lewy bodies

Sintesi Tecnica: Valutazione Quantitativa Transdiagnostica delle Demenze mediante Risonanza Magnetica In Vivo e Modellazione della Progressione della Malattia Basata sui Dati

Problematica
Differenziare la demenza da malattia di Alzheimer (ADD) dalla demenza a corpi di Lewy (DLB) è clinicamente impegnativo a causa della significativa sovrapposenza tra le presentazioni cognitive e neuropsicologiche, particolarmente nelle fasi iniziali. Sebbene l'esame post-mortem rimanga il gold standard per distinguere le patologie sottostanti (amiloide-beta/tau per l'AD rispetto ad α-sinucleina per la malattia a corpi di Lewy), la diagnosi in vivo spesso si affida a biomarcatori costosi e gravosi come l'analisi del liquido cerebrospinale (CSF) o la PET, che non sono universalmente disponibili. Inoltre, gli approcci basati sulla RM esistenti spesso raggruppano i pazienti per sindrome clinica, ignorando l'eterogeneità biologica e fenotipica, il che può diluire i segnali della malattia. È necessario un metodo che sfrutti la RM strutturale routinariamente acquisita per identificare distinti sottotipi biologici attraverso lo spettro transdiagnostico di ADD e DLB, tenendo conto della progressione della malattia piuttosto che della sola gravità trasversale.

Metodologia
Gli autori hanno impiegato un approccio transdiagnostico guidato dai dati utilizzando l'algoritmo Subtype and Stage Inference (SuStaIn) su dati di RM pesati in T1 provenienti da sei coorti internazionali (ADNI, NACC, E-DLB, PDBP, ViPD, Pre-D), per un totale di oltre 2.000 pazienti con ADD, DLB o deterioramento cognitivo lieve (MCI), insieme a controlli cognitivamente normali.

1. Elaborazione dei Dati: Le scansioni di RM strutturale sono state elaborate tramite FreeSurfer per derivare i volumi regionali del tessuto cerebrale basandosi sull'atlante Desikan-Killiany. I volumi sono stati aggiustati per variabili demografiche (età, sesso) e volume intracranico, quindi normalizzati come z-score rispetto a una popolazione di riferimento di individui cognitivamente normali.
2. Framework di Modellazione: Lo studio ha utilizzato un framework SuStaIn modificato. Invece di modellare ADD e DLB separatamente, gli autori hanno prima applicato i modelli SuStaIn a ciascuna sindrome in modo indipendente. Successivamente, hanno combinato questi modelli in un unico modello transdiagnostico, rimuovendo i sottotipi ridondanti in base alla Distanza di Hellinger e alla spiegabilità tra i sottotipi ($R^2$).
3. Implementazione del Sottotipo Nullo: Per evitare che gli outlier contaminassero i pattern di progressione, è stato introdotto un "Sottotipo Nullo". Questo sottotipo artificiale imita una distribuzione uniforme non informativa, catturando i punti dati che non si adattano a nessun pattern di atrofia stimato. I partecipanti assegnati al Sottotipo Nullo o allo Stadio Zero (atrofia sotto la soglia) sono stati esclusi dall'analisi statistica primaria dei sottotipi.
4. Validazione e Associazione: I sottotipi risultanti sono stati validati longitudinalmente (verificando la coerenza dell'assegnazione del sottotipo nel tempo) e associati a variabili cliniche (punteggi cognitivi, caratteristiche chiave della DLB), marcatori genetici (APOE ε4), biomarcatori in vivo (CSF Aβ, p-tau, α-syn SAA, PET) e neuropatologia post-mortem (ADNC, distribuzione dei corpi di Lewy).

Contributi Chiave

• Sottotipizzazione Transdiagnostica: Questo è il primo studio ad applicare SuStaIn in modo transdiagnostico tra ADD e DLB, andando oltre il clustering specifico per sindrome per identificare traiettorie di atrofia condivise e distinte.
• Identificazione di Tre Firme di Atrofia: Il modello ha identificato tre distinti sottotipi di atrofia cerebrale guidati dai dati:
  • Limbico: Caratterizzato da una moderata atrofia precoce nelle regioni limbiche.
  • Corticale: Caratterizzato da una moderata atrofia precoce nelle regioni corticali, con un relativo risparmio iniziale delle strutture limbiche.
  • Cortico-Limbico: Un pattern intermedio in cui l'atrofia limbica e corticale avviene in parallelo.
• Integrazione di Dati Clinici e Biologici: Lo studio ha mappato sistematicamente questi sottotipi derivati dalla RM contro una vasta gamma di misure biologiche e cliniche, inclusi biomarcatori del CSF, imaging PET e patologia post-mortem.

Risultati

• Distribuzione dei Sottotipi: I tre sottotipi sono stati distribuiti tra entrambe le sindromi cliniche, sebbene con preferenze distinte. I sottotipi Limbico e Cortico-Limbico erano più frequentemente associati alle diagnosi di ADD, mentre il sottotipo Corticale era più frequentemente associato alle diagnosi di DLB.
• Correlati Biologici:
  • Genetica: I sottotipi Limbico e Cortico-Limbico mostravano una maggiore prevalenza di alleli APOE ε4 rispetto al sottotipo Corticale.
  • Biomarcatori: I sottotipi Limbico e Cortico-Limbico esibivano tassi più elevati di positività per amiloide e tau (A+/T+) e rapporti CSF p-tau/Aβ più elevati. Il sottotipo Corticale era più probabilmente A-/T- (negativo per entrambi).
  • Neuropatologia: Nel subset post-mortem, la conferma neuropatologica della malattia di Alzheimer (ADNC) di medio-alto livello era sproporzionatamente associata ai sottotipi Limbico e Cortico-Limbico, mentre il sottotipo Corticale era meno associato a un alto ADNC.
• Fenotipi Clinici:
  • Cognizione: I partecipanti nel sottotipo Corticale mostravano prestazioni della memoria relativamente preservate rispetto ai sottotipi Limbico e Cortico-Limbico, anche dopo l'aggiustamento per lo stadio della malattia.
  • Caratteristiche DLB: Sebbene i sottotipi non differissero significativamente per la presenza complessiva di caratteristiche chiave della DLB (allucinazioni, RBD, fluttuazioni, parkinsonismo), il sottotipo Corticale mostrava un pattern specifico di allucinazioni nelle fasi precoci che differiva da quello del sottotipo Limbico.
  • Età: Il sottotipo Corticale era associato a un'età di esordio più giovane rispetto al sottotipo Limbico.

Significatività e Rivendicazioni
L'articolo sostiene che questo approccio transdiagnostico e guidato dai dati dimostra la fattibilità dell'uso di una singola visita con RM pesata in T1 per supportare la diagnosi biologica e la sottotipizzazione dei pazienti con demenza. I risultati suggeriscono che la firma spaziale dell'atrofia cerebrale è guidata dai processi biologici sottostanti (profili di co-patologia) piuttosto che dalle sole etichette delle sindromi cliniche. Nello specifico, lo studio supporta l'ipotesi che l'atrofia "primaria limbica" si allinea con la patologia AD, l'atrofia "primaria corticale" si allinea con la patologia DLB/LBD, e i pattern misti riflettono la co-patologia.

Gli autori posizionano questo lavoro come un passo verso i "diagnostici compagni" che utilizzano dati RM routinariamente disponibili per stratificare biologicamente i pazienti, potenzialmente aiutando nella diagnosi laddove i biomarcatori fluidi o la PET non sono disponibili. Tuttavia, l'articolo mantiene un tono modesto riguardo l'utilità clinica, riconoscendo che il limite principale è la mancanza di dati sui biomarcatori attraverso le coorti, il che limita la capacità di caratterizzare completamente il bilancio patologico all'interno di ogni sottotipo. Gli autori concludono che, sebbene il modello mostri potenziale per la differenziazione in vivo, è necessaria una futura validazione con studi prospettici contenenti pannelli completi di biomarcatori per confermare questi risultati e perfezionare l'applicazione clinica del modello.