Estimating tau onset age from tau PET imaging in two longitudinal cohorts using sampled iterative local approximation

De studie concludeert dat het SILA-algoritme de longitudinale tau-PET-trajecten nauwkeurig kan modelleren en de opstartleeftijd van tau-pathologie in het meta-temporale gebied kan schatten, hoewel de nauwkeurigheid in de entorhinale cortex afneemt bij patiënten met dementie.

De kern

De Kern: Een Tijdmachine voor de Hersenen

Stel je voor dat Alzheimer een heel langzaam groeiende boom is in je hersenen. Deze boom heeft twee soorten "vruchten":

1. Amyloïde: De eerste vruchten die verschijnen, vaak 20 jaar voordat iemand ziek wordt.
2. Tau: De tweede soort vruchten. Deze verschijnen later, maar ze zijn de echte boosdoeners die zorgen voor geheugenverlies en dementie.

Het probleem voor wetenschappers is dat ze niet kunnen wachten tot iemand 20 jaar ouder wordt om te zien hoe deze boom groeit. Ze hebben slechts een paar jaar aan data (zoals een paar foto's van de boom).

De vraag: Kunnen we, op basis van een paar foto's, precies terugrekenen wanneer de boom begon te groeien en hoe snel hij nu groeit?

De Oplossing: SILA (De Slimme Rekenmachine)

De auteurs van dit artikel hebben een methode getest die SILA heet. Je kunt SILA zien als een slimme tijdmachine of een rekenmachine voor de toekomst en het verleden.

• Wat deed SILA eerder? Het werkt al heel goed voor de eerste vruchten (Amyloïde). Het kan precies zeggen: "Op je 55e begon deze boom te groeien."
• Wat willen ze nu weten? Werkt deze rekenmachine ook voor de tweede vruchten (Tau)? En werkt hij voor verschillende soorten mensen en verschillende delen van de hersenen?

Hoe hebben ze het getest?

Ze hebben gekeken naar twee grote groepen mensen (cohorten):

1. ADNI: Een grote internationale groep, vaak wat ouder en met meer mensen die al dementie hebben.
2. WISC: Een groep uit Wisconsin (VS), vaak wat jonger en gezonder.

Ze gebruikten twee verschillende soorten "camera's" (PET-scans) om naar de Tau-vruchten te kijken. Ze keken naar twee delen van de hersenen:

• De Entorhinale Cortex: De "voordeur" van de hersenen waar de ziekte vaak begint.
• De Meta-temporale regio: Een groter gebied verderop in de hersenen.

Wat vonden ze? (De Resultaten)

Hier zijn de belangrijkste ontdekkingen, vertaald naar alledaagse taal:

1. De "Grote Gebied"-analogie (Meta-temporaal) werkt perfect
Stel je voor dat je naar een grote open plek in de stad kijkt waar de ziekte zich verspreidt. De SILA-rekenmachine kon hier uitstekend mee werken.

• Het kon precies terugrekenen: "Deze persoon begon ziek te worden op zijn 65e."
• Het maakte geen verschil of iemand rijk of arm was, man of vrouw, of een genetisch risico had. De "groei" van de ziekte in dit gebied volgde een heel voorspelbaar patroon.
• Conclusie: Voor dit gebied is SILA een betrouwbare tijdmachine.

2. De "Voordeur"-analogie (Entorhinale Cortex) is lastig bij zieke mensen
De entorhinale cortex is als de voordeur van het huis. Hier begint de ziekte.

• Bij gezonde mensen (of mensen in een heel vroeg stadium) werkt SILA hier ook goed.
• MAAR: Bij mensen die al dementie hebben, gaat de rekenmachine een beetje in de war.
• Waarom? Bij mensen met dementie krimpen de hersenen (atrofie). De "voordeur" wordt kleiner. De camera (PET-scan) ziet dan minder "vruchten", niet omdat de ziekte stopt, maar omdat er minder ruimte is om ze te zien. De rekenmachine dacht dan: "Oh, de ziekte gaat langzamer," terwijl dat niet zo was.
• Conclusie: Voor mensen met dementie is het beter om naar het grotere gebied te kijken dan naar de voordeur.

3. Achteruitkijken is beter dan vooruitkijken
SILA is heel goed in het terugrekenen (retrospectief).

• Voorbeeld: "Je bent nu 70 en ziek. Wanneer begon het?" -> SILA zegt: "Waarschijnlijk op je 63e." (Dit werkt goed).
• Moeilijker: "Je bent nu 60 en gezond. Wanneer word je ziek?" -> SILA is hier minder zeker van. Het is makkelijker om het verleden te reconstrueren dan de toekomst te voorspellen.

4. Genetica speelt een rol in het begin, niet in de snelheid
Mensen met het APOE-e4-gen (een bekend risico-gen) kregen de ziekte gemiddeld 4 tot 5 jaar eerder dan mensen zonder dit gen.

• Maar zodra de ziekte eenmaal begon, groeide hij bij iedereen even snel. Het gen bepaalt wanneer je de startlijn passeert, niet hoe snel je daarna rent.

Waarom is dit belangrijk?

Stel je voor dat je een medicijn wilt testen om de ziekte te stoppen.

• Als je niet weet wanneer iemand ziek is geworden, kun je niet weten of het medicijn werkt of dat de ziekte gewoon van nature langzamer gaat.
• Met SILA kunnen artsen en onderzoekers nu zeggen: "Deze patiënt is 5 jaar ziek."
• Dit helpt bij het plannen van medicijntests en het begrijpen van de ziekte, zelfs als we de patiënt niet hebben gezien vanaf het allereerste begin.

Samenvatting in één zin

Deze studie laat zien dat we met een slimme rekenmethode (SILA) nu precies kunnen terugrekenen wanneer Alzheimer in de hersenen begon, mits we naar het juiste gebied kijken en rekening houden met of de patiënt al dement is of niet.

Technische samenvatting

Probleemstelling

Alzheimer's ziekte (AD) wordt gekenmerkt door een langdurig pathologisch proces dat vaak 20 jaar of langer begint voordat klinische symptomen optreden. Hoewel er geavanceerde methoden bestaan om de accumulatie van amyloïde-beta (A+) te modelleren en het tijdstip van amyloïde-positiviteit te schatten, ontbreekt er nog een vergelijkbaar gevalideerd kader voor tau-pathologie (T+).
Tau-accumulatie volgt een ander spatiotemporair patroon dan amyloïde (beginnend in de entorhinale cortex en verspreidend naar neocorticale gebieden) en is sterker geassocieerd met cognitieve achteruitgang. Een groot probleem in longitudinale studies is dat het zeldzaam is om individuen te volgen vanaf de allereerste detecteerbare tau-veranderingen tot aan de klinische dementie. Er is behoefte aan methoden die korte longitudinale observaties (bijv. 5-10 jaar) kunnen gebruiken om de volledige ziektegeschiedenis te reconstrueren, inclusief het schatten van de leeftijd waarop tau-positiviteit (T+) optreedt, zelfs als de overgang van T- naar T+ niet direct is waargenomen.

Methodologie

De auteurs hebben de Sampled Iterative Local Approximation (SILA) methode, die eerder succesvol is gevalideerd voor amyloïde PET, toegepast op longitudinale tau PET-data.

• Data: De studie omvatte twee grote cohorten met verschillende tau-tracers:
  1. ADNI: 385 deelnemers met longitudinale [18F]flortaucipir (FTP) scans.
  2. WISC: 288 deelnemers (Wisconsin Registry for Alzheimer's Prevention en Wisconsin Alzheimer's Disease Research Center) met longitudinale [18F]MK-6240 scans.
• Regionen van Interesse (ROI):
  • Entorhinale Cortex (EC): Vaak het eerste gebied dat tau vertoont.
  • Meta-temporaal gebied (MT): Een compositie van temporale gebieden (amygdala, parahippocampale gyrus, etc.) die representatief is voor bredere tau-accumulatie.
• SILA-implementatie:
  • Het model traint een numerieke curve die de gemiddelde veranderingssnelheid van SUVR (Standardized Uptake Value Ratio) over de tijd weergeeft, gebaseerd op discrete steekproeven.
  • De tijdas wordt geschaald zodat "0 jaar" overeenkomt met de T+-drempel (bepaald via Gaussian Mixture Models).
  • Het model schat voor elke participant de geschatte leeftijd van tau-opstart (ETOA) en kan retrospectief (terugkijkend) of prospectief (vooruitkijkend) SUVR-waarden voorspellen.
• Validatie:
  • Aim 1: Validatie van de SILA-trajecten via 10-voudige kruisvalidatie, beoordeling van de nauwkeurigheid van SUVR-voorspelling (forward vs. backward) en precisie van ETOA in vergelijking met waargenomen conversie (T- naar T+).
  • Aim 2: Onderzoek naar de relatie tussen SILA-afgeleide maten (T+-frequentie, ETOA, tijd T+) en risicofactoren (APOE-e4 status en dementie-diagnose).

Belangrijkste Bijdragen

1. Eerste uitgebreide validatie van SILA voor tau PET: Dit is een van de eerste studies die SILA toepast op tau-imaging over twee verschillende cohorten en twee verschillende tracers.
2. Regionale verschillen in modelprestaties: De studie identificeert een cruciaal onderscheid tussen de entorhinale cortex en het meta-temporale gebied.
3. Retrospectieve vs. Prospectieve voorspelling: Het bevestigt dat SILA beter presteert bij het schatten van verleden waarden (retrospectief) dan bij het voorspellen van toekomstige waarden, vooral bij personen die nog tau-negatief zijn.
4. Invloed van klinische status: De studie toont aan dat de aanwezigheid van dementie de nauwkeurigheid van tau-modellering in de entorhinale cortex beïnvloedt, maar minder in het meta-temporale gebied.

Resultaten

• Modelprestaties: SILA kon longitudinale tau-trajecten nauwkeurig modelleren.
  • Backward prediction (retrospectief) presteerde consistent beter dan forward prediction (prospectief) in alle cohorten en regio's.
  • Het meta-temporale (MT) gebied toonde over het algemeen betere prestaties (lagere RMSE, hogere nauwkeurigheid) dan de entorhinale cortex (EC).
• Nauwkeurigheid van ETOA:
  • In de subgroep van deelnemers die tijdens de studie van T- naar T+ converteerden, was het verschil tussen de waargenomen en geschatte startleeftijd zeer klein (bijv. 0,12 jaar voor ADNI in het MT-gebied).
  • De geschatte startleeftijd viel in 72-86% van de gevallen binnen het waargenomen tijdsvenster tussen de laatste T- en de eerste T+ scan.
• Invloed van Dementie en EC:
  • In de entorhinale cortex was er een significante associatie tussen dementie en modelresiduen (fouten). De nauwkeurigheid nam af bij personen met dementie, waarschijnlijk door negatieve hellingen in SUVR over tijd (mogelijk door atrofie of veranderingen in tracerbinding).
  • In het meta-temporale gebied was SILA robuust, ongeacht de aanwezigheid van dementie.
• Risicofactoren:
  • APOE-e4: Dragers van het APOE-e4 allel hadden een significant eerdere geschatte tau-opstartleeftijd (ongeveer 4,6 jaar eerder in de EC) dan niet-dragers.
  • Dementie: Personen met dementie hadden een significant langere periode van tau-positiviteit (tijd T+) op het moment van de laatste scan vergeleken met niet-demente personen.

Significantie en Conclusie

De studie concludeert dat SILA een krachtig hulpmiddel is om longitudinale tau PET-trajecten te modelleren en individuele leeftijden van tau-opstart (ETOA) te schatten, met name in het meta-temporale gebied. Dit maakt het mogelijk om de tijdslijn van tau-accumulatie te reconstrueren in studies met beperkte longitudinale data.

Een belangrijke nuance is dat de entorhinale cortex minder geschikt lijkt voor tijdsmodellering in de klinische fase (dementie) vanwege de complexiteit van atrofie en veranderende tracerbinding in gevorderde stadia. Voor studies die de volledige ziekteprogressie willen omvatten, zijn bredere compositie-ROIs (zoals het meta-temporale gebied) aan te raden.

Deze methodologie biedt nieuwe mogelijkheden voor:

• Het beter begrijpen van de heterogeniteit in de start van tau-pathologie.
• Het schatten van de tijdsduur tussen biomarker-positiviteit en klinische symptomen.
• Het ontwerpen van klinische trials door patiënten te selecteren op basis van geschatte ziektechroniciteit in plaats van alleen op de huidige klinische status.