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

Resumo Técnico: Avaliação Quantitativa Transdiagnóstica de Demências Utilizando RM In Vivo e Modelagem de Progressão de Doença Baseada em Dados

Declaração do Problema
Diferenciar a demência da doença de Alzheimer (DDA) da demência com corpos de Lewy (DCBL) é clinicamente desafiador devido à sobreposição significativa nas apresentações cognitivas e neuropsicológicas, particularmente nos estágios iniciais. Embora o exame pós-morte permaneça o padrão-ouro para distinguir as patologias subjacentes (amiloide-beta/tau para DA vs. α-sinucleína para doença de corpos de Lewy), o diagnóstico in vivo frequentemente depende de biomarcadores caros e onerosos, como a análise do líquido cefalorraquidiano (LCR) ou o PET, que não estão universalmente disponíveis. Além disso, as abordagens atuais baseadas em RM frequentemente agrupam pacientes por síndrome clínica, ignorando a heterogeneidade biológica e fenotípica, o que pode diluir os sinais da doença. Há uma necessidade de um método que aproveite a RM estrutural rotineiramente adquirida para identificar subtipos biológicos distintos através do espectro transdiagnóstico de DDA e DCBL, considerando a progressão da doença em vez de apenas a gravidade transversal.

Metodologia
Os autores empregaram uma abordagem transdiagnóstica baseada em dados utilizando o algoritmo Subtype and Stage Inference (SuStaIn) em dados de RM ponderados em T1 de seis coortes internacionais (ADNI, NACC, E-DLB, PDBP, ViPD, Pre-D), totalizando mais de 2.000 pacientes com DDA, DCBL ou Comprometimento Cognitivo Leve (CCL), juntamente com controles cognitivamente normais.

1. Processamento de Dados: Os exames de RM estrutural foram processados usando o FreeSurfer para derivar volumes regionais de tecido cerebral com base no atlas Desikan-Killiany. Os volumes foram ajustados para demografia (idade, sexo) e volume intracraniano, sendo então normalizados como escores-z contra uma população de referência de indivíduos cognitivamente normais.
2. Estrutura de Modelagem: O estudo utilizou uma estrutura SuStaIn modificada. Em vez de modelar DDA e DCBL separadamente, os autores primeiro ajustaram modelos SuStaIn para cada síndrome de forma independente. Eles então combinaram esses modelos em um único modelo transdiagnóstico, removendo subtipos redundantes com base na Distância de Hellinger e na explicabilidade entre subtipos ($R^2$).
3. Implementação do Subtipo Nulo: Para evitar que outliers contaminassem os padrões de progressão, um "Subtipo Nulo" foi introduzido. Este subtipo artificial mimetiza uma distribuição uniforme não informativa, capturando pontos de dados que não se ajustam a nenhum padrão de atrofia estimado. Participantes atribuídos ao Subtipo Nulo ou ao Estágio Zero (atrofia abaixo do limiar) foram excluídos da análise estatística primária dos subtipos.
4. Validação e Associação: Os subtipos resultantes foram validados longitudinalmente (verificando a consistência da atribuição de subtipo ao longo do tempo) e associados a variáveis clínicas (escores cognitivos, características centrais de DCBL), marcadores genéticos (APOE ε4), biomarcadores in vivo (Aβ no LCR, p-tau, α-syn SAA, PET) e neuropatologia pós-morte (ADNC, distribuição de corpos de Lewy).

Principais Contribuições

• Subtipagem Transdiagnóstica: Este é o primeiro estudo a aplicar o SuStaIn transdiagnosticamente entre DDA e DCBL, indo além do agrupamento específico de síndrome para identificar trajetórias de atrofia compartilhadas e distintas.
• Identificação de Três Assinaturas de Atrofia: O modelo identificou três subtipos de atrofia cerebral distintos baseados em dados:
  • Límbico: Caracterizado por atrofia moderada precoce em regiões límbicas.
  • Cortical: Caracterizado por atrofia moderada precoce em regiões corticais, com preservação relativa das estruturas límbicas inicialmente.
  • Cortico-Límbico: Um padrão intermediário onde a atrofia límbica e cortical ocorrem em paralelo.
• Integração de Dados Clínicos e Biológicos: O estudo mapeou sistematicamente esses subtipos de RM contra uma ampla gama de medidas biológicas e clínicas, incluindo biomarcadores de LCR, imagem PET e patologia pós-morte.

Resultados

• Distribuição de Subtipos: Os três subtipos foram distribuídos entre ambas as síndromes clínicas, embora com preferências distintas. Os subtipos Límbico e Cortico-Límbico foram mais frequentemente associados ao diagnóstico de DDA, enquanto o subtipo Cortical foi mais frequentemente associado ao diagnóstico de DCBL.
• Correlatos Biológicos:
  • Genética: Os subtipos Límbico e Cortico-Límbico mostraram uma maior prevalência de alelos APOE ε4 em comparação ao subtipo Cortical.
  • Biomarcadores: Os subtipos Límbico e Cortico-Límbico exibiram taxas mais altas de positividade para amiloide e tau (A+/T+) e razões de p-tau/Aβ no LCR mais elevadas. O subtipo Cortical tinha maior probabilidade de ser A-/T- (negativo para ambos).
  • Neuropatologia: Na subamostra pós-morte, a confirmação neuropatológica de doença de Alzheimer (ADNC) de nível médio a alto foi desproporcionalmente associada aos subtipos Límbico e Cortico-Límbico, enquanto o subtipo Cortical foi menos associado a altos níveis de ADNC.
• Fenótipos Clínicos:
  • Cognição: Participantes do subtipo Cortical mostraram desempenho de memória relativamente preservado em comparação com os subtipos Límbico e Cortico-Límbico, mesmo após o ajuste pelo estágio da doença.
  • Características de DCBL: Embora os subtipos não tenham diferido significamente na presença geral de características centrais de DCBL (alucinações, RBD, flutuações, parkinsonismo), o subtipo Cortical mostrou um padrão específico de alucinações em estágios iniciais que diferiu do subtipo Límbico.
  • Idade: O subtipo Cortical foi associado a uma idade de início mais jovem em comparação com o subtipo Límbico.

Significância e Alegações
O artigo afirma que esta abordagem transdiagnóstica baseada em dados demonstra a viabilidade do uso de uma única visita de RM ponderada em T1 para apoiar o diagnóstico biológico e a subtipagem de pacientes com demência. Os achados sugerem que a assinatura espacial da atrofia cerebral é impulsionada por processos biológicos subjacentes (perfis de co-patologia) em vez de apenas rótulos de síndrome clínica. Especificamente, o estudo apoia a hipótese de que a atrofia "límbica-primeiro" se alinha com a patologia de DA, a atrofia "cortical-primeiro" se alinha com a patologia de DCBL/LBD, e padrões mistos refletem a co-patologia.

Os autores posicionam este trabalho como um passo em direção a "diagnósticos complementares" que utilizam dados de RM rotineiramente disponíveis para estratificar pacientes biologicamente, potencialmente auxiliando no diagnóstico onde biomarcadores de fluido ou PET não estão disponíveis. No entanto, o artigo mantém um tom modesto quanto à utilidade clínica, reconhecendo que a principal limitação é a ausência de dados de biomarcadores abrangentes entre as coortes, o que restringe a capacidade de caracterizar totalmente o equilíbrio patológico dentro de cada subtipo. Os autores concluem que, embora o modelo mostre promessa para a diferenciação in vivo, a validação futura com estudos prospectivos contendo painéis abrangentes de biomarcadores é necessária para confirmar essas descobertas e refinar a aplicação clínica do modelo.