Активность сети пассивного режима работы мозга позволяет отличить болезнь Альцгеймера от нормального старения: данные функциональной МРТ
Default-mode network activity distinguishes Alzheimer's disease from healthy aging: Evidence from functional MRI
2004-03-15
SCID: 54.1/h5u6j9ug
Discuss with AI
болезнь Альцгеймерасеть пассивного режима работы мозгафункциональная МРТанализ независимых компонентзадняя поясная кора
Figures from the paper
Abstract (AI)
Недавние исследования с использованием методов функциональной визуализации выявили совместную активацию в распределенной сети корковых областей, характеризующей состояние покоя, или пассивный режим работы, головного мозга человека. Среди областей мозга, входящих в эту сеть, в нескольких, включая заднюю поясную кору и нижние теменные доли, на ранних этапах болезни Альцгеймера (БА) также наблюдается снижение метаболизма. Мы предположили, что активность сети пассивного режима работы мозга при БА может быть нарушена. Для проверки этой гипотезы мы использовали анализ независимых компонент, чтобы выделить данную сеть у группы из 13 пациентов с легкой формой БА и группы из 13 здоровых пожилых лиц, сопоставимых по возрасту, во время выполнения ими простой сенсомоторной задачи. Получены три важных результата. Выраженная совместная активация гиппокампа, выявленная во всех группах, указывает на тесное участие сети пассивного режима работы мозга в обработке эпизодической памяти. В группе БА наблюдалось снижение активности задней поясной коры и гиппокампа в состоянии покоя, что позволяет предположить: нарушение связности между этими двумя областями обусловливает гипометаболизм задней поясной коры, который обычно выявляется при исследованиях ранней БА методом позитронно-эмиссионной томографии. Наконец, анализ соответствия, проведенный на уровне отдельных испытуемых, показывает, что активность сети пассивного режима работы мозга в конечном итоге может оказаться чувствительным и специфичным биомаркером начинающейся БА.
Key Findings
1
Нарушение связи между задней поясной корой и гиппокампом может объяснять гипометаболизм задней поясной коры, наблюдаемый на ранних стадиях болезни Альцгеймера.
2
С помощью анализа независимых компонент активность сети пассивного режима была выделена у 13 пациентов с лёгкой болезнью Альцгеймера и 13 здоровых пожилых людей сопоставимого возраста.
3
Анализ соответствия на уровне отдельных участников показывает, что активность сети пассивного режима может стать чувствительным и специфичным биомаркером начальной болезни Альцгеймера.
4
Лёгкая болезнь Альцгеймера сопровождалась снижением активности в состоянии покоя в задней поясной коре и гиппокампе.
5
Во всех группах наблюдалась выраженная совместная активация гиппокампа в составе сети пассивного режима, что связывает её с обработкой эпизодической памяти.
Research Object
Сеть по умолчанию (рестинг-стейт распределённая корковая сеть) в мозге людей с лёгкой формой болезни Альцгеймера и у сопоставимых по возрасту здоровых пожилых контролей
Research Subject
Активность и связность сети пассивного режима работы мозга в состоянии покоя, особенно между задней поясной корой и гиппокампом, как потенциальный биомаркер, различающий болезнь Альцгеймера и здоровое старение
Publication Details
Publication Date
2004-03-15
Journal
Publisher
ISSN
Cited by
3771
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью10
Организация коры головного мозга человека, оцененная по внутренней функциональной связности2011
Сеть пассивного режима мозга2015
Общая нейронная основа автобиографической памяти, предвосхищения, навигации, теории сознания и режима по умолчанию: количественный метаанализ2008
Функциональная связность в состоянии покоя отражает структурную связность в сети пассивного режима (default mode network)2008
Активность и связность сети пассивного режима (default mode network) при психопатологии2012
Различающиеся изменения связности сетей при поведенческом варианте фронтотемпоральной деменции и болезни Альцгеймера2010
Визуализация головного мозга при болезни Альцгеймера2012
Подход на основе машинного обучения для дифференциальной диагностики болезни Альцгеймера и сосудистой деменции с использованием признаков, отобранных по данным МРТ2020
Гамма-стимуляция мозга: механизмы и оптимизация воздействия2025
Анализ МРТ головного мозга для диагностики болезни Альцгеймера с использованием ансамблевой системы глубоких сверточных нейронных сетей2018