Реорганизация сети пассивного режима работы головного мозга у пациентов с болезнью Паркинсона: анализ индивидуальных компонент по данным фМРТ покоя

E. V. Seliverstova1, Yu. A. Seliverstov1, R. N. Konovalov1, M. V. Krotenkova1, S. N. Illarioshkin1
1ФГБНУ «Научный центр неврологии» (Москва), Россия

Аннотация


При функциональной магнитно-резонансной томографии покоя (фМРТп) возможно оценить низкочастотные колебания (0,01–0,1 Гц) BOLD-сигнала, основанные на изменении параметров гемодинамики, что косвенно позволяет определить спонтанную нейрональную активность различных областей головного мозга в состоянии покоя. Нами было проведено фМРТп-исследование в группах здоровых добровольцев и пациентов с болезнью Паркинсона (БП). Из спектра нейрональных сетей покоя головного мозга была выделена сеть пассивного режима работы (СПРР) головного мозга и оценены изменение паттерна нейрональной активности данной сети у пациентов с БП. Установлено, что при БП по сравнению с нормой имеет место уменьшение активности в правой нижней теменной дольке (т.е. в зоне, входящей в состав СПРР и участвующей в зрительно-пространственном восприятии) и, напротив, увеличение спонтанной нейрональной активности в составе СПРР в медиальных отделах правой верхней лобной извилины, правой и левой угловых извилинах, передневерхних и задненижних отделах левого и правого предклинья. Выявленные изменения нейрональной активности, рассматриваемые как проявление феномена нейропластичности, потенциально могут являться биомаркерами нейродегенеративного процесса при БП.

Ключевые слова

функциональная МРТ покоя; болезнь Паркинсона; анализ независимых компонент; сеть пассивного режима работы головного мозга

Полный текст:

PDF Удаленный

Литература

Кремнева Е.И. Коновалов Р.Н., Кротенкова М.В. Функциональная магнитно-резонансная томография. Анн. клин. и эксперим.неврол. 2011; 1: 30–39.

Селиверстова Е.В., Селиверстов Ю.А., Коновалов Р.Н., Иллариошкин С.Н. Функциональная магнитно-резонансная томография покоя: возможности метода и первый опыт применения в России. Анн. клин. и эксперим. неврол. 2013; 4: 39–44.

Селиверстова Е.В., Селиверстов Ю.А., Коновалов Р.Н. и др. Опыт применения функциональной магнитно-резонансной томографии покоя в России. Здравоохранение Таджикистана 2014; 12: 146–149.

Andrews-Hanna J.R., Snyder A.Z., Vincent J.L. et al. Disruption of large-scale brain systems in advanced aging. Neuron 2007; 56: 924–935.

Beckmann C.F., DeLuca M., Devlin J.T., Smith S.M. Investigations into resting-state connectivity using independent component analysis. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 2005; 360: 1001–1013.

Biswal B., Yetkin F.Z., Haughton V.M., Hyde J.S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 1995; 34: 537–541.

Calhoun V.D., Adali T., Pearlson G.D., Pekar J.J. A method for making group inferences from functional MRI data using independent component analysis. Hum. Brain Mapp. 2001; 14: 140–151.

Cordes D., Haughton V., Carew J.D. et al. Hierarchical clustering to measure connectivity in fMRI resting-state data. Magn. Reson. Imaging 2002; 20: 305–317.

Cordes D., Haughton V.M., Arfanakis K. et al. Mapping functionally related regions of brain with functional connectivity MR imaging. Am. J. Neuroradiol. 2000; 21: 1636–1644.

Davie C.A. A review of Parkinson’s disease. Br. Med. Bull. 2008; 86: 109–127.

Doucet G., Naveau M., Petit L. et al. Brain activity at rest: a multiscale hierarchical functional organization. J. Neurophysiol. 2011; 105: 2753–2763.

Fransson P. Spontaneous low-frequency BOLD signal fluctuations: an fMRI in-vestigation of the resting-state default mode of brain function hypothesis. Hum. Brain Mapp. 2005; 26: 15–29.

Friston K.J., Frith C.D., Liddle P.F., Frackowiak R.S. Functional connectivity: the principal-component analysis of large (PET) data sets. J. Cereb. Blood Flow Metab. 1993; 13: 5–14.

Greicius M.D., Krasnow B., Reiss A.L., Menon V. Functional connec-tivity in the resting brain: a network analysis of the default mode hypothesis. Proc. Natl. Acad. Sci. U. S. A. 2003; 100: 253–258.

Gusnard D.A., Raichle M.E., Raichle M.E. Searching for a baseline: functional imaging and the resting human brain. Nat. Rev. Neurosci. 2001; 2: 685–694.

Hawkes C.M. Diagnosis and treatment of Parkinson’s disease. Anosmia is a common finding. BMJ 1995; 310: 1668.

Kahan J., Urner M., Moran R. et al. Resting state functional MRI in Parkinson’s disease: the impact of deep brain stimulation on ‘effective’ connectivity. Brain 2014; 137 (Pt 4): 1130–1144.

Larson-Prior L.J., Zempel J.M., Nolan T.S. et al. Cortical network functional connectivity in the descent to sleep. Proc. Natl. Acad. Sci. U. S. A. 2009; 106: 4489–4494.

Lee M.H., Smyser C.D., Shimony J.S. Resting-State fMRI: A Review of Methods and Clinical Applications. Am. J. Neuroradiol. 2013; 34: 1866–1872.

Mason M.F., Norton M.I., Van Horn J.D. et al. Wandering minds: the default network and stimulus-independent thought. Science 2007;315: 393–395.

McKeown M.J., Hansenz L.K., Sejnowski T.J. Independent component analysis of functional MRI: what is signal and what is noise? Cur.Opin. Neurobiol. 2003; 13: 620–629.

Mutch W.J., Dingwall-Fordyce I., Downie A.W. et al. Parkinson’s disease in a Scottish City. BMJ 1986; 292: 534–536.

Salvador R., Suckling J., Coleman M.R. et al. Neurophysiological architecture of functional magnetic resonance images of human brain.Cereb. Cortex 2005; 15: 1332–1342.

Song M., Zhou Y., Li J. et al. Brain spontaneous functional connectivity and intelligence. Neuroimage 2008; 41: 1168–1176.

Stone J.V. Independent component analysis: an introduction. Trends Cogn. Sci. 2002; 6: 59–64.

Thirion B., Dodel S., Poline J.B. Detection of signal synchronizations

in resting-state fMRI datasets. Neuroimage 2006; 29: 321–327.

Van den Heuvel M.P., Mandl R.C., Hulshoff Pol H.E. Normalized cut group clus-tering of resting-state fMRI data. PLoS ONE 2008; 3: e2001.

Van de Ven V.G., Formisano E., Prvulovic D. et al. Functional connectivity as revealed by spatial independent component analysis of fMRI measurements during rest. Hum. Brain Mapp. 2004; 22: 165–178.