Applicazione dell'analisi di causalità di Granger del diretto collegamento funzionale nella malattia di Alzheimer e Mild Cognitive Impairment

L'obiettivo generale di questa analisi di causalità di Granger è studiare la connettività funzionale diretta nel cervello associata alla progressione della malattia di Alzheimer, stabilendo così una nuova base oggettiva per valutare la gravità della malattia. Questo metodo può aiutare a rispondere a domande fondamentali nel campo della malattia di Alzheimer, come la connettività diretta tra la PCC e le regioni dell'intero cervello. Il vantaggio principale di questa tecnica è che misura gli effetti causali delle serie temporali fMRI e mostra la dinamica e le direzioni del segnale neurale.

Le implicazioni di questa tecnica riguardano la diagnosi dell'evoluzione della malattia di Alzheimer poiché confronta la connettività funzionale diretta tra i gruppi di pazienti con AD, MCI e il gruppo di controllo. Poiché questo metodo può fornire informazioni sulla scala della connettività funzionale diretta nell'Alzheimer, può essere applicato anche ad altri sistemi, come negli studi di elettroencefalogramma. In generale, le persone che sono nuove rispetto a questo metodo potrebbero incontrare difficoltà se non sono familiari con il funzionamento del software.

Dobbiamo prima aggiungere qui per il semestre, quindi valutiamo le precedenti letterature sull'Analisi di Causalità di Granger. Mentre si effettua una dimostrazione pratica di questo metodo, è fondamentale poiché esistono diversi aspetti da notare che vanno oltre quanto può essere scritto nel testo. Iniziare aprendo RESTplus tramite il software e facendo clic sinistro su Pipeline.

Importare i file pertinenti in RESTplus. Selezionare la directory di lavoro e quindi le directory iniziali EPI e T1. Successivamente, per convertire i file Dicom in Nifti, selezionare la casella DicomToNifti in Preprocessing.

Selezionare i parametri EPI Dicom a Nifiti e T1 a Nifiti. Rimuovere i primi 10 punti temporali selezionando RimuoviPrimiPuntiTemporali e impostando il parametro finale a 10. Quindi, selezionare la casella di compensazione temporale delle sezioni.

Impostare il numero di slice in base ai parametri RS FMRI dello studio e inserire l'ordine delle slice. Selezionare Riallinea per correggere il tempo e i movimenti della testa. Quindi, eseguire la normalizzazione spaziale selezionando Normalizza e lasciare i parametri predefiniti nella parte inferiore.

Utilizzare la segmentazione unificata dell'immagine T1 e standardizzare tutti i capi allo stesso spazio selezionando i parametri. Normalizzare utilizzando la segmentazione unificata dell'immagine T1 e il modello europeo. Successivamente, selezionare l'opzione di smoothing per eseguire un filtraggio spaziale mediante un kernel gaussiano isotropo con una larghezza a metà altezza di 6 mm.

Rimuovere la tendenza lineare selezionando Detrend. Selezionare la regressione dei covariani di disturbo tra i seguenti: sei parametri del movimento della testa, segnale medio globale, segnale della sostanza bianca e segnale del liquido cerebrospinale, al fine di aumentare il rapporto segnale-rumore. Infine, selezionare il filtro per mantenere i segnali compresi tra 0,01 e 0,08 hertz.

Rimuovere il rumore fisiologico ad alta frequenza e la deriva a bassa frequenza. Iniziare eseguendo l'analisi della causalità di Granger a livello di voxel, o GCA, utilizzando la GCA REST all'interno della toolbox REST. Nella casella Postprocessing, selezionare GCA.

Impostare l'ordine su uno per impostazione predefinita. Selezionare Definisci ROI e scegliere l'ROI sferica per definire la regione di interesse. Selezionare avanti.

Identificare i punti di seme di interesse nella corteccia singolare posteriore, o PCC, impostando le coordinate del centro e il raggio della ROI di seme in base ai dati noti e selezionare OK. Quindi selezionare Esegui e OK per avviare il programma. Successivamente, individuare le cartelle denominate ZGCA e GCA dopo l'elaborazione dei dati dei file pertinenti. Ordinare i file di ZGCA e classificarli in quattro sottocartelle, rispettivamente XX, XY, YX, YY.

All'interno del software, aprire RESTplus e fare clic con il tasto sinistro su Analisi statistica. Fare clic con il tasto sinistro su Test t a due campioni REST. Assegnare al risultato in uscita il nome T1XY e impostare la directory di output.

Fare clic con il pulsante sinistro su Aggiungi immagini gruppo per aprire la sottocartella XY nella cartella Risultati AD e la sottocartella XY nella cartella Risultati NC. Successivamente, fare clic con il pulsante sinistro per aprire il file secondario BrainMask nella cartella mask. Quindi selezionare Calcola per eseguire il programma.

Assegnare ai risultati in uscita il nome T2XY e impostare la directory di output. Fare clic con il pulsante sinistro su Aggiungi immagini gruppo per aprire la sottocartella XY nella cartella dei risultati AD. E la sottocartella XY nella cartella dei risultati MCI.

Ripetere il calcolo del file della maschera cerebrale per ottenere gli output per T3XY, T1YX, T2YX e T3YX, per un totale di sei file. Fare clic con il tasto sinistro su Viewer di RESTplus per visualizzare i file risultanti. Importare il template denominato Ch2 nel livello sottostante (Underlay).

Infine, individuare i sei file risultanti nella directory di output e compilare l'overlay uno per uno. Creare il grafico finale utilizzando i sei file di output. Dopo aver identificato inizialmente i nodi attivi in tutto il cervello, la tecnologia GCA è stata utilizzata per determinare la connettività funzionale diretta dalla PCC a tutto il cervello.

E dalla totalità del cervello alla PCC nei gruppi AD, MCI e di controllo. La connettività diretta dalla totalità del cervello alla PCC era potenziata nel gruppo AD rispetto al gruppo di controllo normale e si concentrava principalmente nella regione cerebellare bilaterale esterna alla DMN. La connettività diretta dalla PCC alla totalità del cervello era significativamente ridotta nel gruppo AD rispetto ai controlli, con le principali aree interessate, come il precuneo destro e il giro metacingolato sinistro, appartenenti alla DMN.

Una volta padroneggiata, questa tecnica può essere eseguita in 14 ore se realizzata correttamente. Durante il tentativo di questa procedura, è importante ricordare che tutti i nomi dei file e delle immagini devono essere in inglese e non devono contenere spazi. Dopo il suo sviluppo, questa tecnica ha aperto la strada ai ricercatori nel campo della fMRI per esplorare la connettività frazionaria diretta nel decorso della malattia di Alzheimer.

Dopo aver visto questo video, dovresti avere una buona comprensione di come avviare lo studio della connettività frazionaria diretta nel cervello in relazione alla progressione della malattia di Alzheimer. In tal modo, si stabilisce una base oggettiva precisa per valutare la gravità della malattia.