Нейросети в предиктивной диагностике когнитивных нарушений при сахарном диабете 1 и 2-го типа
- Авторы: Самойлова Ю.Г.1, Матвеева М.В.1, Кудлай Д.А.2,3, Тонких О.С.1, Толмачев И.В.1
-
Учреждения:
- ФГБОУ ВО «Сибирский государственный медицинский университет» Минздрава России
- ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)
- ФГБУ «Государственный научный центр “Институт иммунологии”» ФМБА России
- Выпуск: Том 93, № 11 (2021)
- Страницы: 1349-1358
- Раздел: Оригинальные статьи
- URL: https://journals.rcsi.science/0040-3660/article/view/99626
- DOI: https://doi.org/10.26442/00403660.2021.11.201253
- ID: 99626
Цитировать
Полный текст
Аннотация
Обоснование. Когнитивная дисфункция, включая легкие когнитивные нарушения и деменцию, все чаще признается серьезным осложнением сахарного диабета (СД), которое влияет на самочувствие пациента и управление заболеванием. Исследования методом магнитно-резонансной томографии (МРТ) показали различную степень атрофии коры головного мозга (ГМ), церебральные инфаркты и глубокие поражения белого вещества. Для объяснения взаимосвязи между СД и снижением когнитивных функций выдвинуто несколько гипотез, в основе которых – вариабельность гликемии, приводящая к морфометрическим изменениям ГМ. Возможность прогнозирования снижения когнитивных функций еще до его клинического развития позволит проводить раннюю профилактику данной патологии, а также прогнозировать течение уже имеющейся патологии и корректировать медикаментозные схемы лечения.
Цель. Создание компьютерной нейросетевой модели прогнозирования развития когнитивных нарушений при СД на основе методов нейровизуализации ГМ.
Материалы и методы. Исследование выполнено в соответствии со стандартами надлежащей клинической практики, протокол одобрен этическим комитетом. В исследование включены 85 пациентов с СД 1-го типа (СД 1) и 95 пациентов с СД 2-го типа (СД 2), которых разделили на группу пациентов, имеющих нормальные когнитивные функции, и группу с когнитивными нарушениями. Группы пациентов сопоставимы по возрасту и длительности заболевания. Скрининг когнитивных расстройств проводили с помощью Монреальской шкалы оценки когнитивных функций. Данные для оценки вариабельности гликемии получали с помощью непрерывного мониторирования уровня глюкозы (iPro2, Libre). Стандартное МРТ-исследование ГМ проводили в аксиальной, сагиттальной и корональной проекциях на аппарате Signa Creator “Е” фирмы GE Healthcare, 1,5 Тл, Китай. Для обработки данных МРТ использовали программу Free Surfer (США) для анализа и визуализации структурных и функциональных данных нейровизуализации от поперечного сечения или продольных исследований, а для сегментации – непосредственно пакетную программу Recon-all. Все статистические анализы и обработка данных проводились с использованием программного обеспечения Statistica Statsofi (версия 10) на операционных системах Windows 7/XP Pro. Для построения нейросетовой модели применяли когнитивную систему IBM WATSON.
Результаты. В результате исследования при СД 1 когнитивные нарушения представлены преимущественно в виде легкой – 36,9% (n=24) и средней степени – 30,76% (n=20), а при СД 2 – легкой – 37% (n=30), средней – 49,4% (n=40) и тяжелой степени – 13,6% (n=11). Когнитивные функции при СД 1 снижены по параметрам памяти и внимания, тогда как при СД 2 это прослеживается еще и в заданиях на зрительно-конструктивные навыки, беглость речи, абстракцию (p<0,001). В ходе анализа у пациентов с СД 1 и 2 и когнитивными нарушениями выявлены различия индексов вариабельности гликемии. При проведении стандартной МРТ ГМ зарегистрировали наличие изменения белого и серого вещества (глиоза и лейкоареоза). Для СД 1 и 2 свойственна общая и региональная атрофия ГМ, которая ассоциирована с дисгликемий. При построении нейросетевых моделей для СД 1 параметры уменьшения объемов областей ГМ определяют развитие когнитивных нарушений на 93,5%, тогда как дополнительно коэффициенты вариабельности гликемии – на 98,5%. Такая же особенность выявлена при СД 2 – 95,3 и 97,9% соответственно.
Заключение. При СД 1 и 2 с когнитивными нарушениями чаще регистрируются повышенные коэффициенты вариабельности гликемии. В данной публикации описываются лабораторные и инструментальные параметры как потенциальные диагностические возможности эффективного управления СД и профилактики когнитивных нарушений. Нейросетевые модели с использованием коэффициентов вариабельности гликемии и магнитно-резонансной морфометрии позволяют осуществлять предиктивную диагностику когнитивных нарушений при обоих типах СД.
Ключевые слова
Полный текст
Открыть статью на сайте журналаОб авторах
Юлия Геннадьевна Самойлова
ФГБОУ ВО «Сибирский государственный медицинский университет» Минздрава России
Email: matveeva.mariia@yandex.ru
ORCID iD: 0000-0002-2667-4842
д-р мед. наук, зав. каф. детских болезней, проф. каф. факультетской терапии с курсом клинической фармакологии ФГБОУ ВО СибГМУ
Россия, ТомскМария Владимировна Матвеева
ФГБОУ ВО «Сибирский государственный медицинский университет» Минздрава России
Автор, ответственный за переписку.
Email: matveeva.mariia@yandex.ru
ORCID iD: 0000-0001-9966-6686
д-р мед. наук, доц. каф. детских болезней, доц. каф. общей врачебной практики и поликлинической терапии ФГБОУ ВО СибГМУ
Россия, ТомскДмитрий Анатольевич Кудлай
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет); ФГБУ «Государственный научный центр “Институт иммунологии”» ФМБА России
Email: matveeva.mariia@yandex.ru
ORCID iD: 0000-0003-1878-4467
д-р мед. наук, проф. каф. фармакологии Института фармации ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» (Сеченовский Университет); вед. науч. сотр. лаб. персонализированной медицины и молекулярной иммунологии №71 ФГБУ ГНЦ ИМ
Россия, МоскваОльга Сергеевна Тонких
ФГБОУ ВО «Сибирский государственный медицинский университет» Минздрава России
Email: matveeva.mariia@yandex.ru
ORCID iD: 0000-0003-0589-0260
канд. мед. наук, зав. отд-нием томографических методов ФГБОУ ВО СибГМУ
Россия, ТомскИван Владиславович Толмачев
ФГБОУ ВО «Сибирский государственный медицинский университет» Минздрава России
Email: matveeva.mariia@yandex.ru
ORCID iD: 0000-0002-2888-5539
канд. мед. наук, рук. Целевой поисковой лаборатории медико-инженерных технологий Фонда перспективных исследований, доц. каф. медицинской и биологической кибернетики ФГБОУ ВО СибГМУ
Россия, ТомскСписок литературы
- Шарофова М.У., Сагдиева Ш.С., Юсуфи С.Д. Сахарный диабет: современное состояние вопроса (часть 1). Вестник Авиценны. 2019;21(3):502-12 [Sharofova MU, Sagdieva ShS, Jusufi SD. Diabetes mellitus: current status (part 1)]. Avicenna Bulletin. 2019;21(3):502-12 (in Russian)]. doi: 10.25005/2074-0581-2019-21-3-502-512
- McCrimmon RJ, Ryan CM, Frier BM. Diabetes and cognitive dysfunction. Lancet. 2012;379:2291-9. doi: 10.1016/S0140-6736(12)60360-2
- Kodl CT, Seaquist ER. Cognitive dysfunction and diabetes mellitus. Endocr Rev. 2008;29:494-511. doi: 10.1210/er.2007-0034
- Brands AM, Biessels GJ, de Haan EH, et al. The effects of type 1 diabetes on cognitive performance: a meta-analysis. Diab Care. 2005;28:726-35. doi: 10.2337/diacare.28.3.726
- Gaudieri PA. Cognitive function in children with type 1 diabetes: a meta-analysis. Diab Care. 2008;31:1892-7. doi: 10.2337/dc07-2132
- Biessels GJ. Risk of dementia in diabetes mellitus: a systematic review. Lancet Neurol. 2006;5(1):64-74. doi: 10.1016/S1474-4422(05)70284-2
- Van den Berg E, Kloppenborg RP, Kessels RPC, et al. Type 2 diabetes mellitus, hypertension, dyslipidemia and obesity: a systematic comparison of their impact on cognition. Biochim Biophys Acta. 2009;1792(5):470-81. doi: 10.1016/j.bbadis.2008.09.004
- Palta P, Schneider ALC, Biessels GJ, et al. Magnitude of cognitive dysfunction in adults with type 2 diabetes: a meta-analysis of six cognitive domains and the most frequently reported neuropsychological tests within domains. J Intl Neuropsychol Soc. 2014;20:278-91. doi: 10.14412/2074-2711-2017-1-90-95
- Bogush M, Heldt NA, Persidsky Y. Blood Brain Barrier Injury in Diabetes: Unrecognized Effects on Brain and Cognition. J Neuroimmune Pharmacol. 2017;12(4):593-601. doi: 10.1007/s11481-017-9752-7
- Матвеева М.В., Самойлова Ю.Г., Жукова Н.Г., и др. Структурные и функциональные изменения головного мозга при сахарном диабете. Неврология, нейропсихиатрия, психосоматика. 2020;12(3):42-6 [Matveeva MV, Samoilova YuG, Zhukova NG. Neurology, Neuropsychiatry, Psychosomatics. 2020;12(3):42-6 (in Russian)]. doi: 10.14412/2074-2711-2020-3-42-46
- Moheet A, Mangia S, Seaquist ER. Impact of diabetes on cognitive function and brain structure. Ann N Y Acad Sci. 2015;1353:60-71. doi: 10.1111/nyas.12807
- Wardlaw JM, Smith EE, Biessels GJ, et al; STandards for ReportIng Vascular changes on nEuroimaging (STRIVE v1). Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol. 2013;12(8):822-38. doi: 10.1016/S1474-4422(13)70124-8
- Biessels GJ, Reijmer YD. Brain changes underlying cognitive dysfunction in diabetes: what can we learn from MRI? Diabetes. 2014;63(7):2244-52. doi: 10.2337/db14-0348
- Wang W, Wong L, Shi L, et al. Association of impaired fasting glucose and Type 2 Diabetes Mellitus with brain volume changes in Alzheimer's Disease patients analyzed by MRI: a retrospective study. Peer J. 2020;8:e9801. doi: 10.7717/peerj.9801
- Mazaika PK, Weinzimer SA, Mauras N, et al.; Diabetes Research in Children Network (DirecNet). Variations in Brain Volume and Growth in Young Children With Type 1 Diabetes. Diabetes. 2016;65(2):476-85. doi: 10.2337/db15-1242
- Климонтов В.В., Бериков В.Б., Сайк О.В. Искусственный интеллект в диабетологии. Сахарный диабет. 2021;24(2):156-66 [Klimontov VV, Berikov VB, Saik OV. Artificial intelligence in diabetology. Diabetes mellitus. 2021;24(2):156-66 (in Russian)]. doi: 10.14341/DM12665
- Ellahham S. Artificial Intelligence: The Future for Diabetes Care. Am J Med. 2020;133(8):895-900. doi: 10.1016/j.amjmed.2020.03.033
- Сосина В.Б., Захаров В.В., Строков И.А., Вахнина Н.В. Когнитивные нарушения при сахарном диабете. Неврология, нейропсихиатрия, психосоматика. 2017;9(1):90-5 [Sosina VB, Zakharov VV, Strokov IA, Vakhnina NV. Cognitive impairment in diabetes mellitus. Neurology, Neuropsychiatry, Psychosomatics. 2017;9(1):90-5 (in Russian)]. doi: 10.14412/2074-2711-2017-1-90-95
- Arvanitakis Z, Wilson RS, Bienias JL, et al. Diabetes mellitus and risk of Alzheimer disease and decline in cognitive function. Arch Neurol. 2004;61(5):661-6. doi: 10.1001/archneur.61.5.661
- Okereke O, Kang JH, Cook NR, et al. Cognitive decline in two large cohorts of communitydwelling older adults. J Am Geriatr Soc. 2008;56(6):1028-36. doi: 10.1111/j.1532-5415.2008.01686.x
- Zhen J, Lin T, Huang X, et al. Association of ApoE Genetic Polymorphism and Type 2 Diabetes with Cognition in Non-Demented Aging Chinese Adults: A Community Based Cross-Sectional Study. Aging Dis. 2018;9(3):346-57. doi: 10.14336/AD.2017.0715
- Jacobson AM, Paterson AD, Ryan CM, et al.; DCCT/EDIC Research Group. The associations of apolipoprotein E and angiotensin-converting enzyme polymorphisms and cognitive function in Type 1 diabetes based on an 18-year follow-up of the DCCT cohort. Diabet Med. 2010;27(1):15-22. doi: 10.1111/j.1464-5491.2009.02885.x
- Самойлова Ю.Г., Ротканк М.А., Жукова Н.Г., и др. Вариабельность гликемии у пациентов с сахарным диабетом 1-го типа: связь с когнитивной дисфункцией и данными магнитно-резонансных методов исследования. Проблемы эндокринологии. 2018;64(5):286-91 [Samoilova YuG, Rotkank MA, Zhukova NG. Variability of glycemia in patients with type 1 diabetes mellitus: the relationship with cognitive dysfunction and the results of magnetic resonance imaging. Problems of Endocrinology. 2018;64(5):286-91 (in Russian)].
- Самойлова Ю.Г., Ротканк М.А., Жукова Н.Г., и др. Маркеры когнитивных нарушений и вариабельность гликемии у пациентов с сахарным диабетом 1-го типа. Журнал неврологии и психиатрии им. С.С. Корсакова. 2018;118(4):48-51 [Samoilova Y.G., Rotkank M.A., Zhukova N.G., et al. Markers of cognitive impairment and glycemic variability in patients with type 1 diabetes mellitus. Journal of Neurology and Psychiatry named after S.S. Korsakov. 2018;118(4):48-51 (in Russian)].
- Rigla M, García-Sáez G, Pons B, Hernando ME. Artificial Intelligence Methodologies and Their Application to Diabetes. J Diabetes Sci Technol. 2018;12(2):303-10. doi: 10.1177/1932296817710475
- Toth C. Diabetes and neurodegeneration in the brain. Handb Clin Neurol. 2014;126:489-511. doi: 10.1016/B978-0-444-53480-4.00035-7
- Mayeda ER, Whitmer RA, Yaffe K. Diabetes and cognition. Clin Geriatr Med. 2015;31(1):101-ix. doi: 10.1016/j.cger.2014.08.021
- Filip P, Canna A, Moheet A, et al. Structural Alterations in Deep Brain Structures in Type 1 Diabetes. Diabetes. 2020;69(11):2458-66. doi: 10.2337/db19-1100