Ранняя диагностика болезни Альцгеймера: возможности ПЭТ с 18F-ФДГ как биомаркера нейродегенерации

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. Деменция — это одна из самых важных и актуальных медицинских проблем современности, поскольку очень часто является причиной инвалидизации лиц пожилого возраста, а ее распространенность в ближайшие годы будет только увеличиваться. Первое место среди состояний, приводящих к деменции, занимает болезнь Альцгеймера (до 70 % всех деменций). Эффективность ее терапии во многом зависит от своевременности постановки диагноза, что приводит к необходимости поиска диагностических маркеров, позволяющих выявлять заболевание на максимально ранних стадиях.

Цель исследования: оценить возможности применения позитронно-эмиссионной томографии с 18F-ФДГ в диагностике заболеваний, сопровождающихся развитием расстройств высших корковых функций, и целесообразность использования метода в целях ранней диагностики болезни Альцгеймера.

Материалы и методы. Проведено комплексное обследование 183 пациентов с разной нозологией и степенью тяжести когнитивного дефицита. Метаболизм разных отделов головного мозга изучался посредством позитронно-эмиссионной томографии с 18F-ФДГ, совмещенной с компьютерной томографией.

Результаты. Установлено, что у пациентов с болезнью Альцгеймера имеется характерный паттерн нарушения церебрального метаболизма, выявляемый уже на додементных стадиях, который имеет определенные закономерности развития по мере прогрессирования заболевания. Данный паттерн характеризуется билатеральным гипометаболизмом в области теменной и височной коры с преобладанием в медиобазальных ее отделах. Важным маркером развития нейродегенеративного процесса является нарушение метаболизма поясной извилины, задние отделы которой страдают уже на самых ранних стадиях заболевания, тогда как вовлечение передних ее отделов отражает переход на уровень более тяжелого когнитивного дефицита. Кроме того, в динамике развития заболевания дополнительно регистрируется вторичный гипометаболизм в затылочной коре, поясной извилине (все отделы) и лобной коре. Отмечена тенденция к преобладанию описанных метаболических нарушений в доминантном (левом) полушарии головного мозга на всех стадиях заболевания.

Заключение. Выявление определенного паттерна гипометаболизма с помощью позитронно-эмиссионной томографии с 18F-ФДГ, совмещенной с компьютерной томографией, дает возможность осуществлять раннюю дифференциальную диагностику болезни Альцгеймера с достаточно высокой точностью, при этом позитронно-эмиссионная томография с 18F-ФДГ является наиболее информативной из доступных для практического использования методик, отражающих начальный этап нейродегенеративных изменений.

Об авторах

Андрей Юрьевич Емелин

Военно-медицинская академия

Автор, ответственный за переписку.
Email: emelinand@rambler.ru
ORCID iD: 0000-0002-4723-802X
SPIN-код: 9650-1368
Scopus Author ID: 35773115100
ResearcherId: 1-8241-2016

докт. мед. наук, профессор

Россия, Санкт-Петербург

Игорь Вячеславович Литвиненко

Военно-медицинская академия

Email: litvinenkoiv@rambler.ru
ORCID iD: 0000-0001-8988-3011
SPIN-код: 6112-2792
Scopus Author ID: 35734354000
ResearcherId: F-9120-2013

докт. мед. наук, профессор

Россия, Санкт-Петербург

Владимир Юрьевич Лобзин

Военно-медицинская академия; Санкт-Петербургский государственный университет

Email: vladimirlobzin@mail.ru
ORCID iD: 0000-0003-3109-8795
SPIN-код: 7779-3569
Scopus Author ID: 57203881632
ResearcherId: I-4819-2016

докт. мед. наук, профессор

Россия, Санкт-Петербург; Санкт-Петербург

Иван Александрович Лупанов

Военно-медицинская академия

Email: lupanov.ia@mail.ru
ORCID iD: 0009-0008-7918-9227
SPIN-код: 2986-6679
ResearcherId: НОА-9697-2023

канд. мед. наук

Россия, Санкт-Петербург

Кристина Андреевна Колмакова

Военно-медицинская академия

Email: kris_kolmakova@mail.ru
ORCID iD: 0000-0001-8657-1901
SPIN-код: 3058-8088
ResearcherId: I-8241-2016

канд. мед. наук

Россия, Санкт-Петербург

Павел Сергеевич Дынин

Военно-медицинская академия

Email: pavdynin@yandex.ru
ORCID iD: 0000-0001-5006-8394
SPIN-код: 8323-3951
Scopus Author ID: 57194607735
ResearcherId: I-3470-2016

канд. мед. наук

Россия, Санкт-Петербург

Игорь Валерьевич Бойков

Военно-медицинская академия

Email: qwertycooolt@mail.ru
ORCID iD: 0000-0001-9594-9822
SPIN-код: 1453-8437
ResearcherId: М-8449-2016

докт. мед. наук, профессор

Россия, Санкт-Петербург

Список литературы

  1. Knopman D.S., Amieva H., Petersen R.C., et al. Alzheimer disease // Nat. Rev. Dis. Primers. 2021. Vol. 7, N 1. P. 33. doi: 10.1038/s41572-021-00269-y
  2. Alzheimer’s Disease facts and figures // Alzheimers Dement. 2021. Vol. 17, N 3. P. 327–406. doi: 10.1002/alz.12328
  3. Емелин А.Ю., Лобзин В.Ю., Воробьев С.В. Когнитивные нарушения: руководство для врачей. М., 2019. 414 с. ISBN 978-5-00030-673-4
  4. McKhann G., Drachman D., Folstein M., et al. Clinical diagnosis of Alzheimer’s disease: report of the NINCDS-ADRDA work group under the auspices of Department of Health and Human Services Task Force on Alzheimer’s disease // Neurology. 1984. Vol. 34, N 7. P. 939–944. doi: 10.1212/wnl.34.7.939
  5. Albert M.S., DeKosky S.T., Dickson D., et al. The diagnosis of mild cognitive impairment due to Alzheimer’s disease: Recommendations from the National Institute on Aging-Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease // Alzheimers Dement. 2011. Vol. 7, N 3. P. 270–279. doi: 10.1016/j.jalz.2011.03.008
  6. Jack C.R. Jr., Bennett D.A., Blennow K., et al. NIA-AA research framework: toward a biological definition of Alzheimer’s disease // Alzheimers Dement. 2018. Vol. 14, N 4. P. 535–562. doi: 10.1016/j.jalz.2018.02.018
  7. Dubois B., Villain N., Frisoni G.B., et al. Clinical diagnosis of Alzheimer’s disease: recommendations of the International Working Group // Lancet Neurol. 2021. Vol. 20, N 6. P. 484–496. doi: 10.1016/S1474-4422(21)00066-1
  8. Langa K.M., Levine D.A. The diagnosis and management of mild cognitive impairment // JAMA. 2014. Vol. 312, 23. P. 2551–2561. doi: 10.1001/jama.2014.13806
  9. Ritchie L.J., Tuokko H. Patterns of cognitive decline, conversion rates, and predictive validity for 3 models of MCI // Am. J. Alzheimer’s Dis. Other Dementiasr. 2010. Vol. 25, N 7. P. 592–603. doi: 10.1177/1533317510382286
  10. Blennow K., Shaw L.M., Stomrud E., et al. Predicting clinical decline and conversion to Alzheimer’s disease or dementia using novel Elecsys Aβ(1–42), pTau and tTau CSF immunoassays // Sci. Rep. 2019. Vol. 9, N 1. P. 19024. doi: 10.1038/s41598-019-54204-z
  11. Xiong X., He H., Ye Q., et al. Alzheimer’s disease diagnostic accuracy by fluid and neuroimaging ATN framework // CNS Neurosci. Ther. 2024; Vol. 30, N 2. P. e14357. doi: 10.1111/cns.14357
  12. Caminiti S.P., Ballarini T., Sala A., et al. FDG-PET and CSF biomarker accuracy in prediction of conversion to different dementias in a large multicentre MCI cohort // Neuroimage Clin. 2018. Vol. 18. P. 167–177. doi: 10.1016/j.nicl.2018.01.019
  13. Levin F., Ferreira D., Lange C., et al. Data-driven FDG-PET subtypes of Alzheimer’s disease-related neurodegeneration // Alzheimers Res. Ther. 2021. Vol. 13, N 1. P. 49. doi: 10.1186/s13195-021-00785-9
  14. Лобзин В.Ю. Комплексная ранняя диагностика нарушений когнитивных функций // Журнал неврологии и психиатрии им. C.C. Корсакова. 2015. Т. 115, № 11. С. 72–79. EDN: VHCXGP doi: 10.17116/jnevro201511511172-79
  15. Емелин А.Ю., Одинак М.М., Лобзин В.Ю., и др. Современные возможности нейровизуализации в дифференциальной диагностике когнитивных нарушений // Неврология, нейропсихиатрия, психосоматика. 2012. № S2. С. 51–55. EDN: PHCXDZ doi: 10.14412/2074-2711-2012-2509
  16. Лупанов И.А. Применение позитронной эмиссионной томографии в ранней диагностике болезни Альцгеймера и сосудистых когнитивных нарушений // Вестник Российской военно-медицинской академии. 2014. № 1 (45). С. 40–45. EDN: RYCBQJ
  17. Petersen R., Touchon J. Consensus on mild cognitive impairment: EADS–ADCS // Research and Practice in Alzheimer’s Disease. 2005. Vol. 10. P. 38–46.
  18. Roman G.C., Tatemichi T.K., Erkinjuntti T., et al. Vascular dementia: diagnostic criteria for research studies. Report of the NINDS–AIREN International workshop // Neurology. 1993. Vol. 43, N 2. P. 250–260. doi: 10.1212/wnl.43.2.250
  19. Станжевский А.А., Тютин Л.А., Костеников Н.А. Возможности позитронно-эмиссионной томографии в комплексной и дифференциальной диагностике различных нозологических форм деменции // Лучевая диагностика и терапия. 2011. № 1 (2). С. 55–63. EDN: NUUOAR
  20. Silverman D.H.S. Brain 18F-FDG PET in the Diagnosis of neurodegenerative dementias: Comparison with perfusion SPECT and with clinical evaluations lacking nuclear imaging // J. Nucl. Med. 2004. Vol. 45, N 4. P. 594–607. PMID: 15073255
  21. Kerrouche N., Herholz K., Mielke R., et al. 18FDG PET in vascular dementia: differentiation from Alzheimer’s disease using voxel-based multivariate analysis // J. Cereb. Blood Flow Metab. 2006. Vol. 26, N 9. P. 1213–1221. doi: 10.1038/sj.jcbfm.9600296
  22. Kaneta T., Okamura N., Arai A., et al. Analysis of early phase [11C] BF-227 PET, and its application for anatomical standardization of late-phase images for 3D-SSP analysis // Japanese J. Radiol. 2014. Vol. 32, N 3. P. 1–7. doi: 10.1007/s11604-013-0276-7
  23. Schöll M., Almkvist O., Axelman K., et al. Glucose metabolism and PIB binding in carriers of His163Tyr presenilin 1 mutation // Neurobiol. Aging. 2011. Vol. 32, N 8. P. 1388–1399. doi: 10.1016/j.neurobiolaging.2009.08.016
  24. Mosconi L., De Santi S., Brys M., et al. Hypometabolism and altered cerebrospinal fluid markers in normal apolipoprotein E E4 carriers with subjective memory complaints // Biol. Psychiatry. 2008. Vol. 63, N 6. P. 609–618. doi: 10.1016/j.biopsych.2007.05.030
  25. Mosconi L., Brys M., Switalski R., et al. Maternal family history of Alzheimer’s disease predisposes to reduced brain glucose metabolism // Proc. Natl. Acad. Sci. USA. 2007. Vol. 104, N 48. P. 19067–19072. doi: 10.1073/pnas.0705036104
  26. Gordon B.A., Blazey T.M., Su Y., et al. Spatial patterns of neuroimaging biomarker change in individuals from families with autosomal dominant Alzheimer’s disease: A longitudinal study // Lancet Neurol. 2018. Vol. 17, N 3. P. 241–250. doi: 10.1016/S1474-4422(18)30028-0

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. БА, легкая деменция: нарушение накопления 18F-ФДГ в проекции теменных, височных долей, гиппокампов, заднего отдела поясной извилины

Скачать (203KB)
3. Рис. 2. БА, тяжелая деменция: выраженное нарушение метаболизма в теменных, височных долях, гиппокампах с обеих сторон, переднем и заднем отделах поясной извилины

Скачать (164KB)

© Эко-Вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».