Nueron：新核磁共振技术或能预测痴呆进程

在一篇发表于期刊Neuron上的论文中，旧金山退伍军人医疗中心（SFVCMC）和加利福尼亚大学的研究人员指出，一项分析脑图像的新技术可提供预测许多退行性大脑疾病进展程度和生理途径的可能性。这项新技术就是通过使用核磁共振成像（MIR）技术。该技术提供了表明痴呆以与感染性蛋白质疾病（prion diseases）相同的方式沿特定神经元通路蔓延至大脑的证据。

科学家们应用新的计算机模建技术真实地预测了阿尔茨海默病和额颞叶痴呆（FTD）的生理进展程度。此模型以全脑成像为基础，即绘制连接大脑不同区域的神经通路或"通信电线"的核磁共振成像技术。在18个阿尔茨海默病患者和FTD患者中，沿这些途径的疾病传播，正如模型预测的那样，与大脑退化的实际核磁共振图像几乎完全吻合。相关研究结果发表在期刊。

尽管此研究结果还需要重复验证，但是通过这种方法可预测阿尔茨海默病、FTD和其他退化性脑疾病未来脑萎缩的位置和过程，只根据疾病一开始时所做的核磁共振成像。在计划治疗和帮助患者及其家属了解老年痴呆症进展是非常有用的。

而且，该结果与一个新兴观念是一致的，此新兴观念认为，脑损伤出现在这些弥散的感染性蛋白质样传播的神经退行性疾病中。

感染性蛋白质是正常蛋白质的一种有传染性的、错误折叠形式。这些蛋白质在它们发生的大脑中留下破坏性的淀粉样沉着物，引起退化，最后至死亡。它们负责人克雅氏（Creutzfeldt-Jakob disease）和牛海绵状脑病（俗称疯牛病，bovine spongiform encephalopathy）。1997年，旧金山加利福尼亚大学（UCSF）神经学家Stanley B. Prusiner因感染性蛋白质的发现和特征化而获诺贝尔医学奖。他的发现推翻了现代生物学的一个信条，表明蛋白质能导致感染。

现在，越来越多科学家开始支持一种观点，即痴呆进展的感染性蛋白质样模型观点，它是指一个神经元中的错误折叠蛋白质会传染邻近脑细胞，依次地引起邻近脑细胞中蛋白质错误折叠，这些错误折叠蛋白质沿着大脑中某一网状系统蔓延传播。例如，在阿尔茨海默病中，淀粉状蛋白质沿着记忆网状系统蔓延传播。该论文对此新兴观点进行了补充说明。（生物谷bioon.com）

doi:10.1016/j.neuron.2011.12.040
PMC:
PMID:

A Network Diffusion Model of Disease Progression in Dementia

Ashish Raj, Amy Kuceyeski, Michael Weiner

Patterns of dementia are known to fall into dissociated but dispersed brain networks, suggesting that the disease is transmitted along neuronal pathways rather than by proximity. This view is supported by neuropathological evidence for "prion-like" transsynaptic transmission of disease agents like misfolded tau and beta amyloid. We mathematically model this transmission by a diffusive mechanism mediated by the brain's connectivity network obtained from tractography of 14 healthy-brain MRIs. Subsequent graph theoretic analysis provides a fully quantitative, testable, predictive model of dementia. Specifically, we predict spatially distinct "persistent modes," which, we found, recapitulate known patterns of dementia and match recent reports of selectively vulnerable dissociated brain networks. Model predictions also closely match T1-weighted MRI volumetrics of 18 Alzheimer's and 18 frontotemporal dementia subjects. Prevalence rates predicted by the model strongly agree with published data. This work has many important implications, including dimensionality reduction, differential diagnosis, and especially prediction of future atrophy using baseline MRI morphometrics.