54.583 Gehirnnetzwerke analysiert: Neue Methode zur Früherkennung von Hirnerkrankungen

Die Metrik fr das Wachstum der weien Substanz: hnlich wie herkmmliche pdiatrische Wachstumsdiagramme Hhe- und Gewichtsmilesteine eines Kindes verfolgen, bietet dieses Rahmenwerk einen normativen Referenzstandard fr die Mikrostruktur der weien Substanz im Gehirn.

Es zeigt genau auf, wie das ausgedehnte Netzwerk der neuronalen Verdrahtung im Laufe der Zeit reift und abbaut, und stellt damit eine neue Methode zur Erkennung subtiler struktureller Anomalien bereit.

Diffusions-MRT-Linse: Um dieses mikroskopische Terrain global zu kartieren, setzte das Team die Diffusions-MRT ein, eine spezialisierte Bildgebungstechnik, die die mikroskopische Bewegung überwacht.

Da diese Flüssigkeitsbewegung physikalisch durch Nervenfasern

Da diese Flüssigkeitsbewegung physikalisch durch Nervenfasern und die Dichte ihrer schützenden Myelinhülle gelenkt wird, erfassen die Aufnahmen strukturelle Verschiebungen, die in herkömmlichen klinischen Hirnscans vollständig unsichtbar bleiben.

Validierung des Axioms „Last In, First Out": Die globalen Datensätze lieferten einen massiven strukturellen Erkenntnisgewinn und bestätigten eine lang etablierte Theorie des Hirnalterungsprozesses, bekannt als „Last In, First Out".

Das Team beobachtete, dass die spezifischen weißen Bahnen, die im Kindes- und Jugendalter am längsten zur vollständigen Reifung benötigen, genau dieselben neuronalen Autobahnen sind, die im Alter des Gehirns den schnellsten strukturellen Abbau aufweisen.

Technik und Auswirkungen

Person-spezifische diagnostische Abweichungen: Um die praktische klinische Anwendbarkeit der Diagramme zu testen, übertrug das Team sein normatives Modell auf Datensätze Beeinträchtigung, Demenz und dem 22q11.2-Deletionssyndrom (ein genetisches Merkmal, das ein hohes Schizophrenierisiko anzeigt).

In jedem einzelnen Fall markierte das Modell explizite strukturelle Abweichungen, dass diese Abweichungen bei Personen mit derselben Diagnose nicht identisch waren, was die Notwendigkeit eines individualisierten Ansatzes für die Hirngesundheit unterstreicht. Klinische Studien-Dashboard: Unter der Leitung des leitenden Autors Dr. Paul M.

Thompson und des ersten Autors Dr. Julio E. Villalón-Reina ermöglichen die Diagramme Forschenden, die neuronalen Verbindungen einer einzelnen Person im Vergleich zu anderen Personen desselben Alters, Geschlechts und demografischen Kohorten zu bewerten.

Was die Studie zeigt

Dieses Verfahren liefert einen Referenzstandard zur Bewertung, ob eine therapeutische Intervention die weißen Substanz-Metriken eines Patienten erfolgreich wieder in den gesunden Bereich zurückführt oder den fortschreitenden Abbau im Laufe der Zeit verlangsamt.

Common Framework für über 30 Erkrankungen: Gefördert durch die National Institutes of Health (NIH) und internationale Partner wird das öffentlich zugängliche Referenzwerkzeug derzeit ausgebaut, um unter einem einzigen, einheitlichen analytischen Rahmen mehr als 30 separate neurologische, psychiatrische und neuroentwicklungsbedingte Erkrankungen rigoros zu vergleichen.

Quelle: USC Forscher am USC Mark and Mary Stevens Neuroimaging and Informatics Institute (Stevens INI) an der Keck School of Medicine of USC haben eines der größten Referenzmodelle für das menschliche Gehirn entwickelt, das je erstellt wurde.

Was die Studie zeigt

Dazu wurden Diffusions-MRT-Aufnahmen von über 54.000 Personen verwendet, um darzustellen, wie die Kommunikationswege des Gehirns sich im Laufe des Lebens entwickeln, ausreifen und abbauen.

In der Zeitschrift Nature Communications verffentlichte Studie stellt eine Art Wachstumsdiagramm" fr die weie Substanz des Gehirns dar  das ausgedehnte Netzwerk der neuronalen Verkabelung, das es Gehirnregionen ermglicht, miteinander zu kommunizieren.

Das neue Werkzeug bietet Forschenden einen neuen Ansatz, um subtile Muster zu erkennen, die mit dem Altern, der Alzheimer-Krankheit, dem Risiko fr Schizophrenie sowie anderen neurologischen und psychiatrischen Erkrankungen in Verbindung stehen. Genau wie pdiatrische Wachstumsdiagramme rztinnen und rzten helfen zu beurteilen, ob die Krpergre oder das Gewicht eines Kindes sich wie erwartet entwickelt, liefern diese Gehirndiagramme einen Referenzrahmen dafr, wie sich die neuronalen Bahnen des Gehirns im Laufe des Lebens typischerweise verndern", sagte Julio E.

Was die Studie zeigt

Villaln-Reina, MD, PhD, Postdoktorandin am Stevens INI und erste Autorin der Studie. Damit verfgen wir ber ein leistungsfhiges neues Mittel, um festzustellen, wann die neuronale Verkabelung eines Individuums auerhalb des erwarteten Bereichs liegt." Die weie Substanz ist fr eine effiziente Kommunikation im gesamten Gehirn unverzichtbar.

Um dies zu untersuchen, nutzte das Team die Diffusions-MRT, ein bildgebendes Verfahren, das die Bewegung verfolgt.

Da die Wasserbewegung durch mikroskopische Strukturen wie Nervenfasern und Myelin, die schützende Hülle um diese, beeinflusst wird, kann die Diffusions-MRT subtile Veränderungen der Gewebeorganisation aufzeigen, die in herkömmlichen Hirnscans nicht sichtbar sind.

Was die Studie zeigt

Nach der Zusammenstellung 54.583 Personen aus 19 internationalen Datensätzen erstellten die Forscher statistische „Wachstums- und Abfallskurven" für die neuralen Bahnen des Gehirns, also das Netzwerk aus Nervenfasern, das verschiedene Hirnregionen verbindet und deren Kommunikation ermöglicht.

Die Forscher konzentrierten sich dabei auf vier weit verbreitete Maße der weißen Substanz-Mikrostruktur in 21 wichtigen Hirnregionen. Durch die Modellierung der alters- und geschlechtsbedingten Variationen dieser Maße generierten sie Lebensspannenkurven und Prozentilbereiche, die zeigen, was in verschiedenen Lebensphasen als typisch gilt.

Die Ergebnisse zeigen, dass das weiße Gehirnsubstanz unterschiedliche Entwicklungs- und Alterungsverläufe aufweist: Einige Parameter erreichen ihre Reife bereits im frühen Erwachsenenalter, andere erst später im mittleren Lebensalter. „Die Gehirnentwicklung und das Gehirnalterung sind keine einheitlichen Prozesse", sagte Villalón-Reina. „Die neuronalen Bahnen des Gehirns reifen nach unterschiedlichen Zeitplänen, und einige sind anfälliger für Abbau als andere.

Technik und Auswirkungen

Unser Modell macht diese Struktur sichtbar, indem es Daten in wahrhaft globalem Maßstab zusammenführt." Das Team fand zudem Belege für eine langjährige Theorie des Gehirnalterungsprozesses, die manchmal als „last in, first out" bezeichnet wird.

Nach dieser Theorie sind Gehirnbahnen, die sich erst im Kindes- und Jugendalter entwickeln, im höheren Alter anfälliger für Abbau. Die Forscher stellten fest, dass weiße Substanzregionen, die später reifen, im Alter tatsächlich schneller abnehmen – ein neuer Einblick, der Gehirnentwicklung und Alterung miteinander verknüpft.

Um den praktischen Nutzen des Modells zu demonstrieren, haben die Forscher es auf klinische Datensätze Beeinträchtigung, Demenz und dem 22q11.2-Deletionssyndrom angewendet, einer genetischen Störung, die das Schizophrenierisiko erhöht.

Technik und Auswirkungen

In jedem Fall identifizierte das Modell Veränderungen in der neuronalen Vernetzung des Gehirns, die ist, dass diese Abweichungen bei Personen mit derselben Diagnose nicht identisch waren, was den Wert eines personenspezifischen Ansatzes unterstreicht. „Diese monumentale Studie benötigte sieben Jahre zur Fertigstellung", sagte Paul M.

Thompson, PhD, stellvertretender Direktor des Stevens INI und leitender Autor der Studie. „Die enorme Datenmenge und die feine Auflösung der untersuchten Gehirnmerkmale ermöglichen es uns nun, Ihre neuronalen Bahnen im Vergleich zu anderen Personen Ihres Alters, Geschlechts und Ihrer demografischen Merkmale zu bewerten." Wir können nun erkennen, wie sich Ihr Gehirn, was für eine Person Ihres Alters und Geschlechts erwartet wird, was uns ein Werkzeug für klinische Studien zu Therapien für Dutzende Anwendung auf Menschen mit Demenz und leichter kognitiver Beeinträchtigung erkannte das Modell atypische Muster der weißen Substanz in Gehirnregionen, die für das Gedächtnis und die zwischenregionale Kommunikation zuständig sind.

Bei Personen mit dem 22q11.2-Deletionssyndrom identifizierte es Abweichungen in mehreren zentralen neuronalen Bahnen und half Forschern dabei, zu erkennen, welche Gehirnsysteme sich anders entwickeln.

Was die Studie zeigt

Die Referenzkarten können zudem Forschern bei der Bewertung ützen, indem sie verfolgen, ob sich die Messwerte der weißen Substanz einer Person dem erwarteten Bereich nähern oder ob eine Behandlung im Laufe der Zeit eine Abweichung Karten werden nun eingesetzt, um mehr als 30 Gehirnerkrankungen und -zustände zu vergleichen und bieten einen gemeinsamen Rahmen, um zu untersuchen, wie verschiedene Störungen entstehen, fortschreiten und auf Interventionen reagieren.

Die Modelle stellen zudem eine öffentlich zugängliche Ressource dar, die sich erweitern lässt, sobald weitere Daten der Gehirn-Bildgebung verfügbar werden.

Die Methoden werden derzeit eingesetzt, um neurologische, psychiatrische und neuroentwicklungsbedingte Störungen zu erforschen, indem sie einen gemeinsamen Referenzstandard für die Mikrostruktur der weißen Substanz über den gesamten Lebensspanne hinweg bereitstellen. „Diese Studie demonstriert die Kraft groß angelegter, internationaler Datenteilung zur Entwicklung, die die gesamte Forschungscommunity nutzen kann", so Arthur W.

Technik und Auswirkungen

Toga, PhD, Direktor des Stevens INI und Provost Professor an der USC. „Indem ein lebensspannenübergreifendes Rahmenwerk für die Kommunikationswege des Gehirns etabliert wird, eröffnen diese Arbeiten neue Möglichkeiten, subtile krankheitsbedingte Veränderungen zu erkennen, Zustände strenger zu vergleichen und zu einem individuelleren Verständnis der Gehirn-Gesundheit voranzuschreiten." Die Studie „Lifespan normative modeling of brain microstructure" wurde in Nature Communications veröffentlicht.

Neben Villalón-Reina und Thompson gehören auch Alyssa H. zu den Autorinnen und Autoren der Studie. Autoren: Zhu, Leila Nabulsi, Sophia I. Thomopoulos, Clara A. Moreau, Yixue Feng, Tamoghna Chattopadhyay, Sebastian Benavidez, Leila Kushan, John P. John, Himanshu Joshi, Iyad Ba Gari, Katherine E. Lawrence, Talia M. Nir, Neda Jahanshad, Carrie E.

Bearden, Seyed Mostafa Kia, Andre F. Marquand und das Alzheimer's Disease Neuroimaging Initiative.

Technik und Auswirkungen

Finanzierung: Diese Arbeit wurde durch Zuschsse der National Institutes of Health untersttzt, darunter das National Institute on Aging, das Fogarty International Center und das National Institute of Mental Health, sowie durch Untersttzung der Alzheimer's Association, des European Research Council, des Wellcome Trust und des Popovich Chair in Neurodegenerative Diseases.

Beantwortete Schlsselfragen: A: Indem rzten ein definierter prozentualer Referenzbereich zur Verfgung gestellt wird, um zu beurteilen, ob die Gehirnstruktur einer Person ihrem chronologischen Alter entspricht. Genau wie Kinderärzte Diagramme verwenden, um zu prüfen, ob die Körpergröße eines Babys im 50. oder 90.

Perzentil liegt, ermöglicht dieses Modell der University of Southern California (USC) Neurowissenschaftlern, vier Schlüsselmetriken der weißen Substanz in 21 Hauptregionen des Gehirns zu analysieren. Es zeigt eine erwartete Referenzlinie auf und macht sofort sichtbar, ob die neuronale Vernetzung eines Individuums altersgemäß verläuft oder.

Technik und Auswirkungen

A: Damit ist gemeint, dass die letzten Bereiche unseres Gehirns, die ausreifen, auch die ersten sind, die zusammenbrechen. Die Studie bestätigte, dass die komplexen neuronalen Bahnen, die im Kindes- und Jugendalter zuletzt ihre Entwicklung abschließen, biologisch die anfälligsten Systeme darstellen.

Mit dem Eintritt ins hohe Alter erfahren diese spät reifenden weißen Substanzbahnen den schnellsten strukturellen Abbau und verbinden so die Zeiträume. A: Denn neurologische Erkrankungen erzeugen bei verschiedenen menschlichen Körpern keine identischen strukturellen Kopien.

Wenn die Forschenden ihr Modell auf klinische Datensätze anwendeten, stellten sie fest, dass selbst bei Personen mit derselben Erkrankung – etwa einem Risiko für Demenz oder Schizophrenie – die individuellen Abweichungen ihrer weißen Substanz.

Technischer Hintergrund

Dies beweist, dass die Gesundheit des Gehirns einen personalisierten, individuellen Rahmen erfordert, um präzise Therapien zu gewährleisten. Redaktionelle Hinweise: Dieser Artikel wurde News bearbeitet. Zusätzliche Kontextinformationen wurden ügt.

Über diese Neuigkeiten zur Forschung im Bereich Neurowissenschaften und Gehirnkartierung Autorin: Laura LeBlanc Quelle: USC Kontakt: Laura LeBlanc – USC Bild: Das Bild ist Neuroscience News zuzuordnen. Ursprüngliche Forschung: Open Access. „Lifespan normative modeling of brain microstructure" ón-Reina, Alyssa H. Zhu, Leila Nabulsi, Sophia I.

Thomopoulos, Clara A. Moreau, Yixue Feng, Tamoghna Chattopadhyay, Sebastian M. Benavidez, Leila Kushan, John P. John, Himanshu Joshi, Iyad Ba Gari, Katherine E. Lawrence, Talia M. Nir, Neda Jahanshad, Carrie E. Bearden, Seyed Mostafa Kia, Andre F. Marquand, die Alzheimer's Disease Neuroimaging Initiative & Paul M. Thompson.

Technik und Auswirkungen

Nature Communications DOI:10.1038/s41467-026-72875-x Normatives Modellierung der Gehirn-Mikrostruktur über die gesamte Lebensspanne Normative Modelle, die auf großen Populationen basieren, könnten, um Gehirnabnormalitäten bei Patienten mit einer Vielzahl örungen zu erkennen, einschließlich degenerativer, psychiatrischer und neuroentwicklungsbedingter Erkrankungen.

Bisher existieren jedoch keine solchen Modelle für die Mikrostruktur der weißen Substanz (WM) des Gehirns.

Hier stellen wir ein groß angelegtes normatives Modell der Gehirn-Weißsubstanz-Mikrostruktur vor – basierend auf 19 internationalen Diffusions-MRT-Datensätzen, die fast die gesamte Lebensspanne abdecken (insgesamt N = 54.583 Personen; Alter: 4–91 Jahre).

Technik und Auswirkungen

Wir extrahierten regionale Diffusions-Tensor-Bildgebung (DTI)-Metriken unter Verwendung eines standardisierten Analyse- und Qualitätskontrollprotokolls und modellierten mit Hilfe einer hierarchischen Bayes-Regression (HBR) die statistische Verteilung der daraus abgeleiteten Weißstoff-Metriken als Funktion.

Für jede Weißstoffregion wurden die durchschnittlichen Lebensspannen-Verläufe sowie die entsprechenden Perzentilkurven extrahiert.

Wir veranschaulichen den Nutzen des Verfahrens durch seine Anwendung zur Erkennung und Visualisierung Weißstoffs in verschiedenen Kontexten: bei leichter kognitiver Beeinträchtigung, Alzheimer-Krankheit und dem 22q11.2-Deletionssyndrom – einer neurogenetischen Störung, die das Risiko für Schizophrenie deutlich erhöht.

Technik und Auswirkungen

Das resultierende groß angelegte Modell bietet einen gemeinsamen Referenzrahmen, um Krankheitswirkungen auf die Mikrostruktur des Gehirns bei Einzelpersonen oder Gruppen zu identifizieren, Störungen zu vergleichen und Faktoren zu entdecken, die Weißstoffanomalien beeinflussen.

Die abgeleiteten normativen Modelle stellen einen wertvollen, öffentlich zugänglichen Ressourcen für die Gemeinschaft dar und lassen sich an zukünftige Datensätze anpassen sowie erweitern, sobald weitere Daten verfügbar werden.