Quantitative MRI Biomarkers of Neurodegeneration in Multiple Sclerosis
Tid: Fr 2022-03-25 kl 09.00
Plats: Rappesalen, Alfred Nobels Allé 10, Huddinge
Språk: Engelska
Ämnesområde: Medicinsk teknologi
Respondent: Michael Platten , Medicinsk avbildning, Karolinska Institutet, Smedby / Granberg
Opponent: Dr. Mattias Vågberg, Umeå University
Handledare: Docent Tobias Granberg, Karolinska Institutet; Docent Chunliang Wang, Medicinsk avbildning; Professor Fredrik Piehl, Karolinska Institutet; Dr. Sara Shams, Stanford University
Two Ph.D. titles are award: Medical Technology and Medical Sciences. Through the joint degree program between KI and KTH
QC 2022-02-22
Abstract
Bakgrund: Multipel skleros (MS) är en kronisk inflammatorisk och neurodegenerativ sjukdom som drabbar hjärnan och ryggmärgen. Corpus callosum är en anatomisk struktur som förbinder de två hjärnhalvorna. Storleksminskning, så kallad atrofi, av corpus callosum är en etablerad skademarkör vid MS eftersom corpus callosum innehåller stor mängd myelin; det isoleringsskikt kring nervtrådarna som skadas vid MS. Atrofi är kopplat till sämre sjukdomsprognos vid MS och det är därför viktigt att ha robusta och exakta verktyg för att mäta detta.
Syfte: Huvudsyftet med denna doktorsavhandling var att utvärdera och utveckla kvantitativa metoder för att mäta atrofi i corpus callosum vid MS. Detta uppnåddes genom jämförelse av manuella metoder, tidigare utvecklade automatiska metoder samt egen utveckling av nya mätmetoder baserade på artificiell intelligens.
Studie I: 9 MS-patienter undersöktes upprepade gånger, utan och med omplacering, i tre olika magnetkameror (MR) för att jämföra precision och riktighet i manuella kontra volymetriska FreeSurfer-analyser. Medan FreeSurfer resulterade i hög precision, finns det begränsningar i dess riktighet, varför vi manar till försiktighet vid användning.
Studie II: 553 MS-patienter med 704 T2-viktade MR-undersökningar undersöktes för att utveckla, träna, och validera en maskininlärningsalgoritm för att mäta tvärsnittsarean av corpus callosum och intrakraniella ytan. Algoritmen producerade snabba och exakta segmenteringar av corpus callosum (Dice-koefficient: 89%) och intrakraniella ytan (Dice-koefficient: 98%). Algoritmen visade numeriskt högre korrelationer till klinisk neurologisk funktionsnedsättning jämfört med FreeSurfer.
Studie III: Analogt med Studie II, skannades 631 MS-patienter med 3D T1-viktade och T2-viktade FLAIR bilder från tre olika MR-kameror som användes för att utveckla, träna och validera en maskininlärningsalgoritm för att segmentera corpus callosum och intrakraniella ytan. Algoritmen fungerade bättre på T1-viktade bilder och bland patienter med mindre atrofi. Algoritmen hade kliniska korrelationer i paritet med FreeSurfer.
Studie IV: 92 MS-patienter skannades med både 3 och 7 Tesla MR-kameror för att utvärdera sambandet mellan hjärnlobernas lesionsbörda med neurodegeneration. Studien fann att lesionsbördan var högst i frontal- och parietalloberna. De bakre delarna av corpus callosum, som har fler lobspecifika nervbanor, hade bättre regressionsmodeller jämfört med de främre delarna.
Slutsatser: Corpus callosum är en robust markör för neurodegeneration vid MS. Därför är utvärdering och skapande av nya verktyg för att mäta dess utveckling över tid värdefull. Allteftersom nya terapier utvecklas blir rollen av dessa verktyg desto viktigare. Förhoppningen är att kunna utvärdera terapiernas förebyggande av neurodegeneration samt dess potentiella neuro-regenerering.