Voxel-basierte Analyse der Mikrostruktur und Morphometrie von Hirngewebe: Auswirkungen von Alter, Geschlecht und körperlicher Aktivität

Variationen in der menschlichen Hirnanatomie zeigen sich typischerweise in morphometrischen Merkmalen des Kortex und subkortikaler Hirnstrukturen (kortikales Volumen/Oberfläche, Dicke und Form, Gyrifikation und Asymmetrie), die anhand von In-vivo-Magnetresonanzbildern (MRT) geschätzt werden. Diese morphometrischen Indizes korrelieren sowohl mit Verhaltensmerkmalen (z. B. Impulsivität, Händigkeit) als auch mit neuropathologischen/physiologischen Prozessen (z. B. Neurodegeneration). Aus klassischen T1-gewichteten MR-Bildern abgeleitete Maße der lokalen Morphometrie (kortikale Dicke und regionales Volumen der grauen Substanz) hängen stark vom Bildkontrast ab. Der Bildkontrast in T1-gewichteten MRT-Scans spiegelt nicht nur die makroskopische Morphologie kortikaler und subkortikaler Hirnstrukturen wider, sondern auch die lokale Konzentration kontrastbeherrschender Gewebeeigenschaften wie makromolekularer (Myelin) und Eisengehalt. Insbesondere können mehrere Gewebeeigenschaften den lokalen Bildkontrast beeinflussen, was die Abschätzung der Grenze zwischen grauer und weißer Substanz erschwert (Lorio et al., 2014). Dies gilt insbesondere für subkortikale Hirnregionen mit großen Eisenmengen (Langkammer et al., 2010), die durch weitere Eisenakkumulation während des Alterns verstärkt werden (Draganski et al., 2011). Folglich ist die Empfindlichkeit von morphometrischen Indizes des Gehirns, die aus klassischen T1-gewichteten Bildern abgeleitet werden, eine Funktion der unterschiedlichen mikrostrukturellen Gewebezusammensetzung der interessierenden Hirnregionen sowie der angenommenen Auswirkungen des interessierenden Phänomens (z. B. des Alterns) auf diese besonderen Gewebeeigenschaften. Eine Möglichkeit zur Verbesserung der Empfindlichkeit des Bildkontrasts und damit der morphometrischen Schätzungen besteht in der Verwendung von MR-Bildsequenzen mit einer schiefen Gewichtung bestimmter Gewebeeigenschaften, wodurch die Anzahl potenzieller biologischer Komposita, die den lokalen Bildkontrast beeinflussen, reduziert wird. Es wurde bereits gezeigt, dass die Magnetisierungstransfer-Bildgebung (MT) einen verbesserten Bildkontrast in subkortikalen Hirnregionen mit messbarem Einfluss auf die Schätzung morphometrischer Maße des Volumens der grauen Substanz (GMV) bietet (Lorio et al., 2014). In der Tat sind MT-basierte Schätzungen des lokalen GMV, insbesondere in den Basalganglien, empfindlicher gegenüber altersbedingten Veränderungen (Lorio et al., 2016).
Veränderungen lokaler Gewebeeigenschaften des Gehirns über die Lebensspanne wurden in der Literatur dokumentiert (Callaghan et al., 2014, Acosta-Carboneiro et al., 2015, Draganski et al., 2011, Lorio et al., 2016), aber die heterogenen Altersverteilungen zwischen und innerhalb dieser Studien (schiefe oder bimodale Altersverteilungen) zusammen mit den bekannten nicht-linearen Trajektorien struktureller und funktioneller Veränderungen über die Entwicklung/Alterung (Fjell et al., 2014) verhindern eine umfassende Sicht auf altersbedingte morphometrische und mikrostrukturelle Veränderungen. Unser Projekt untersucht daher lineare und nicht-lineare altersbedingte Assoziationen in MT-basierten GMV-Karten sowie in Multiparameter-Karten lokaler Gewebeeigenschaften bei gesunden älteren Menschen.

Voxel-based analysis of brain tissue microstructure and morphometry: effects of age, gender and physical activity

Variations in human brain anatomy are typically seen in morphometric features of the cortex and sub-cortical brain structures (cortical volume/surface, thickness and shape, gyrification and asymmetry) estimated from in-vivo magnetic resonance images (MRI). These morphometric indices correlate with behavioral traits (e.g. impulsivity, handedness) as well as neuropathological/-physiological processes (e.g. neurodegeneration). Measures of local morphometry derived from classical T1-weighted MR images (cortical thickness and regional grey matter volume) strongly depend on image contrast. The image contrast in T1-weighted MRI scans reflects macroscopic morphology of cortical and subcortical brain structures but also the local concentration of contrast-dominating tissue properties such as macromolecular (myelin) and iron content. More specifically, multiple tissue properties may interact on local image contrast complicating grey-white matter boundary estimation (Lorio et al., 2014). This is in particular the case for subcortical brain regions with large amounts of iron (Langkammer et al., 2010), potentiated by further iron accumulation during aging (Draganski et al., 2011). Consequently, the sensitivity of brain morphometric indices derived from classical T1-weighted images is a function of the differential microstructural tissue composition of brain regions of interest as well as the hypothesized effects of the phenomenon of interest (e.g. aging) on these particular tissue properties. One possibility to improve the sensitivity of image contrast and hence morphometric estimations is to use MR image sequences with a skewd weighting towards particular tissue properties, thereby reducing the number of potential biological composites interacting on local image contrast. Magnetization transfer (MT) imaging has been shown previously to provide improved image contrast in subcortical brain regions with measurable impact on the estimation of morphometric measures of grey matter volume (GMV) (Lorio et al., 2014). Indeed, MT-based estimations of local GMV, especially in basal ganglia, are more sensitive to age-related changes (Lorio et al., 2016).
Changes in local brain tissue properties across the lifespan were documented in the literature (Callaghan et al., 2014, Acosta-Carboneiro et al., 2015, Draganski et al., 2011, Lorio et al., 2016) but the heterogeneous age distributions across and within these studies (skewed or bimodal age distributions) along with the well-known non-linear trajectories of structural and functional changes across development/aging (Fjell et al., 2014) prohibit a comprehensive view on age-related morphometric and microstructural changes. Our project thereby investigates linear and non-linear age-related associations in MT-based GMV maps as well as in multi-parameter maps of local tissue properties in healthy elderly subjects.