تبدیل اسکن مغزی MRI به یک شبکه هذلولی از گره ها، به محققان اجازه می دهد تا اختلال اتصال مغزی ناشی از بیماری آلزایمر را تشخیص دهند.

محققان با نشان دادن شبکه های مغزی (سمت چپ) در فضای هذلولی (راست) نشان داده اند که می توانند مغزهای سالم را از مغزهای مبتلا به تخریب عصبی ناشی از بیماری آلزایمر تشخیص دهند.

هر ساله بیش از 10 میلیون نفر در سراسر جهان مبتلا به زوال عقل تشخیص داده می‌شوند. اکنون پژوهشگران در پاریس ابزاری را توسعه داده‌اند که می‌تواند به تشخیص چنین اختلالات مغزی قبل از شروع علائم کمک کند [1]. این روش همچنین می تواند برای تشخیص سایر اختلالات مغزی، مانند بیماری پارکینسون یا سکته مغزی نیز مورد استفاده قرار گیرد. آلیس لونگنا Alice Longhena که در دانشگاه سوربن فرانسه کار می‌کند و سرپرستی این تحقیق به عهده دارد، می‌گوید: این ابزار طیف وسیعی از کاربردهای بالینی بالقوه را در بر دارد.

آلزایمر یک بیماری مخرب مغزی است که باعث از دست دادن حافظه، اختلال در شناخت، تغییرات شخصیتی و سایر علائم می شود که در نهایت به مرگ می انجامد. این بیماری در درجه اول ناشی از از دست رفتن اتصال بین ماده سفید است که نواحی قشر مغز - ماده خاکستری - را به هم متصل می کند و منجر به اختلال در اتصال نورون-نورون و آتروفی مغز می شود.

آلزایمر معمولاً با شروع علائمِ از دست دادن حافظه تشخیص داده می شود، که به گفته لونگنا، می تواند 5 تا 10 سال پس از شروع خود بیماری باشد. او و همکارانش به این فکر کردند که آیا ممکن است راهی برای تشخیص زودهنگام بیماری وجود داشته باشد، توانایی ای که می تواند به شروع زودتر درمان و کاهش سرعت پیشرفت بیماری کمک کند.

برای این منظور، لونگنا و همکارانش به نظریه شبکه روی آوردند تا ببینند آیا می توانند تغییرات الگوی مغزهای بیمار را تشخیص دهند. به طور خاص، این تیم تصاویری از مغزهای سالم و بیمار گرفت و آنها را با استفاده از تصویربرداری تشدید مغناطیسی ساختاری (structural magnetic resonance imaging)، که آناتومی مغز را ترسیم می‌کند و تصویربرداری تشدید مغناطیسی عملکردی(functional magnetic resonance imaging) ، که فعالیت مغز را از طریق تغییرات در جریان خون نقشه‌برداری می‌کند، به شبکه‌هایی از گره‌ها و پیوندها تبدیل کرد. سپس این شبکه ها در فضای هذلولی نشان داده شدند - یعنی جایی که خطوط موازی به هم می رسند و مجموع زوایای یک مثلث کمتر از 180 درجه می شود. در این چارچوب هیچ پیوندی بین گره ها وجود ندارد - در عوض، برهمکنش بین دو گره در فاصله آنها از یکدیگر کدگذاری می شود.

لونگنا می‌گوید: این تبدیل عجیب به نظر می‌رسد. اما از منظر مدل سازی، به محققان اجازه می دهد تا تجزیه و تحلیل خود را از توپولوژی شبکه ساده کنند. او می‌گوید: وقتی جاسازی را انجام می‌دهید، چندین قطعه از اطلاعات توپولوژیکی را در مختصات گره‌ها رمزگذاری می‌کنید. این فشرده سازی شبکه های هذلولی را به طور بالقوه قدرتمندتر از شبکه های استاندارد می کند زیرا محاسبات کمتری برای استخراج اطلاعات مورد نظر مورد نیاز است. محاسبات نیز سریعتر هستند. محاسبه فاصله بین دو گره آسانتر و سریعتر از یافتن کوتاهترین مسیر است.

با تجزیه و تحلیل نمودارهای هذلولی به دست آمده از مغزهای سالم و بیمار، اعضای تیم دریافتند که می توانند از روی هندسه گره ها این دو دسته را از هم متمایز کنند. در مغز بیماران آلزایمر، نواحی گیجگاهی میانی مغز – یعنی هیپوکامپ و آمیگدال مرتبط با حافظه - در اتصال ساختاری و عملکردی اختلال ایجاد کردند. این اختلال در شبکه های اصلی با استفاده از پارامترهای توپولوژیکی رایج قابل اندازه گیری نبود. لانگنا می گوید: «از آنجایی که بیماران مبتلا به آلزایمر تشخیص داده شده اند، ما انتظار داشتیم که این تغییرات را تشخیص دهیم. او اضافه می کند، با این حال ، این روش ما را تأیید می کند و نشان می دهد که چرا اقدامات دیگر شکست می خورند.

گروه تحقیق همچنین اختلالی در قسمت جلویی و مرتبط-با-رفتار مغز در شبکه‌های هذلولی حاصل از تصویربرداری تشدید مغناطیسی ساختاری پیدا کردند. هیچ اختلالی در شبکه‌های به دست آمده از تصاویر تشدید مغناطیسی عملکردی برای این نواحی مغز مشاهده نشد، که باعث شد لونگنا و همکارانش به این نتیجه برسند که می‌توانند قبل از شروع علائم بالینی آسیب‌هایی را در سطح شبکه ببینند.

مطالعه اولیه شامل مغز بیمارانی بود که قبلاً مبتلا به آلزایمر تشخیص داده شده بودند. لونگنا می گوید که این ابزار همچنین دارای پتانسیل تشخیصی است که مطالعات و آزمایشات بالینی بیشتر باید تایید شود. ویلم دی هان Willem de Haan متخصص مغز و اعصاب که در مرکز پزشکی دانشگاه آمستردام به مطالعه رابطه بین شبکه های مغزی و اختلالات شناختی می پردازد نیز نوید این تکنیک را می بیند. او می‌گوید: «این رویکرد [احتمالا] منجر به یک نشانگر جدید می شود که به تغییرات اولیه یا خاص در طول دوره بیماری آلزایمر حساس است (ارزش تشخیصی)، یا ارزش پیش‌آگاهی دارد یا برای تشخیص اثرات مداخله ای خوب است.

دی هان خاطرنشان می کند که روش توسعه یافته توسط محققان، به اختلال اتصال به دلایلی غیر از تخریب عصبی حساس است. به لطف این تنوع، میتوان از این ابزار برای مطالعه سایر اختلالات مغزی استفاده کرد. دی هان می گوید: با ترکیب ویژگی های مختلف گراف-نظری در یک جاسازی فضایی با ابعاد پایین، آنها به سطح بالاتری از سازماندهی شبکه نگاه می کنند. این امر آن را کاملاً انتزاعی می کند، اما از این ایده پشتیبانی می کند که می توان با این نوع از تحلیل پیشرفته تر اطلاعات بیشتری را در مورد سازمان مغز یافت.

لونگنا می‌گوید که این روش می‌تواند برای ارزیابی آسیب‌های مغزی ناشی از سکته مغزی، به عنوان مثال، و سپس برای مطالعه چگونگی ایجاد مجدد اتصالات توسط مغز هنگام بهبودی فرد مورد استفاده قرار گیرد. همچنین پتانسیل استفاده از این روش برای تشخیص بیماری‌های تخریب‌کننده عصبی قبل از بروز علائم وجود دارد. لونگنا خاطرنشان می‌کند که این ممکن است بسیار گران باشد، اما به دلیل هزینه بالای تصویربرداری تشدید مغناطیسی عملکردی. در عین حال برای کسانی که در معرض خطر هستند، مزایا می تواند بیشتر از هزینه باشد.

-1A. Longhena et al., “Hyperbolic embedding of brain networks detects regions disrupted by neurodegeneration in Alzheimer’s disease,” Phys. Rev. E 111, 044402 (2025).

منبع:

A Potential Tool for Diagnosing Alzheimer’s Disease

ترجمه خبر: شهره کرمی