Klinische Neurophysiologie 2012; 43 - V151
DOI: 10.1055/s-0032-1301534

Klassifikation von M. Parkinson-Stadien: globale vs. lokale resting-state Konnektivität

N Scheel 1, M Heldmann 2, J Hagenah 2, M Al-Khaled 2, TF Münte 2, A Madany Mamlouk 3, S Anders 2
  • 1Graduate School for Computing in Medicine and Life Sciences, Lübeck
  • 2Klinik für Neurologie, Universität zu Lübeck, Lübeck
  • 3Institut für Neuro- und Bioinformatik, Universität zu Lübeck, Lübeck

Ziele / Fragestellung: Um neurodegenerative Prozesse in verschiedenen neurologischen und psychiatrischen Erkrankungen mittels Resting-state-fMRI zu untersuchen, beschäftigen sich bestehende Arbeiten überwiegend mit faktorenanalytischen Verfahren (PCA/ICA). In dieser Studie untersuchen wir ob sich die Krankheitsstadien des M. Parkinson anhand globaler bzw. lokaler Konnektivitäten differenzieren lassen.

Methoden: Anhand einer TCS (transcranial sonography) betrachten wir drei Klassen: 21 Parkinson-Patienten mit hoher (> 0,3) Echogenität der Substantia nigra, 17 Patienten mit mittlerer Echogenität (0,2–0,3) und 21 Kontrollen (Echogenität < 0,2). Zur Berechnung der globalen Konnektivität korrelieren wir die BOLD-Zeitreihen der AAL-Regionen [Tzourio-Mazoyer et. al., NeuroImage 2002. 15: 273–289] sowie der 160 Punkte nach Dosenbach [Dosenbach et. al., Science 2010. 5997: 1358–1361]. Lokale Konnektivitätsmuster ergeben sich aus den Korrelationen der Zeitreihen der einzelnen Voxel innerhalb einer Region. Zur Klassifikation dienen Support Vektor Maschinen.

Ergebnisse: Erste Ergebnisse deuten daraufhin, dass eine Klassifikation anhand globaler Konnektivitätsmuster zwar eine Unterscheidung von Patienten und Kontrollen erlaubt (Trefferquote > 0,65, mit p < 0,03), eine Unterscheidung von Patienten mit hoher vs. mittlerer Echogenität der S. nigra jedoch nicht möglich ist. Im Gegensatz dazu wurde eine Reihe von Regionen gefunden in denen die lokalen Konnektivitätsmuster sowohl zwischen Patienten und Kontrollen unterscheiden als auch zwischen den beiden Patientengruppen (Abbildung 1).

Schlussfolgerung: Die lokale Konnektivität erscheint vielversprechend um mittels einer Kombination von Klassifikatoren ein stabiles Diagnoseverfahren zu entwickeln. Darüber hinaus könnten extrahierte Regionen neue Erkenntnisse über den neuropathologischen Verlauf von M. Parkinson bringen. Eine besondere Rolle hierbei scheinen Hippocampus sowie das olfaktorische System zu spielen.