Analisi topologica e modellizzazione delle reti cerebrali per l'identificazione di un profilo personalizzato di pazienti a diversi stadi di demenza

Il Mild Cognitive Impairment (MCI) è una condizione patologica caratterizzata da decadimento cognitivo, accompagnata da neurodegenerazione. Viene anche definita come fase prodromica della malattia di Alzheimer (AD), in quanto spesso il decadimento cognitivo porta i pazienti affetti da MCI a evolvere in AD con il passare del tempo, includendoli nell’ Alzheimer continuum. Data la sua eterogeneità, risulta ancora complesso definire chiaramente i confini di questa patologia, e inoltre, al momento, mancano studi che possano fornire informazioni soggetto-specifiche più dettagliate riguardo l’attività metabolica cerebrale. A tal proposito, una maggiore comprensione delle alterazioni strutturali e funzionali portate dall’avanzare della patologia è fondamentale per consentire lo sviluppo di una terapia personalizzata grazie all’identificazione di nuovi biomarcatori. Il presente lavoro di tesi si pone l’obiettivo di identificare un profilo personalizzato di biomarcatori che possa descrivere, per ciascun paziente, la progressione del decadimento cognitivo. In questo contesto si vuole trarre il vantaggio della combinazione di informazioni provenienti dall’organizzazione topologica strutturale e funzionale delle reti cerebrali. Per ottenere una nuova visione dei meccanismi molecolari sottostanti la malattia, è stato inoltre creato un paziente virtuale in grado di fornire una descrizione del bilanciamento tra eccitazione e inibizione neuronale in modo totalmente non invasivo. Dopo aver ricostruito la connettività cerebrale strutturale e funzionale a partire da acquisizioni 3T-MRI, la dinamica cerebrale personalizzata di ciascun soggetto è stata simulata in controlli sani, pazienti affetti da MCI e pazienti affetti da AD attraverso il The Virtual Brain (TVB). Il modello integrato nel TVB per investigare il rapporto tra eccitazione e inibizione in ciascun soggetto è il Wong-Wang che è stato applicato alle sei principali reti cerebrali funzionali: default mode, limbica, attentiva, frontoparietale, visiva e somatomotoria. L’analisi topologica delle reti è stata condotta utilizzando la teoria dei grafi, applicata sia ai dati di connettività strutturale, sia a quelli di connettività funzionale. I parametri ottenuti dalle due analisi sono stati poi messi in relazione con i punteggi dei test neuropsicologici in modo da valutarne l’attendibilità clinica. I risultati ottenuti hanno fatto emergere alterazioni correlate alla progressione del decadimento cognitivo, spiegando la relazione tra neurofisiologia e neuropsicologia in più domini, e sottolineando la rilevanza clinica dei parametri topologici e di eccitamento/inibizione nella definizione dell’avanzamento patologico. Tramite algoritmi di clustering, inoltre, è stato possibile identificare le reti limbica e attentiva come le più sensibili alla patologia, consentendo un’accurata stratificazione dei pazienti. L’analisi è stata condotta a partire dai dati topologici e di eccitamento/inibizione indipendentemente, rivelando tuttavia la stessa suddivisione dei soggetti nei clusters. Il profilo personalizzato risultante ha messo in luce la dipendenza tra le alterazioni strutturali e funzionali e i cambiamenti neuronali in ogni paziente. I biomarcatori estratti da questa analisi non sono solo sensibili al decadimento cognitivo, ma risultano essere soggetto specifici ed utili per catturare l’eterogeneità della popolazione offrendo informazioni precedentemente non disponibili in modo non invasivo. In conclusione, la combinazione di parametri topologici e neuronali apre nuove prospettive all’identificazione di terapie precoci, che possano intervenire nell’avanzamento del decadimento cognitivo.