APPROCCI MULTIMODALI DI RISONANZA MAGNETICA PER LA CONNETTIVITA’ CEREBRALE: ANALISI DELL’ACCOPPIAMENTO STRUTTURALE-FUNZIONALE PER L’INDIVIDUAZIONE PRECOCE DELL’AMILOIDE NELL’ALZHEIMER

Alzheimer's disease is a progressive neurodegenerative disorder and a major cause of dementia. The main pathological features include beta-amyloid plaques, tau-related neurofibrillary tangles and brain atrophy. Although cognitive symptoms occur in later stages, neurodegeneration begins silently years earlier. Early diagnosis is critical to enable early intervention, which has prompted a growing interest in advanced neuroimaging techniques such as MRI. This study explores structural-functional coupling (SC-FC), which reflects the relationship between anatomical brain connections and functional dynamics. Diffusion-weighted imaging (DWI) assesses structural connectivity by mapping white matter tracts, while functional magnetic resonance imaging (fMRI) assesses functional connectivity by measuring neuronal synchronization. Combining these modalities, we analyzed SC-FC coupling, a key parameter indicating the integrity of brain communication, where reduced coupling is linked to early Alzheimer's pathology. We implemented and compared four SC-FC coupling methods: a correlation-based approach, a regression model predicting functional values from structural metrics, a Laplacian decomposition method analyzing harmonic components, and a graph-theoretic approach incorporating efficiency, centrality, and clustering. Logistic models were constructed to evaluate the predictive ability of pairing in detecting amyloid pathology, using cross-validation and including age, sex and APOE4 allele status. The results showed that the harmonic approach more effectively characterized SC-FC pairing, marking a significant advance in understanding its decline in the early stages of Alzheimer's disease. These results help to refine early detection methods and improve targeted therapeutic strategies, reinforcing the importance of multimodal neuroimaging in neurodegenerative disease research.

La malattia di Alzheimer è un disturbo neurodegenerativo progressivo e una delle principali cause di demenza. Le caratteristiche patologiche principali includono placche di beta-amiloide, grovigli neurofibrillari legati alla tau e atrofia cerebrale. Sebbene i sintomi cognitivi si manifestino nelle fasi successive, la neurodegenerazione inizia silenziosamente anni prima. La diagnosi precoce è fondamentale per consentire interventi tempestivi, il che ha spinto un crescente interesse per le tecniche di neuroimmagine avanzate come la risonanza magnetica. Questo studio esplora l'accoppiamento strutturale-funzionale (SC-FC), che riflette la relazione tra le connessioni anatomiche del cervello e le dinamiche funzionali. L'imaging pesato in diffusione (DWI) valuta la connettività strutturale mappando i tratti di materia bianca, mentre la risonanza magnetica funzionale (fMRI) valuta la connettività funzionale misurando la sincronizzazione neuronale. Combinando queste modalità, abbiamo analizzato l'accoppiamento SC-FC, un parametro chiave che indica l'integrità della comunicazione cerebrale, dove un accoppiamento ridotto è legato alla patologia precoce dell'Alzheimer. Abbiamo implementato e confrontato quattro metodi di accoppiamento SC-FC: un approccio basato sulla correlazione, un modello di regressione che predice i valori funzionali dalle metriche strutturali, un metodo di decomposizione laplaciana che analizza le componenti armoniche e un approccio grafo-teorico che incorpora efficienza, centralità e clustering. Sono stati costruiti modelli logistici per valutare la capacità predittiva dell'accoppiamento nel rilevare la patologia amiloide, utilizzando la convalida incrociata e includendo età, sesso e stato dell'allele APOE4. I risultati hanno mostrato che l'approccio armonico ha caratterizzato in modo più efficace l'accoppiamento SC-FC, segnando un significativo progresso nella comprensione del suo declino nelle fasi iniziali dell'Alzheimer. Questi risultati contribuiscono a perfezionare i metodi di diagnosi precoce e a migliorare le strategie terapeutiche mirate, rafforzando l'importanza del neuroimaging multimodale nella ricerca sulle malattie neurodegenerative.