Responsabile della ricerca

Dott. Alessandro Daducci

 

2019
I

Il problema: il legame tra connettività strutturale e funzionale del cervello


Il progetto mira a sviluppare algoritmi per la stima congiunta della connettività strutturale e funzionale al fine di migliorare i metodi di diagnosi non invasivi basati sulle neuroimmagini.

L’analisi della connettività cerebrale significa, letteralmente, studiare come diverse regioni del cervello sono interconnesse. Può riferirsi alla connettività strutturale (connessioni anatomiche formate da fasci di materia bianca), funzionale (correlazione temporale tra le attivazioni di regioni corticali) ed effettiva (interazione causale tra sistemi neurali). Le neuroimmagini offrono la possibilità di caratterizzare in vivo e in maniera non invasiva questa complessa rete di connessioni cerebrali; la connettività strutturale può essere stimata tramite la risonanza magnetica di diffusione (dMRI), mentre quella funzionale/effettiva tramite risonanza funzionale (fMRI), elettroencefalografia (EEG) o magnetoencefalografia (MEG). Comprendere la relazione tra connettività strutturale, funzionale ed effettiva rappresenta una sfida chiave nel campo delle neuroscienze.

Il nostro gruppo ha recentemente sviluppato una tecnica innovativa di analisi chiamata Convex Optimization Modeling for Microstructure Informed Tractography (COMMIT), la quale permette di stimare in modo robusto e molto efficiente sia il decorso dei fasci neuronali che le loro proprietà microstrutturali. COMMIT è un algoritmo molto flessibile e ha ancora un ampio margine di miglioramento; un limite dell’attuale formulazione consiste nel fatto che vengono considerati solo immagini di dMRI e quindi la stima non è sensibile ad altre proprietà degli assoni, quali la quantità di mielina, che potrebbero migliorare ulteriormente la caratterizzazione del tessuto neuronale.

L’obiettivo del progetto è di estendere COMMIT al fine di migliorare le stime di connettività strutturale tramite l’integrazione, per la prima volta, sia di immagini multimodali, e.g. per permettere di essere sensibili alla mielina, sia di informazioni sulla connettività funzionale accessibili tramite fMRI/EEG/MEG. Riuscire ad ottenere stime più accurate della connettività strutturale tramite l’integrazione di informazioni funzionali sull’attivazione delle aree corticali e di proprietà microstrutturali dei fasci nervosi che le connettono rappresenterebbe un passo avanti importante in neuroscienze poiché permetterebbe di studiare più in dettaglio, e di monitorarne la progressione in modo più accurato, diverse condizioni neurologiche o patologie neurodegenerative.

Una naturale estensione della formulazione base di COMMIT consiste nell’integrazione di dati multimodali e funzionali per migliorare la robustezza della trattografia ed ottenere quindi stime più veritiere della connettività strutturale. Il progetto è organizzato attorno ai seguenti obiettivi scientifici:

Obiettivo 1: incorporare informazioni complementari acquisite tramite altre modalità di risonanza magnetica, e.g. rilassometria, per permettere di essere sensibili a proprietà microstrutturali aggiuntive del tessuto neuronale, e.g. quantità di mielina, e quindi per migliorare la caratterizzazione della struttura della materia bianca.
Obiettivo 2: incorporare informazioni funzionali accessibili tramite acquisizioni fMRI/EEG/MEG al fine di ridurre i falsi positivi ricostruiti a partire solo da dati dMRI (principale limitazione della trattografia) e, quindi, ottenere stime più accurate delle connessioni nervose.

Il progetto sarà condotto in collaborazione con il Prof. Derek Jones, direttore del Cardiff University Brain Research Imaging Centre (CUBRIC) nel Regno Unito, e con la Prof.ssa Cristina Granziera, neurologa presso l’Università di Basilea in Svizzera, entrambi con una vasta esperienza nel campo nelle neuroimmagini e loro applicazioni in studi clinici.

Rilevanza

Migliorare la caratterizzazione della connettività cerebrale attraverso ricostruzioni più veritiere delle connessioni nervose ha il potenziale di ampliare la nostra comprensione dei meccanismi che possono portare a disabilità neurologiche irreversibili.
Una volta che la fattibilità del metodo proposto verrà dimostrata su soggetti sani, la sua efficacia potrà essere testata per studiare qualsiasi condizione neurologica. Ad esempio, il nostro metodo potrà essere applicato per studiare le alterazioni strutturali e monitorare la progressione di patologie neurodegenerative, e.g. sclerosi multipla, morbo di Alzheimer, Parkinson ecc., oppure per seguire l’evoluzione di malattie psichiatriche quali la schizofrenia.

You might also like