Neurodegenerative diseases are increasing as the society ages. The development of positron emission tomography and corresponding radiotracers permits the assessment of various neuropathologic proteins. Previously, single neuropathologic protein were considered to be associated with single disease, but a recent theory of mixed brain pathology proposes that different neuropathologic proteins are distributed throughout the brain and cause various clinical symptoms depending on their distribution and concentration. Amyloid beta is one such neuropathologic protein, and is closely associated with Alzheimer's disease. Amyloid beta has been found in numerous other neurodegenerative disorders with the advancement of brain imaging technology, and its function has been researched. Despite the clinical significance, brain imaging using different radioactive trackers is challenging in a single disease because of issues like cost and radiation exposure.
In this study, I used fluorodeoxyglucose positron emission tomography and deep-learning (DL) techniques to build a model for predicting amyloid beta pathology in Alzheimer's disease groups, and I tested it using a second dataset. Next, I determined the relationship between early-phase positron emission tomography and amyloid beta pathology in the Parkinson's disease and dementia with Lewy-bodies groups. Subsequently, I created a model to predict amyloid beta pathology using early-phase positron emission tomography. In addition, I investigated whether brain perfusion differs according to the presence of amyloid beta neuropathologic protein in the Parkinson's disease and dementia with Lewy-bodies groups.
First, I confirmed the amyloid beta-positive/negative regions using fluorodeoxyglucose positron emission tomography. Then, using DL, I developed a prediction model for amyloid beta-positive/negative in Alzheimer's disease that outperformed the model used in previous studies. The model was confirmed to learn from the known data when it was validated using the novel method I had suggested. Next, using early-phase positron emission tomography, I determined the association between areas with altered perfusion in the Parkinson's and dementia with Lewy bodies groups with the presence or absence of amyloid beta. I developed a model to predict amyloid beta pathology using this perfusion data and logistic regression models. This model performed similarly to one I had used in an earlier study on Alzheimer's disease. Additionally, in the groups with Parkinson's disease and dementia with Lewy bodies, brain perfusion sites differed depending on the presence or absence of amyloid beta neuropathologic proteins.
In conclusion, I used fluorodeoxyglucose positron emission tomography, DL, and early-phase positron emission tomography to create amyloid beta pathology prediction models in various neurodegenerative diseases. These results reveal the potential of amyloid beta deposition prediction models in different neurodegenerative disorders and demonstrate how different radiotracers can provide molecular data.
고령화가 진행됨에 따라 신경퇴행성 질환이 증가하고 있다. 양전자 방사 단층 촬영법이 개발되고 이에 상응하는 다양한 방사선 추적자가 개발됨에 따라 단백질 수준에서에 신경병리에 대한 접근이 기능해졌다. 이전에는 하나의 병에는 하나의 신경병리 단백질이 연관되어 있다고 생각되었으나, 최근 주목받고 있는 혼합 뇌 병리학 개념에 따르면 다양한 신경병리 단백질이 뇌에 분포하고 이들의 분포와 정도에 따라 다양한 임상 증상을 불러 일으킨다. 그중 아밀로이드 베타는 알츠하이머 병과 연관이 깊다고 알려져 있었으나, 뇌 영상 기술이 발달됨에 따라 최근 다양한 다른 신경퇴행성 질환에서도 그 존재가 확인되고 그 역할에 대해 활발하게 연구되고 있다. 하지만 이러한 임상적 중요성에도 불구하고 하나의 질병에서 여러개의 방사선 추적자를 활용한 뇌 영상 촬영은 비용, 방사선 노출 등의 문제로 어려움이 있다.
본 연구에서는 먼저 불소화 포도당 양전자 방사 단층 촬영영상과 딥러닝 방법을 이용하여 알츠하이머 병 군에서 아밀로이드 베타 병리를 예측하는 모델을 만들었고 이를 검증하였다. 그 다음으로 파킨슨병과 루이소체 치매군에서 뇌관류를 반영하는 도파민 운반체 양전자 방사 단층촬영의 초기 영상과 아밀로이드 베타 병리와의 관계를 밝히고 이를 이용하여 아밀로이드 베타 병리를 예측하는 모델을 만들었다. 추가로 파킨슨 병과 루이소체 치매군에서 아밀로이드 베타 신경병리 단백질의 유뮤에 따라 뇌관류가 다른지 알아보았다.
먼저 본 연구자는 아밀로이드 베타 양성/음성과 연관이 있는 위치를 불소화 포도당 양전자 방사 단층 촬영을 이용하여 확인하였다. 그 다음 딥러닝을 이용하여 알츠하이머병에서 아밀로이드 베타 양성/음성을 예측하는 모델을 만들었고 이 모델은 이전 연구의 모델보다 더 좋은 성능을 보였다. 본 연구자가 제안한 방법으로 모델을 검증하여 기존에 알츠하이머병에서 포도당 대사가 저하된 것으로 알려진 영역들을 일부 사용하여 모델이 학습된 것을 확인하였다. 또한, 모델의 학습에 사용되지 않은 데이터를 이용하여 테스트하였을 때도 우수한 성능을 보였다. 다음으로, 파킨슨과 루이소체 치매군에서 아밀로이드 베타 병리의 유무에 따른 관류 변화영역을 초기 양전자 방사 단층 촬영법을 이용하여 밝혔다. 이 정보와 로지스틱 회귀 분석 모델을 이용하여 아밀로이드 베타 병리를 예측하는 모델을 만들었고 이는 이전의 연구와 비슷한 성능을 보였다. 또한, 파킨슨 병과 루이소체 치매군에서 아밀로이드 베타 신경병리 단백질의 유무에 따라 다른 뇌관류 부위를 밝혔다.
요약하면, 본 연구자는 불소화 포도당 양전자 방사 단층 촬영, 딥러닝, 초기 양전자 방사 단층 촬영법을 이용하여 다양한 퇴행성 뇌질환에서의 아밀로이드 베타 병리 예측 모델을 만들었다. 이러한 연구결과는 다양한 퇴행성 뇌질환에서 아밀로이드 베타 병리 예측 모델의 가능성을 보여주고, 다양한 방사선 추적자 사이에 정보 교환이 가능하다는 것을 보여준다.
