Clustering analysis of FDG-PET imaging in primary progressive aphasia

DSpace/Manakin Repository

español português english

Clustering analysis of FDG-PET imaging in primary progressive aphasia

Show full item record

Title: Clustering analysis of FDG-PET imaging in primary progressive aphasia
Author: Matias-Guiu Antem, Jordi A.; Díaz Álvarez, Josefa; Ayala Rodríguez, José Luis; Risco Martín, José Luis; Moreno Ramos, Teresa; Pytel Córdoba, Vanesa; Matias-Guiu Guía, Jorge; Carreras Delgado, José Luis; Cabrera Martín, María Nieves
Abstract: FUNDAMENTOS: La afasia progresiva primaria (APP) es un síndrome clínico caracterizado por la neurodegeneración de los sistemas de lenguaje y cerebro. Se han reconocido tres formas clínicas principales (PPA no fluida, semántica y logopénica), pero la aplicabilidad de la clasificación y la capacidad de predecir la patología subyacente es controvertida. Nuestro objetivo era estudiar los datos de imágenes de FDG-PET en una gran serie de casos consecutivos de pacientes con PPA para agruparlos en diferentes subtipos según el metabolismo cerebral regional. MÉTODOS: Se incluyeron 122 estudios de imágenes de FDG-PET pertenecientes a 91 pacientes con PPA y 28 controles sanos. Desarrollamos un análisis aglomerado jerárquico con el método de vinculación de Ward, un algoritmo de agrupación no supervisado. Realizamos un análisis de mapeo cerebral basado en vóxeles para evaluar los patrones de hipometabolismo de cada grupo identificado. RESULTADOS: El análisis de conglomerados confirmó las tres variantes actuales de PPA, pero el número óptimo de conglomerados según el índice de Davies-Bouldin era de 6 subtipos de PPA. Esta clasificación resultó de dividir la variante no fluida en tres subtipos, mientras que la PPA logopénica se dividió en dos subtipos. El análisis del mapeo de vóxeles y cerebros mostró diferentes patrones de hipometabolismo para cada grupo de PPA. Los nuevos subtipos también mostraban un curso clínico diferente y eran predictivos de los resultados de las imágenes amiloides. CONCLUSIÓN: Nuestro estudio encontró que hay más de los tres subtipos ya reconocidos de PPA. Estos nuevos subtipos eran más predictivos del curso clínico y mostraban diferentes patrones de neuroimágenes. Nuestros resultados apoyan la utilidad de la FDG-PET en la evaluación de la PPA, y la aplicabilidad de los métodos computacionales en el análisis del metabolismo cerebral para mejorar la clasificación de los trastornos neurodegenerativos.BACKGROUND: Primary progressive aphasia (PPA) is a clinical syndrome characterized by the neurodegeneration of language brain systems. Three main clinical forms (non-fluent, semantic, and logopenic PPA) have been recognized, but applicability of the classification and the capacity to predict the underlying pathology is controversial. We aimed to study FDG-PET imaging data in a large consecutive case series of patients with PPA to cluster them into different subtypes according to regional brain metabolism. METHODS: 122 FDG-PET imaging studies belonging to 91 PPA patients and 28 healthy controls were included. We developed a hierarchical agglomerative cluster analysis with Ward’s linkage method, an unsupervised clustering algorithm. We conducted voxel-based brain mapping analysis to evaluate the patterns of hypometabolism of each identified cluster. RESULTS: Cluster analysis confirmed the three current PPA variants, but the optimal number of clusters according to Davies-Bouldin index was 6 subtypes of PPA. This classification resulted fromsplitting non-fluent variant into three subtypes, while logopenic PPA was split into two subtypes. Voxel-brain mapping analysis displayed different patterns of hypometabolism for each PPA group. New subtypes also showed a different clinical course and were predictive of amyloid imaging results. CONCLUSION: Our study found that there are more than the three already recognized subtypes of PPA. These new subtypes were more predictive of clinical course and showed different neuroimaging patterns. Our results support the usefulness of FDG-PET in evaluating PPA, and the applicability of computational methods in the analysis of brain metabolism for improving the classification of neurodegenerative disorders.
URI: http://hdl.handle.net/10662/11129
Date: 2018


Files in this item

Files Size Format View
fnagi_2018_00230.pdf 3.581Mb PDF View  Thumbnail
fnagi_2018_00230_Supl.pdf 186.3Kb PDF View  Thumbnail

The following license files are associated with this item:

This item appears in the following Collection(s)

Show full item record

Atribución 4.0 Internacional Except where otherwise noted, this item's license is described as Atribución 4.0 Internacional

Search DSpace


Browse

My Account

Statistics

Help

Redes sociales