La caratterizzazione dell’aging ha grande importanza per i benessere sociale e per l’impatto devastante di alcune patologie neurologiche associate all’invecchiamento. L’imaging funzionale con risonanza magnetica (fMRI) è uno strumento di indagine in grado di cogliere il deterioramento della funzionalità di rete del cervello umano associata all’aging ed alla neurodegenerazione. L’fMRI soffre però di limitazioni dovute alla variazione con l’età del rumore di origine fisiologica, che costituisce un fattore confondente difficile separare dall’effetto di origine neuronale. Questo progetto si propone di affrontare tale problema scientifico, che ha importanti ricadute industriali nel settore della salute e dell’industria biomedica, caratterizzando l’origine fisiologica del rumore fMRI nell’aging e nelle fasi iniziali della neurodegenerazione in termini di variazioni di reattività vascolare e di micromovimenti, e di sviluppare appropriati metodi di mitigazione.
Il progetto è stato finanziato dalla Regione Lazio con POR FESR LAZIO 2014 – 2020 A0375-2020-36648, POR A0375E0085 (€ 149089.39).
Minimizzare gli effetti del rumore è una sfida importante nella risonanza magnetica funzionale (fMRI) al fine di recuperare con precisione il segnale proveniente dall'attività neurale. Risoluzioni spaziali più elevate sono possibili con campi magnetici ultra elevati (UH) (7T e superiori). Tuttavia, l'UH-fMRI è anche più suscettibile al rumore fisiologico e termico. La tecnica migliore per eliminare il rumore dai dati UH-fMRI è ancora oggetto di dibattito.
Utilizzando i dati fMRI a stato di riposo 7T raccolti da sette partecipanti sani (tre sessioni ciascuno), insieme alle registrazioni fisiologiche (cardiache e respiratorie), abbiamo valutato l'efficacia di alcune pipeline di denoising basate su algoritmi recentemente sviluppati (come NORDIC [N], RETROICOR [R] e aCompCor [C5]). Ciascuna pipeline è stata creata permutando l'ordine delle seguenti fasi di analisi: correzione del movimento, denoising termico e denoising fisiologico. Sono stati calcolati due parametri di qualità per valutarne l'efficacia: segnale di variazione delta (DVARS) e rapporto segnale-rumore temporale (tSNR). Inoltre, abbiamo valutato la distribuzione spaziale del rumore fisiologico in tutto il cervello e la sua riproducibilità nelle esecuzioni fMRI.
Rispetto ai dati fMRI non elaborati, tutti i metodi di denoising esaminati hanno migliorato i parametri di qualità valutati, anche se in misura diversa, a seconda dell’approccio e dei tessuti cerebrali presi in considerazione. La figura mostra i valori tSNR e DVARS dei set di dati sottoposti a denoising, calcolati in media tra tutti i soggetti e tutte le esecuzioni fMRI, nei diversi tessuti (sostanza bianca, WM, materia grigia, GM e liquido cerebrospinale, CSF). L'analisi ha dimostrato che l'applicazione del denoising termico (N) come ultimo passaggio non ha prodotto quasi alcun miglioramento per tutti i tessuti. Al contrario, l'esecuzione di N come primo passo ha migliorato costantemente i parametri di qualità in tutte le condutture, come mostrato in figura, principalmente in GM e WM. Infine, le valutazioni di qualità sono state migliorate integrando anche il denoising fisiologico, più con aCompCor (C5MrN) che con RETROICOR (RMrN). La pipeline aCompCor (C5MrN) ha ottenuto i migliori valori tSNR e DVARS in generale, con i maggiori miglioramenti per CSF, seguito da GM e WM.
Per quanto riguarda la distribuzione spaziale del rumore fisiologico, i nostri risultati hanno mostrato che il tessuto cerebrale più colpito era il liquido cerebrospinale, che presentava anche il più alto livello di ripetibilità tra le analisi. Questi risultati potrebbero aiutare a migliorare gli algoritmi di denoising basati sulla regione di interesse (come aCompCor) semplificando l’identificazione della fonte di rumore più affidabile da escludere dal segnale fMRI, rendendo il rilevamento dell’attività neurale più affidabile.
