在阿尔茨海默病中，作为神经退行性病变的预测指标，“tau范围”（tau extent）的表现优于“tau负荷”（tau load）

摘要

背景

在阿尔茨海默病（AD）中，tau病理变化与神经退行性的关联比淀粉样蛋白-β更为紧密，并且能更好地预测脑萎缩。tau病理的空间范围（SEOT）作为AD严重程度的早期和更敏感的标志物显示出潜力，但这些互补维度与神经退行性之间的具体关系仍不清楚。在这里，我们比较了tau-PET的分布范围与负荷与横断面和纵向神经退行性之间的关联。

方法

我们研究了来自TRIAD队列的367名参与者，他们的年龄从健康老龄化到AD阶段不等（平均年龄69.3岁；61%为女性），这些参与者接受了[¹⁸F]MK-6240 tau-PET检测。tau负荷通过区域标准化摄取值比（SUVR）进行量化，而SEOT则通过感兴趣的时间元区域（ROI）和整个大脑皮层ROI内的异常体素比例来表示。神经退行性标志物包括皮层厚度、海马体积（HCV）、内侧颞叶萎缩（MTA）的视觉评分、血浆神经丝轻链（NfL）和脑脊液总tau蛋白（t-tau）。横断面关联通过多元线性回归或协变量调整的Spearman相关性进行分析。我们还比较了tau负荷和分布范围与所有皮层区域的皮层厚度的局部相关性。纵向上，使用线性混合效应模型测试了神经退行性的预测价值。

结果

在横断面分析中，所有tau-PET指标都与神经退行性和液体生物标志物显著相关。全脑皮层的SEOT对皮层变薄的预测效果最佳。SEOT在关联海马体积（HCV）和预测内侧颞叶萎缩（MTA）方面优于tau负荷，而SEOT和SUVR在关联血浆NfL和脑脊液t-tau方面表现相当。在所有皮层区域中，tau分布范围与局部皮层厚度的相关性等于或优于tau负荷。在纵向分析中，基线时全脑皮层的SEOT最能预测未来的皮层变薄，而颞叶的SEOT最能预测未来的海马萎缩。

结论

无论是横断面还是纵向分析，tau分布范围在基于影像的神经退行性预测方面都优于tau负荷。SEOT能够实现空间无偏的全脑tau负担评估，同时适应不同的脑部结构，因此是一种有前景的补充性tau-PET指标，可用于AD的疾病分期和进展追踪。

背景

在阿尔茨海默病（AD）中，tau病理变化与神经退行性的关联比淀粉样蛋白-β更为紧密，并且能更好地预测脑萎缩。tau病理的空间范围（SEOT）作为AD严重程度的早期和更敏感的标志物显示出潜力，但这些互补维度与神经退行性之间的具体关系仍不清楚。在这里，我们比较了tau-PET的分布范围与负荷与横断面和纵向神经退行性之间的关联。

方法

我们研究了来自TRIAD队列的367名参与者，他们的年龄从健康老龄化到AD阶段不等（平均年龄69.3岁；61%为女性），这些参与者接受了[¹⁸F]MK-6240 tau-PET检测。tau负荷通过区域标准化摄取值比（SUVR）进行量化，而SEOT则通过感兴趣的时间元区域（ROI）和整个大脑皮层ROI内的异常体素比例来表示。神经退行性标志物包括皮层厚度、海马体积（HCV）、内侧颞叶萎缩（MTA）的视觉评分、血浆神经丝轻链（NfL）和脑脊液总tau蛋白（t-tau）。横断面关联通过多元线性回归或协变量调整的Spearman相关性进行分析。我们还比较了tau负荷和分布范围与所有皮层区域的皮层厚度的局部相关性。纵向上，使用线性混合效应模型测试了神经退行性的预测价值。

结果

在横断面分析中，所有tau-PET指标都与神经退行性和液体生物标志物显著相关。全脑皮层的SEOT对皮层变薄的预测效果最佳。SEOT在关联海马体积（HCV）和预测内侧颞叶萎缩（MTA）方面优于tau负荷，而SEOT和SUVR在关联血浆NfL和脑脊液t-tau方面表现相当。在所有皮层区域中，tau分布范围与局部皮层厚度的相关性等于或优于tau负荷。在纵向分析中，基线时全脑皮层的SEOT最能预测未来的皮层变薄，而颞叶的SEOT最能预测未来的海马萎缩。

结论

无论是横断面还是纵向分析，tau分布范围在基于影像的神经退行性预测方面都优于tau负荷。SEOT能够实现空间无偏的全脑tau负担评估，同时适应不同的脑部结构，因此是一种有前景的补充性tau-PET指标，可用于AD的疾病分期和进展追踪。