ДИАГНОСТИЧЕСКИЕ КРИТЕРИИ ПОРОГОВЫХ ЗНАЧЕНИЙ ФРАКЦИОННОЙ АНИЗОТРОПИИ В ОЦЕНКЕ РИСКА КОГНИТИВНЫХ НАРУШЕНИЙ У ПАЦИЕНТОВ С ДИСЦИРКУЛЯТОРНОЙ ПАТОЛОГИЕЙ ГОЛОВНОГО МОЗГА

У пациентов с дисциркуляторной энцефалопатией (ДЭ) отмечаются частые проявления расстройств когнитивной сферы, что является следствием органического поражения головного мозга. Методика диффузионно-тензорной магнитно-резонансной томографии (ДТ-МРТ) позволяет производить количественную оценку целостности проводящих путей. Цель исследования: разработать прогностические критерии изменений белого вещества головного мозга при ДЭ, выявить пороговые значения фракционной анизотропии, способные стать предикторами когнитивных нарушений (КН). Произведено сопоставление результатов ДТ-МРТ с данными нейропсихологического тестирования у пациентов с ДЭ. У пациентов с КН отмечалось статистически достоверное (р<0,005) снижение коэффициента фракционной анизотропии (КФА) в трактах передних отделов лучистого венца (лобные доли), в нижнем продольном пучке (височные доли) и в переднем бедре внутренней капсулы. Рассчитаны пороговые значения КФА в данных областях, являющиеся предикторами КН, что дает возможность определить вероятность риска их развития у пациентов с ДЭ. Количественный анализ изменений в структурах мозга, отвечающих за когнитивную функцию, является актуальным для прогнозирования вероятности наступления у пациентов сосудистой деменции.

1. Парфенов В.А., Захаров В.В., Преображенская И.С. Когнитивные расстройства. М.: Ремедиум, 2015. 192 с.

2. Scrobot O.A., O’Brien J., Black S. et al. The vascular impairment of cognition classification consensus study // Alzheimers Dement. 2016. Vol. 13, No. 6. P. 624–633.

3. Локшина А.Б, Захаров В.В. Вопросы терапии хронической ишемии головного мозга // Неврология и психиатрия. 2017. № 3 С. 48–54.

4. Лобзин В.Ю. Комплексная ранняя диагностика нарушений когнитивных функций // Журн. неврологии и психиатрии им. С. С. Корсакова. 2015. Т. 115, № 11. С. 72–79.

5. Ходжаева Д.Т., Хайдарова Д.К. Поражения проводящих путей при различных типах умеренно-когнитивных расстройств на фоне хронической ишемии мозга // Евразийский союз ученых. 2015. № 10. С. 122–124.

6. Engelhardt E., Moreira D.M., Laks J. The brain subcortical white matter and aging: A quantitative fractional anisotropy analysis // Dement Neuropsychol. 2009. Vol. 3 (3). P. 228–233. DOI: 10.1590/S1980-57642009DN30300009.

7. Wang S., Yuan J., Guo X. Teng et al. Correlation between prefrontal-striatal pathway impairment and cognitive impairment in patients with leukoaraiosis // Medicine. 2017. Vol. 96 (17). DOI: 10.1097/MD.0000000000006703.

8. Wu Y.F., Wu W.B., Liu Q.P. et al. Presence of lacunar infarctions is associated with the spatial navigation impairment in patients with mild cognitive impairment: a DTI study // Oncotarget. 2016. Vol. 7 (48). P. 78310–78319. DOI: 10.18632/oncotarget.13409.

9. Максудов Г.А. Классификация сосудистых поражений головного и спинного мозга // Сосудистые заболевания нервной системы / под ред. Е. В. Шмидта. М., 1975. С. 12–17.

10. Folstein M.F., Folstein S.E., McHugh P.R. Mini-Mental State: a practical guide for grading the mental state of patients for the clinical // J. Psych. Res. 1975. Vol. 12. P. 189–198.

11. Dubois В., Slachevsky A., Litvan I. et al. The FAB: A frontal assessment battery at bedside // Neurology. 2000. Vol. 55, Nо. 11. P. 1621–1626.

12. Mori S., Wakana S., Nagae-Poetscher L.M., Van Zijl P.C.M. MRI atlas of human white matter // Elsevier. 2010. 284 p.

13. Hakulinen U. et al. Repeatability and variation of region-of-interest methods using quantitative diffusion tensor MR imaging of the brain // BMC Medical Imaging. 2012. Vol. 12. DOI: 10.1186/1471-2342-12-30.

14. Левашкина И.М., Серебрякова С.В., Кожевникова В.В., Алексанин С.С. Возможности диффузионно-тензорной магнитнорезонансной томографии в комплексной оценке когнитивных расстройств у ликвидаторов последствий аварии на Чернобыльской АЭС в отдаленном периоде (клинико-лучевые сопоставления) // Мед.-биол. и соц.-психол. пробл. безопасности в чрезв. ситуациях. 2017. № 4. С. 13–19.

15. Zakszewski E., Adluru N., Tromp do P.M. et al. A diffusion-tensorbased white matter atlas for rhesus macaques // PLoSONE. 2014. Vol. 9 (9). DOI: 10.1371/journal.pone.0107398.

16. Abdallah C.G., Tang C.Y., Mathew S.J. et al. Diffusion tensor imaging in studying white matter complexity: a gap junction hypothesis // Neurosci Lett. 2010. Vol. 475 (3). P. 161–164. DOI: 10.1016/j.neulet.2010.03.070.

17. Catani M., Thiebaut de Schotten M. A diffusion tensor imaging tractography atlas for virtual in vivo dis-sections // Cortex. 2008. Vol. 44 (8). P. 1105–1132. doi: 10.1016/j.cortex.2008.05.004.

18. Калашникова Л.А. Когнитивные нарушения и деменция при цереброваскулярных заболеваниях // Нервные болезни. 2005. № 2. С. 36–40.

19. Фокин В.А., Одинак М.М., Шамрей В.К. и др. Возможности количественной диффузионной тензорной магнитно-резонансной трактографии в диагностике неопухолевых заболеваний головного мозга // Вестн. Рос. Воен.-мед. акад. 2009. № 3. С. 145–150.

20. Liu J., Liang P., Yin L. et al. White Matter Abnormalities in Two Different Subtypes of Amnestic Mild Cognitive Impairment // PLoS One. 2017. Vol. 12 (1). doi: 10.1371/journal.pone.0170185.