• Brain Network
• DWI
• MRI
• RS-fMRI
• Teoria dei Grafi

Scopo del lavoro di tesi è lo studio della connettività cerebrale attraverso l'analisi e l'integrazione di misure strutturali e funzionali ottenute mediante tecniche di Magnetic Resonance Imaging (MRI) analizzate in termini di reti complesse. Le connessioni cerebrali, strutturali e funzionali, sono state rappresentate e studiate in termini di reti complesse. La rappresentazione in termini matematici di una rete del mondo reale é detta grafo, i cui componenti principali sono nodi e link. Un nodo è un elemento fisico all'interno della rete che è capace di inviare e/o ricevere informazioni. Un link, invece, è una connessione ed è rappresentato da un valore numerico che quantifica lo scambio di informazioni tra due nodi. Nel caso di reti neurali, i nodi e i link sono, rispettivamente, le regioni cerebrali ed i parametri che caratterizzano il tipo di connessione utilizzata. Le reti cerebrali sono considerate reti complesse, in quanto descrivono dei sistemi composti da molti nodi e link. Per una migliore visualizzazione, è utile rappresentare la rete come una matrice nxn, dove n è il numero di nodi e l'elemento (i,j) della matrice rappresenta il link tra i nodi i e j. L'obiettivo dell'analisi delle reti cerebrali è quello di ricavare delle indicazioni che servano a spiegare i meccanismi che hanno portato alla formazione della rete stessa. Dal punto di vista clinico, l'analisi di queste reti potrebbe essere uno strumento importante nello studio della funzionalità cerebrale per studi di Neuroscienze o in casi di malattie del sistema nervoso centrale. La caratterizzazione sistematica di tali reti potrebbe aiutare nella migliore comprensione della fisiopatologia della malattia.
In questa tesi, per valutare eventuali differenze nella connettività sia funzionale che strutturale in vivo, è stato implementato un metodo di analisi delle reti che è stato dapprima valutato su soggetti sani di controllo (N=11) e, successivamente, è stato applicato su un modello di patologia. In particolare è stato deciso di studiare una condizione in cui l'anatomia cerebrale è preservata ma sono attese alterazioni ultrastrutturali e funzionali: soggetti destrimani che hanno subito l'amputazione dell'arto superiore destro.
Nella trattazione della connettività cerebrale con reti complesse, il primo passo è la definizione dei nodi, ovvero di regioni cerebrali ben definite. Per ogni soggetto le immagini anatomiche T1 pesate dell'encefalo sono state normalizzate ad un atlante di riferimento e, quindi, segmentate e parcellizzate così da ottenere 58 Regions Of Interest (ROI) standardizzate, ciascuna rappresentate un nodo (software Freesurfer). Lo step successivo è consistito nell'identificazione dei link strutturali e funzionali.
Nelle reti di connettività strutturale si assume che i link siano le connessioni di struttura anatomica che, in Risonanza Magnetica (RM), possono essere determinate utilizzando la tecnica a pesatura in diffusione (DWI). Essa è una particolare sequenza che permette di osservare gli effetti della diffusione basandosi sull'applicazione di gradienti di campo magnetico in diverse direzioni e, quindi, di mappare tridimensionalmente le fibre (trattografia) che costituiscono la materia bianca basandosi sull'effetto dell'anisotropia di processi diffusivi dell'acqua nell'encefalo. Esistono più tecniche per quantificare il grado di anisotropia della materia bianca. In questa tesi è stata utilizzata la tecnica di ricostruzione chiamata Constrained Spherical Deconvolution (CSD). La CSD permette di ottenere una distribuzione di probabilità di orientamento delle fibre di materia bianca (Fiber Orientation Distribution, FOD) all'interno di ogni voxel. A partire da questo, si può ricostruire, voxel per voxel, la traiettoria di tutte le fibre che costituiscono le connessioni assonali del cervello. L'analisi strutturale ha riguardato il preprocessing delle immagini ed il calcolo degli invarianti di diffusione fino alla estrazione della trattografia delle fibre di sostanza (software MRtrix).
Nelle reti di connettività funzionale, i link descrivono la correlazione temporale tra eventi neurofisiologici distanti spazialmente durante l'attività a riposo del cervello. Lo studio della connettività funzionale si basa sull'acquisizione e l'analisi di dati di Resting state Functional Magnetic Resonance Imaging (RS-fMRI). Questa tecnica consiste in una rapida acquisizione del segnale che, ripetuto per un intervallo di tempo finito, permette di avere, per ogni voxel, un segnale temporalmente dipendente dal livello di ossigenazione della corteccia cerebrale e, pertanto, indice indiretto dell'attività neuronale. In questo lavoro di tesi, è stata scelta la Seed-Based Correlation Analysis (SCA) per ottenere una mappa di connettività in cui, per ogni nodo, viene visualizzato il valore del parametro di correlazione con un altro nodo di riferimento (seed). Tutta la pipeline dell'analisi di dati fMRI fino all'estrazione dei dati di connettività funzionale è stata sviluppata con il software CONN.
Le reti cerebrali sono state ottenute sia a livello di singolo soggetto che per i due gruppi di soggetti. Per l'analisi di gruppo sono state esplorate due diverse tecniche. Nella prima le matrici, sia strutturali che funzionali, sono state rese binarie sulla base di valori di soglia determinati dal livello di significatività statistica. Sommando le matrici dello stesso tipo di tutti i soggetti è stata ottenuta una matrice di "gruppo" che è stata confrontata, reiterando il processo, con delle matrici contenenti valori casuali. Effettuando un test statistico che aveva come ipotesi nulla l'assunzione che le matrici di connettività fossero random, le matrici di connettività di gruppo sono state determinate considerando solo i link per cui l'ipotesi nulla è stata rigettata.
Nel secondo metodo, la matrice di gruppo è stata ricavata tramite la media delle matrici dei singoli soggetti. Essendo quest'ultima tecnica risultata più riproducibile anche nel caso di un numero ristretto di soggetti (4 nel caso degli amputati), essa è stata adottata nell'analisi successiva.
Sulle matrici di gruppo, strutturali e funzionali, sono state effettuate, quindi, misure di segregazione e centralità.
La segregazione identifica le strutture modulari formate da gruppi di nodi (moduli). Per modulo si intende una sotto-rete in cui le connessioni tra i nodi che ne fanno parte sono massimizzate rispetto a quelle con gli altri nodi della rete. L'analisi dei moduli ha permesso di identificare dei circuiti cerebrali ben definiti.
Le misure di centralità hanno permesso di capire quali fossero i nodi con maggiore importanza all'interno dei moduli stessi (hub). Successivamente, attraverso un algoritmo definito ad hoc, si è cercato di identificare, all'interno di ciascuna rete e di ciascun modulo, i provincial hubs ed i connector hubs. I primi svolgono un ruolo importante per la coesione del modulo di cui fanno parte. I connector hubs, invece, favoriscono l'interazione inter-modulare.
Infine, si è passati a valutare le differenze tra le reti strutturali e funzionali ottenute tra i due gruppi di soggetti. A questo scopo, oltre al contributo diretto delle reti ottenute, si è cercato di evidenziare eventuali alterazioni di connettività grazie all'integrazione delle informazioni dei due diversi tipi di connettività.
Il metodo messo a punto in questa tesi ha permesso sia di ottenere informazioni sul diverso comportamento nei due emisferi cerebrali sia di riscontrare differenze tra gruppi di controlli e di amputati. I risultati, quindi, spingono ad estendere l'utilizzo di questo metodo di analisi ad altre patologie che possono alterare il funzionamento fisiologico della connettività cerebrale.