Volumen intracraneal según imágenes de tomografía axial computarizada, como biomarcador de envejecimiento cerebral
Palabras clave:
biomarcadores, envejecimiento, tomografía computarizada, volumetría.Resumen
Introducción: La determinación de volúmenes de múltiples estructuras encefálicas es de gran importancia en el campo de las neurociencias, ya no solo con el objetivo de medir o detectar alteraciones estructurales, sino debido a la necesidad de realizar un diagnóstico precoz de enfermedades que afectan al sistema nervioso.Objetivo: Describir las diferencias entre la volumetría encefálica absoluta y estandarizada por el volumen intracraneal, así como la elaboración de las tablas de percentiles que caracterizan esta volumetría.
Métodos: Se desarrolló un estudio descriptivo, transversal de una serie de casos en 320 sujetos, con funciones neurocognitivas y examen neuropsiquiátrico normales, en edades comprendidas entre 30 y 79 años, a los que se les realizó tomografía computarizada de cráneo simple monocorte. Se aplicó un modelo lineal general multivariado, se ponderó el volumen intracraneal para descartar la influencia en los resultados del tamaño de la cabeza de los sujetos. El procesamiento digital de las imágenes se realizó a través del empleo de un método de segmentación de imagen basado en el análisis de texturas homogéneas e interpolación.
Resultados: El grupo de edad predominante fue el de 50 - 59 años (14,1 %).Los mayores volúmenes intracraneales absolutos estuvieron presentes en los hombres, una vez realizada la corrección residual de Nordenskjöld, fueron mayores en las mujeres. Se obtuvo una alta correlación entre el volumen encefálico total y el volumen intracraneal.
Conclusiones: La ponderación de los parámetros volumétricos en función del volumen intracraneal confirma que las diferencias atribuibles al sexo no son dependientes del volumen del cráneo.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
1. Mesa Pujals AA, Hernández Cortés KS, Montoya Pedrón A, Bolaños Vaillant S, Álvarez Guerra ED. Análisis de texturas homogéneas para la estimación volumétrica de la materia cerebral por tomografía computarizada. RCIM. 2022 [acceso: 09/09/2023]; 14(1): [aprox. 14 p.]. Disponible en: http://scielo.sld.cu/pdf/rcim/v14n1/1684-1859-rcim-14-01-e512.pdf
2. Valdés Sosa PA, Galán García L, Bosch Bayard J, Bringas Vega ML, Aubert Vázquez E, Rodríguez Gil I, et al. The Cuban Human Brain Mapping Project, a young and middle age population-based EEG, MRI, and cognition dataset. Sci data. 2021; 8(1):45. DOI: 10.1038/s41597-021-00829-7
3. Hernández- Cortés Katherine S, Mesa- Pujals Adrián A, García- Gómez Odalis, Montoya Pedrón A. Brain morphometry in adult: volumetric visualization as a tool in image processing. Rev Mex Neurocienc. 2021; 22(3):101-11. DOI: 10.24875/rmn.20000074
4. Spalletta G, Piras F, Gili T. Brain Morphometry, Neuromethods. En: Hiroshi M. Morphometry in Normal Aging. New Jersey: Human Press; 2018. p. 165-70. DOI: 10.1007/978-1-4939-7647-8
5. Bonilla Santos J, Zea Romero EY, Cala Martínez DY, González Hernández A. Marcadores cognitivos, Biológicos, Anatómicos y Conductuales del Deterioro Cognitivo Leve y la Enfermedad de Alzheimer. Una revisión sistemática. Rev Ecuat Neurol. 2021; 30(2):57-67. DOI: 10.46997/revecuatneurol30200057
6. Harris SE, Cox S R, Bell S, Marioni RE, Prins BP, Pattie A, et al. Neurology-related protein biomarkers are associated with cognitive ability and brain volume in older age. Nature Communications. 2020; 11:800. DOI: 10.1038/s41467-019-14161-7
7. Ballarini T, van Lent D M, Brunner J, Schröder A, Wolfsgruber S, Altenstein S, et al. Mediterranean diet, Alzheimer disease biomarkers, and brain atrophy in old age. Neurology. 2021; 96(24):e2920-e2932. DOI: 10.1212/WNL.0000000000012067
8. Rouviere H, Delmas A. Anatomía Humana Descriptiva, Topográfica y Funcional. 11.ª ed. Francia: Masson; 2005.
9. Mohanty A, Mahapatra S, Bhanja U. Traffic congestion detection in a city using clustering techniques in VANETs. Indones. J Electr Eng Comput Sci. 2019; 13(2):884-91. DOI: 10.11591/ijeecs.v13.i3.pp884-891 10
10. Heurtier A. Texture feature extraction methods: A survey. IEEE Access. 2019; 7:8975-9000. DOI: 10.1109/ACCESS.2018.2890743
11. Baecker L, Dafflon J, Da Costa PF, García‐Días R, Vieira S, Scarpazza C, et al. Brain age prediction: A comparison between machine learning models using region‐and voxel‐based morphometric data. Hum Brain Mapp. 2021; 42(8):2332-46. DOI: 10.1002/hbm.25368
12. Soltanian Zadeh H, Windham JP. A multiresolution approach for contour extraction from brain images. J Med Phys.1997; 24(12):1844-53. DOI: 10.1118/1.598099
13. Kollem S, Reddy KR, Rao DS. A review of image denoising and segmentation methods based on medical images. Int J Mach Learn Comput. 2019; 9(3):288-95. DOI: 10.18178/ijmlc.2019.9.3.800.
14. Smith SM, Zhang Y, Jenkinson M, Chen J, Matthews PM, Federico A, et al. Accurate, robust, and automated longitudinal and cross-sectional brain change analysis. Neuroimage.2002; 17(1):479-89. DOI:10.1006/nimg.2002.1040
15. Nordenskjöld R, Malmberg F, Larsson EM, Simmons A, Ahlström H, Johansson L, et al. Intracranial volume normalization methods: considerations when investigating gender differences in regional brain volume. Psychiatry Research: Neuroimaging. 2015; 231(3):227-35. DOI: 10.1016/j.pscychresns.2014.11.011
16. Totty N, Molyneux J, Fuentes C. The Importance of Discussing Assumptions when Teaching Bootstrapping. arXiv [preprint]. 2021. DOI:10.48550/arXiv.2112.07737
17. Van Loenhoud AC, Groot C, Vogel JW, Van Der Flier WM, Ossenkoppele RR. Is intracraneal volume a suitable proxy for brain reserve? Alzheimer´s research & therapy. 2018; 10(1):1-12. DOI:10.1186/s13195-018-0408-5
18. Caspi Y, Brouwer RM, Schnack HG, van de Nieuwenhuijzen ME, Cahn W, Kahn RS, et al. Changes in the intracranial volume from early adulthood to the sixth decade of life: A longitudinal study. NeuroImage. 2020; 220:116842. DOI: 10.1186/s13195-018-0408-5
19. MacLullich AMJ, Ferguson KJ, Deary IJ, Seckl JR, Starr JM, Wardlaw JM. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 2002; 59(2):169-74. DOI: 10.1212/wnl.59.2.169
20. Klasson N, Olsson E, Eckerstrom C, Malmgren H, Wallin A. Estimated intracraneal volume from Free Surfer is biased by total brain volume. European Radiology Experimental. 2018; 2(1):1-6. DOI: 10.1186/s41747-018-0055-4
21. Bigler ED, Tate DF. Brain volume, intracranial volume, and dementia. Investigative radiology. 2001; 36(9):539-46. DOI: 10.1097/00004424-200109000-00006
22. Farokhian F, Yang C, Beheshti I, Matsuda H, Wu S. Age-related gray and white matter changes in normal adult brains. Aging and disease. 2017; 8(6):899. DOI: 10.1097/00004424-200109000-00006
23. Klein M, Walters RK, Demontis D, Stein JL, Hibar DP, Adams HH, et al. Genetic markers of ADHD-related variations in intracranial volume. American Journal of Psychiatry. 2019; 176(3):228-38. DOI: 10.1176/appi.ajp.2018.18020149
2. Valdés Sosa PA, Galán García L, Bosch Bayard J, Bringas Vega ML, Aubert Vázquez E, Rodríguez Gil I, et al. The Cuban Human Brain Mapping Project, a young and middle age population-based EEG, MRI, and cognition dataset. Sci data. 2021; 8(1):45. DOI: 10.1038/s41597-021-00829-7
3. Hernández- Cortés Katherine S, Mesa- Pujals Adrián A, García- Gómez Odalis, Montoya Pedrón A. Brain morphometry in adult: volumetric visualization as a tool in image processing. Rev Mex Neurocienc. 2021; 22(3):101-11. DOI: 10.24875/rmn.20000074
4. Spalletta G, Piras F, Gili T. Brain Morphometry, Neuromethods. En: Hiroshi M. Morphometry in Normal Aging. New Jersey: Human Press; 2018. p. 165-70. DOI: 10.1007/978-1-4939-7647-8
5. Bonilla Santos J, Zea Romero EY, Cala Martínez DY, González Hernández A. Marcadores cognitivos, Biológicos, Anatómicos y Conductuales del Deterioro Cognitivo Leve y la Enfermedad de Alzheimer. Una revisión sistemática. Rev Ecuat Neurol. 2021; 30(2):57-67. DOI: 10.46997/revecuatneurol30200057
6. Harris SE, Cox S R, Bell S, Marioni RE, Prins BP, Pattie A, et al. Neurology-related protein biomarkers are associated with cognitive ability and brain volume in older age. Nature Communications. 2020; 11:800. DOI: 10.1038/s41467-019-14161-7
7. Ballarini T, van Lent D M, Brunner J, Schröder A, Wolfsgruber S, Altenstein S, et al. Mediterranean diet, Alzheimer disease biomarkers, and brain atrophy in old age. Neurology. 2021; 96(24):e2920-e2932. DOI: 10.1212/WNL.0000000000012067
8. Rouviere H, Delmas A. Anatomía Humana Descriptiva, Topográfica y Funcional. 11.ª ed. Francia: Masson; 2005.
9. Mohanty A, Mahapatra S, Bhanja U. Traffic congestion detection in a city using clustering techniques in VANETs. Indones. J Electr Eng Comput Sci. 2019; 13(2):884-91. DOI: 10.11591/ijeecs.v13.i3.pp884-891 10
10. Heurtier A. Texture feature extraction methods: A survey. IEEE Access. 2019; 7:8975-9000. DOI: 10.1109/ACCESS.2018.2890743
11. Baecker L, Dafflon J, Da Costa PF, García‐Días R, Vieira S, Scarpazza C, et al. Brain age prediction: A comparison between machine learning models using region‐and voxel‐based morphometric data. Hum Brain Mapp. 2021; 42(8):2332-46. DOI: 10.1002/hbm.25368
12. Soltanian Zadeh H, Windham JP. A multiresolution approach for contour extraction from brain images. J Med Phys.1997; 24(12):1844-53. DOI: 10.1118/1.598099
13. Kollem S, Reddy KR, Rao DS. A review of image denoising and segmentation methods based on medical images. Int J Mach Learn Comput. 2019; 9(3):288-95. DOI: 10.18178/ijmlc.2019.9.3.800.
14. Smith SM, Zhang Y, Jenkinson M, Chen J, Matthews PM, Federico A, et al. Accurate, robust, and automated longitudinal and cross-sectional brain change analysis. Neuroimage.2002; 17(1):479-89. DOI:10.1006/nimg.2002.1040
15. Nordenskjöld R, Malmberg F, Larsson EM, Simmons A, Ahlström H, Johansson L, et al. Intracranial volume normalization methods: considerations when investigating gender differences in regional brain volume. Psychiatry Research: Neuroimaging. 2015; 231(3):227-35. DOI: 10.1016/j.pscychresns.2014.11.011
16. Totty N, Molyneux J, Fuentes C. The Importance of Discussing Assumptions when Teaching Bootstrapping. arXiv [preprint]. 2021. DOI:10.48550/arXiv.2112.07737
17. Van Loenhoud AC, Groot C, Vogel JW, Van Der Flier WM, Ossenkoppele RR. Is intracraneal volume a suitable proxy for brain reserve? Alzheimer´s research & therapy. 2018; 10(1):1-12. DOI:10.1186/s13195-018-0408-5
18. Caspi Y, Brouwer RM, Schnack HG, van de Nieuwenhuijzen ME, Cahn W, Kahn RS, et al. Changes in the intracranial volume from early adulthood to the sixth decade of life: A longitudinal study. NeuroImage. 2020; 220:116842. DOI: 10.1186/s13195-018-0408-5
19. MacLullich AMJ, Ferguson KJ, Deary IJ, Seckl JR, Starr JM, Wardlaw JM. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 2002; 59(2):169-74. DOI: 10.1212/wnl.59.2.169
20. Klasson N, Olsson E, Eckerstrom C, Malmgren H, Wallin A. Estimated intracraneal volume from Free Surfer is biased by total brain volume. European Radiology Experimental. 2018; 2(1):1-6. DOI: 10.1186/s41747-018-0055-4
21. Bigler ED, Tate DF. Brain volume, intracranial volume, and dementia. Investigative radiology. 2001; 36(9):539-46. DOI: 10.1097/00004424-200109000-00006
22. Farokhian F, Yang C, Beheshti I, Matsuda H, Wu S. Age-related gray and white matter changes in normal adult brains. Aging and disease. 2017; 8(6):899. DOI: 10.1097/00004424-200109000-00006
23. Klein M, Walters RK, Demontis D, Stein JL, Hibar DP, Adams HH, et al. Genetic markers of ADHD-related variations in intracranial volume. American Journal of Psychiatry. 2019; 176(3):228-38. DOI: 10.1176/appi.ajp.2018.18020149
Publicado
21.12.2023
Cómo citar
1.
Hernández Cortés KS, Sagaró del Campo NM, Montoya Pedrón A. Volumen intracraneal según imágenes de tomografía axial computarizada, como biomarcador de envejecimiento cerebral. Rev Cubana Med Milit [Internet]. 21 de diciembre de 2023 [citado 7 de marzo de 2025];53(1):e024018273. Disponible en: https://revmedmilitar.sld.cu/index.php/mil/article/view/18273
Número
Sección
Artículo de Investigación
Licencia
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cual estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons. Los contenidos que aquí se exponen pueden ser compartidos, copiados y redistribuidos en cualquier medio o formato. Pueden ser adaptados, remezclados, transformados o creados otros a partir del material, mediante los siguientes términos: Atribución (dar crédito a la obra de manera adecuada, proporcionando un enlace a la licencia, e indicando si se han realizado cambios); no-comercial (no puede hacer uso del material con fines comerciales) y compartir-igual (si mezcla, transforma o crea nuevo material a partir de esta obra, podrá distribuir su contribución siempre que utilice la misma licencia que la obra original).
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada.
