Name: brain morphology of cannabis users with or without psychosis: a pilot mri study
Uploaded: 2020-08-18T13:30:00.000+00:00
Duration: 7 min 30 s
Description: Watch this Scientific Journal Video about Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study at JoVE.com

10 CIP-Patienten und 12 NPCU wurden für diese Studie rekrutiert. Alle Patienten wurden in der Psychiatrie des Universitätskrankenhauses für Poliklinik in Mailand, Italien, rekrutiert, während die Cannabiskonsumenten im Mailänder Einzugsgebiet eingeschrieben waren. Alle Patienten befanden sich in einer stabilen pharmakologischen Behandlung. Es wurden entweder Links- oder Rechtshänder eingeschlossen. Alle Teilnehmer hatten einen gewohnheitsmäßigen Cannabiskonsum und die Art der Droge, die Häufigkeit und die Dauer sowie soziodemografische, klinische und psychosoziale Parameter der Abhängigkeit wurden gemessen. Die Studie wurde von der lokalen Ethikkommission genehmigt.
1. Teilnehmer
<ol><li>Verwenden Sie die folgenden Einschlusskriterien: Für Patienten: Alter 18-45 Jahre, DSM-IV-Diagnose einer Cannabis-induzierten psychotischen Störung, starker Cannabiskonsum zum Zeitpunkt der Studie und in den letzten 6 Monaten. Für NPCU: Alter 18-45 Jahre, keine DSM-IV-Diagnose, starker Cannabiskonsum zum Zeitpunkt der Studie und in den letzten 6 Monaten.</li>
	<li>Verwenden Sie die folgenden Ausschlusskriterien: eine Diagnose einer geistigen Behinderung, eine aktuelle schwere medizinische oder neurologische Erkrankung, eine Traumatraumverletzung mit Bewusstseinsverlust in der Vorgeschichte und jede andere Achse I, einschließlich Alkoholmissbrauch, oder Störungen der Achse II und Schwangerschaft. Stellen Sie sicher, dass psychotische Symptome nicht dem Beginn des Cannabiskonsums vorausgehen und nicht über einen längeren Zeitraum nach Beendigung des akuten Entzugs oder der schweren Intoxikation anhalten. Stellen Sie sicher, dass kein Verlauf wiederkehrender nicht substanzbezogener Episoden vorliegt.</li>
	<li>Um eine Einwilligung nach Aufklärung zu erhalten, lesen Sie die Einwilligungserklärung an die Teilnehmer. Lassen Sie sowohl den Teilnehmer als auch den Ermittler die Einverständniserklärung in zweifacher Ausfertigung unterschreiben. Speichern Sie die Einwilligungserklärung für Aufzeichnungen.</li>
	<li>Um die Diagnose von CIP-Patienten zu bewerten, verwenden Sie das Structured Clinical Interview for Diagnosis (SCID-I) des Diagnostic and Statistical Manual of Mental Disorders, 4. Auflage, Textrevision (DSM-IV-TR)27.</li>
	<li>Um die Häufigkeit und dauer der Abhängigkeit zu bestimmen, verwenden Sie das Handbuch für das semistrukturierte klinische Interview für Kinder und Jugendliche SCICA28.</li>
</ol>2. Klinische und psychosoziale Bewertung
HINWEIS: Allen Teilnehmern wurden mehrere klinische und psychosoziale Skalen verabreicht.
<ol><li>Um psychiatrische Symptome zu bewerten, verwenden Sie die Brief Psychiatric Rating Scale (BPRS)29, die Young Mania Rating Scale (YMRS)30, die Montgomery-Åsberg Depression Rating Scale (MADRS)31, die Hamilton Depression Rating Scale (HAM-D)32 und die Hamilton Anxiety Rating Scale (HAM-A)33.</li>
	<li>Um das Vorhandensein eines Traumas oder einer Infektion während oder unmittelbar nach der Partum zu untersuchen, verwenden Sie die Murray-Lewis Obstetric Complications Scale (MLOCS)34.</li>
	<li>Um Erfahrungen mit Vernachlässigung oder Missbrauch zu bewerten, verwenden Sie den Childhood Experience of Care and Abuse Questionnaire (CECA-Q)35.</li>
	<li>Um den sozioökonomischen Status (SES) zu schätzen, verwenden Sie die sozioökonomische Statusskala von MacArthur36.</li>
	<li>Verwenden Sie die Nachbarschaftsskala (NS)37, um die spezifischen Merkmale des Viertels in Bezug auf die Zufriedenheit der Nachbarschaft (NS-A), das Sicherheitsgefühl (NS-B), den Grad der Degradation (NS-C), die Bereitschaft der Mitbürger, in widrigen Situationen einzugreifen (NS-D), und den Grad der Akzeptanz von Substanzen (NS-E) zu bewerten.</li>
	<li>Verwenden Sie das Temperament- und Charakterinventar (TCI-125) zur Erforschung von Persönlichkeitsmerkmalen38,39.</li>
	<li>Zur Beurteilung der Lebensqualität und des globalen Funktionierens verwenden Sie die Manchester Short Assessment of Quality of Life (MANSA)40 und den Quality of Life Index (QL-Index)41 bzw. die Global Assessment of Functioning (GAF)27 Skalen. HINWEIS: Alle soziodemografischen und klinischen Daten sind in Tabelle 1zusammengefasst.</li>
</ol>3. Magnetresonanztomographie
<ol><li>Setzen Sie den Teilnehmer in Rückenlage auf das Bett des 3 Tesla MRT-Scanners ein.</li>
	<li>Legen Sie eine Hochfrequenzspule (RF) über den Kopf des Teilnehmers.</li>
	<li>Stellen Sie Ohrstöpsel und Kopfhörer zur Verfügung, um Hintergrundgeräusche zu blockieren.</li>
	<li>Befestigen Sie Schaumstoffpolster, um den Kopf zu immobilisieren.</li>
	<li>Weisen Sie das Subjekt an, still zu bleiben.</li>
	<li>Führen Sie die MRT-Sitzung von der Workstation im Kontrollraum aus.<ol>
<li>Führen Sie einen 3-Ebenen-Gradientenechoscan für Ausrichtung und Lokalisierung durch und führen Sie ein Shim-Verfahren durch, um ein homogenes, konstantes Magnetfeld zu erzeugen.</li>
		<li>Starten Sie ein Echoplanar-Bildgebungsprotokoll für die MRT. Die Erfassungsparameter für die Erfassung eines hochauflösenden T1-gewichteten dreidimensionalen Hirnscans sind bereits im bildgebenden Programm eingestellt und sollten nicht verändert werden. Die Parameter sind: Wiederholungszeit [TR] = 9,8, Echozeit [TE] = 4,6 ms, in Ebene Voxelgröße = 0,9375 × 0,9375, Matrix = 256 × 256, Kehrwinkel = 8°.</li>
	</ol>
</li>
	<li>Entfernen Sie den Teilnehmer aus dem MR-Scannerraum. Übertragen Sie die MR-Daten auf die Festplatte und schließen Sie die Sitzung. HINWEIS: Insgesamt 185 zusammenhängende 1 mm sagittale Scheiben, die sich überlegen vom unteren Aspekt des Kleinhirns erstrecken, um den größten Teil des Gehirns zu umfassen, wurden aus einem sagittalen Lokalisierer-Scan ausgewählt.</li>
</ol>4. Vorverarbeitungsschritte
HINWEIS: Eine voxelbasierte Morphometrieanalyse sollte mithilfe von Statistical Parametric Mapping (SPM12) durchgeführt werden, das in MATLAB implementiert ist.
<ol><li>Führen Sie die folgenden Vorverarbeitungsschritte aus, die in der Skriptdatei Script_pre angezeigt werden, bevor Sie Gruppenanalysen durchführen.<ol>
<li>Segmentierung: Verarbeiten Sie das Strukturbild, um die Gewebe der weißen Substanz, die Gewebe der grauen Substanz und die Zerebrospinalflüssigkeit in verschiedene Bilder zu unterscheiden und zu trennen. Diese Trennung wird durch die Kombination von Wahrscheinlichkeitskarten erreicht, die aus dem allgemeinen Wissen über die Gewebeverteilung in Kombination mit Modellclusteranalysen ausgearbeitet wurden, die Voxelverteilungen bestimmter Gewebe im Originalbild identifizieren. Führen Sie die Batchdatei segment.mat aus.</li>
		<li>DARTEL-Werkzeuge (Diffeomorphic Anatomical Registration Through Exponentiated Lie algebra): Bestimmen Sie die nichtlinearen Verformungen zur Registrierung der GM- und White-Matter-Bilder aller Teilnehmer. Führen Sie die Batchdatei create_template.mat aus.</li>
		<li>Normalisierung: Passen Sie während der räumlichen Normalisierungsphase MRT-Bilder an eine anatomische Standardvorlage an. Dies liegt daran, dass jedes Subjekt wenig Unterschiede in der Form und Organisation des Gehirns hat, wie die Größe und morphologische Unterschiede in den Strukturen. Führen Sie die Batchdatei normalize_to_MNI.mat aus.</li>
		<li>Räumliche Glättung: Führen Sie nach der Bewegungskorrektur einen isotropen Gaußkern von 6 mm voller Breite bei halbem Maximum des Gaußkerns durch, um das Signal-Rausch-Verhältnis zu erhöhen und subtile Variationen in anatomischen Strukturen zu berücksichtigen. Führen Sie die Batchdatei normalize_to_MNI.mat aus.</li>
		<li>Extrahieren Sie das gesamte intrakranielle Volumen (ICV) mit SPM12: Es kann erhalten werden, indem die Dichtewerte in Bildern der GM-, Weißen Substanz- und CSF-Klasse addiert und mit den Voxelvolumina multipliziert werden. HINWEIS: Sobald die Vorverarbeitung abgeschlossen ist, ist es möglich, die Daten auszuarbeiten. HINWEIS: Bitte lesen Sie das SPM-Handbuch (https://www.fil.ion.ucl.ac.uk/spm/doc/spm12_manual.pdf), das eine detaillierte Beschreibung der in dieser Studie verwendeten Vorverarbeitungsschritte und der zu verwendenden SPM-Befehle enthält. Bitte beachten Sie auch das Skript und die Matlab-Chargen, die in den ergänzenden Materialien enthalten sind, mit den genauen Vorverarbeitungsschritten, die für diese Studie verwendet wurden.</li>
	</ol>
</li>
</ol>5. Statistische Auswertungen
<ol><li>Führen Sie Chi-Quadrat-Tests (kategoriale Variablen) und zwei Stichproben-t-Tests (quantitative Variablen) durch, um Unterschiede zwischen den beiden Gruppen auf demografischer, klinischer und psychosozialer Ebene zu untersuchen.</li>
	<li>Führen Sie eine einseitige Varianzanalyse (ANOVA) im Rahmen eines GLM-Designs (General Linear Model) durch, um GM-Volumina zwischen CIP-Patienten und NPCU zu vergleichen. Geschlecht und Alter wurden in allen Analysen als Steuerungsgrößen verwendet. Führen Sie die einseitige ANOVA-Batchdatei aus.</li>
	<li>Führen Sie Regressionsanalysen des gesamten Gehirns durch, nur für die CIP-Gruppe, um zu untersuchen, ob die Scores in allen klinischen und psychosozialen Skalen, die in dieser Studie verwendet wurden, signifikant mit GM-Volumenänderungen korreliert waren. Verwenden Sie keine Gehirnmaske, sondern berücksichtigen Sie alle Voxel. Führen Sie die Batchdatei für die Regressionsanalyse mit der interessierenden klinischen Skala aus.</li>
	<li>Konvertieren Sie stereotaktische Koordinaten der Peakmaxima der supraschweren Cluster aus dem MNI Spatial Array (www.mni.mcgill.ca) in die von Talairach und Tournoux42. HINWEIS: In allen neuroanatomischen Analysen wurden die volumetrischen Unterschiede zwischen den Probanden durch proportionale Skalierung für das gesamte intrakranielle Volumen (ICV) berücksichtigt.<ol>
<li>Setzen Sie für die ANOVA den Signifikanzschwellenwert auf p < 0,001 unkorrigiert, mit einer minimalen Clustergröße von k = 30, während für die multiplen Regressionsanalysen ein p < 0,05 Peak Family-Wise Error (pFWE) korrigiert wurde, als signifikant angesehen wurde und eine minimale Clustergröße von k = 10 verwendet wurde. Der frühere Schwellenwert wurde aufgrund des geringen Stichprobenumfangs, der in dieser Studie verwendet wurde, berücksichtigt, und daher müssen die Ergebnisse dieser Analyse als vorläufig betrachtet werden. Der letztgenannte Schwellenwert ist strenger, da der p-Wert für mehrere Vergleiche korrigiert wird. HINWEIS: Weitere Informationen zu den Nachbearbeitungsschritten finden Sie im VBM8-Handbuch (http://dbm.neuro.uni-jena.de/vbm8/VBM8-Manual.pdf). Bitte beachten Sie auch die Matlab-Chargen mit den Namen "Einweg-ANOVA" und "Regressionsanalyse", die in den ergänzenden Materialien mit dem für diese Studie verwendeten genauen Modell enthalten sind. Aufgrund des explorativen Charakters dieser Studie wäre eine formale Stichprobengrößenberechnung von geringem Wert gewesen und daher nicht durchgeführt worden.</li>
	</ol>
</li>
</ol>

In der vorliegenden Studie beobachteten wir, dass nur das Vorhandensein psychotischer Symptome die Erkennung morphologischer Veränderungen des Gehirns diskriminierte. Tatsächlich zeigten chronische Cannabiskonsumenten mit CIP im Vergleich zu nicht-psychotischen Cannabiskonsumenten (NPCU) geringere GV-Volumina hauptsächlich im präfronto-temporo-limbischen Netzwerk. Darüber hinaus wurden in Bezug auf die psychometrischen Fragebögen Korrelationen zwischen der Domäne BPRS-Aktivität und selektiven GM-Volumina hervorgehoben. Insbesondere beobachteten wir eine negative Korrelation zwischen einer solchen BPRS-Skala und dem linken oberen temporalen Kortex und dem linken Kleinhirn zusammen mit einer positiven Korrelation mit dem Cuneus bilateral, dem linken gyipitalen okzipitalen inferior, dem rechten parietalen Läppchen und dem rechten oberen präfrontalen Kortex. Wir sollten jedoch erwähnen, dass das Fehlen einer Kontrollgruppe gesunder Probanden ohne Cannabisabhängigkeit uns daran hinderte, zu untersuchen, ob Cannabiskonsum Gehirnveränderungen verursachte oder nicht.
Im Allgemeinen sind die Ergebnisse nicht überraschend, da frühere MRT-Studien zeigten, dass psychotische Störungen wie Schizophrenie ähnliche GM-Anomalien aufwiesen, insbesondere in frontalen und temporo-limbischen Regionen29,30. Es ist jedoch noch unklar, warum einige chronische Cannabiskonsumenten psychotische Symptome entwickelten, während andere gesund blieben. Tatsächlich haben wir in der Stichprobe nur kleine klinische Unterschiede zwischen den beiden Gruppen festgestellt, und daher sind die in der CIP-Gruppe beobachteten umfangreichen GV-Anomalien möglicherweise nicht mit ihrem spezifischen klinischen Profil verbunden. Insbesondere berichteten 9 von 10 CIP-Patienten über einen täglichen Cannabiskonsum im Vergleich zu 7 von 12 in der NPCU-Gruppe. Darüber hinaus wurden keine Unterschiede in Bezug auf Alter, Geschlecht, Alter des Beginns des Cannabiskonsums und Bildungsniveau zwischen den beiden Gruppen festgestellt. Wir sollten jedoch bedenken, dass dieser Mangel an Unterschieden auf die geringe Stichprobengröße zurückzuführen sein könnte, die auch die Möglichkeit einschränkte, diese Faktoren statistisch zu analysieren und zu interpretieren. Eine Hypothese ist, dass der psychotische Prozess selbst für die Abnahme des Gehirnvolumens verantwortlich ist, unabhängig vom Cannabiskonsum. Tatsächlich zeigten frühere Studien keine GM-Unterschiede zwischen psychotischen Patienten mit und ohne Cannabiskonsum, so dass keine eindeutigen Beweise dafür gefunden wurden, dass Cannabiskonsum mit GM-Veränderungen bei psychotischen Patienten der ersten Episode zusammenhängt45. Cannabiskonsum könnte jedoch nur in einer Untergruppe von anfälligen Cannabiskonsumenten zu Gehirnveränderungen und anschließend zu Psychosen beigetragen haben.
Die erste Hypothese stimmt mit den Studien zusammen, die Hirnanomalien bei psychotischen Störungen zeigen. Insbesondere zeigten die Ergebnisse, dass CIP-Patienten im Vergleich zu NPCU eine umfangreiche Abnahme des GM-Volumens in einigen Gehirnbereichen aufwiesen, von denen bekannt ist, dass sie an der emotionalen Regulation beteiligt sind, wie frontotemporale Kortikale, Insula, Hippocampus und Fusiformer Gyrus46. Interessanterweise könnten Störungen in diesen Strukturen, insbesondere in präfrontalen Regionen, die Stimmungsinstabilität und größere emotionale Reaktivität bei Jugendlichen und jungen Erwachsenen sowie impulsives Verhalten und Substanzsuche erklären33,34. Tatsächlich wurde immer wieder berichtet, dass Emotionsregulation/ -verarbeitung mit der Rekrutierung einer Reihe von präfrontalen Gehirnregionen verbunden ist, die an der kognitiven Kontrolle über emotionale limbische Strukturen beteiligt sind. Zum Beispiel wurden größere Schwierigkeiten bei der emotionalen Regulation bei Tabakrauchern mit einer schwächeren Konnektivität zwischen Gyrus frontalis inferior und Amygdala im Vergleich zu Nichtrauchern in Verbindung gebracht49. Daher könnte es plausibel sein, dass bei CIP-Patienten die Entwicklung psychotischer Symptome mit einem gestörten Gleichgewicht zwischen diesen Strukturen verbunden war.
Darüber hinaus beobachteten wir, dass die Gruppe der CIP-Patienten Störungen im dorsolateralen präfrontalen Kortex (DLPFC) zeigte, einer Schlüsselregion, die an wichtigen kognitiven Funktionen beteiligt ist, einschließlich Arbeitsgedächtnis, exekutiven Funktionen50 und emotionaler Regulation51. In der Tat ist dieser Befund nicht überraschend, da der DLPFC mit Risikoüberwachungsregionen wie der Insula (einer Schlüsselstruktur des Salienznetzwerks, die kürzlich an der Sucht beteiligt war52)zusammenarbeitet, die auch in der Gruppe der CIP-Patienten verändert wurde, und dem vorderen cingulären Kortex, was letztendlich darauf hindeutet, dass Beeinträchtigungen bei der Unterscheidung von riskanten von sicheren Entscheidungen aus einer Störung zwischen DLPFC und solchen Risikoüberwachungsregionen resultieren können53.
Darüber hinaus zeigten CIP-Patienten eine Abnahme des GM-Volumens im oberen temporalen Kortex. Interessanterweise stimmt dieses Ergebnis mit den Beweisen einer früheren multimodalen Neuroimaging-Studie54zusammen, in der eine größere Stichprobe von CIP-Patienten (N = 16) eingesetzt wurde, von denen sich die Mehrheit mit der in dieser Studie verwendeten Stichprobe überschneidet, die eine umfangreiche GM-Veränderung der temporalen Cortices bei CIP-Patienten fand. Insgesamt bestätigt diese Evidenz die Schlüsselrolle des oberen temporalen Kortex bei Psychosen, da die Beteiligung dieser Struktur konsistent an Fähigkeiten berichtet wurde, die bei psychotischen Patienten häufig gestört sind, einschließlich Sprachverarbeitung und Theorie der Geistesfähigkeiten39,40. Die Ergebnisse stimmten auch mit früheren Beweisen überein, die den Zusammenhang zwischen Volumenreduktionen dieser Region und auditiven Halluzinationen oder Denkstörungen41,42 sowie mit einer früheren MRT-Studie berichteten, die auf die Störung dieses Bereichs bei substanzabhängigen Personen im Vergleich zu gesunden Kontrollenhindeutet 59.
Schließlich ergab sich aus den Ergebnissen eine signifikante Abnahme des GM-Volumens im Hippocampus bei CIP-Patienten. Ein solcher Befund steht im Einklang mit früheren Beweisen, die strukturelle und funktionelle Veränderungen in dieser Struktur bei frühen Psychosen und bei gefährdeten psychischen Zustanden / Psychosen der ersten Episode im Vergleich zu gesunden Kontrollenzeigen 60,61,62,63. Eine normale Hippocampus-Funktion ist für eine Reihe von mentalen Funktionenerforderlich,einschließlich Gedächtnis und emotionalem Verhalten48,49, und es wurde vorgeschlagen, dass ein reduziertes Volumen in dieser Struktur einen Marker für ein negatives klinisches Ergebnis bei Patienten mit einer Psychose der ersten Episode darstellen kann66. Im Gegensatz zu den Ergebnissen wurden jedoch auch bei jungen und erwachsenen Cannabiskonsumenten Hippocampus-Defizite berichtet, bei denen in dieser Region dünnere Kortikale und reduzierte Volumina festgestellt wurden67,68,69,70. Daher ist ein klares Bild über die Rolle des Hippocampus beim Drogenmissbrauch noch nicht erreicht. Nichtsdestotrotz deuten die Ergebnisse auf die Hypothese hin, dass das kortikos-limbische System in der Gruppe der CIP-Patienten kompromittiert ist, wie auch in einer früheren MRT-Studie54 vorgeschlagen und könnte die emotionalen Ausarbeitungsdefizite erklären, die als kritischer Vorläufer der zukünftigen psychotischen Entwicklung55,56vorgeschlagen wurden, die bei diesen Patienten häufig beobachtet wurden.
Daher scheint es vernünftig zu sein, die Hypothese zu stellen, dass Cannabis-induzierte Psychosen mit Gehirnveränderungen in Regionen innerhalb des präfronto-temporo-limbischen Netzwerks verbunden sind, die daher ein gemeinsames neurologisches Entwicklungssubstrat mehrerer Formen von Psychosen darstellen können. Interessanterweise schlugen Längsschnittstudien vor, dass einige Hirnstörungen, einschließlich kleinerer orbitofrontaler Kortexvolumina73,erhöhte frontoparietale und verminderte Aktivierung visueller Assoziationsregionen sowie kognitive Defizite, wie schlechtere exekutive Funktionen74,bereits vor Beginn der Cannabisabhängigkeit vorhanden sein können. Daher könnte es sein, dass diese Personen mit zugrunde liegenden Gehirnveränderungen nach Beginn des Cannabiskonsums eher psychotische Symptome entwickeln. Darüber hinaus gibt es Hinweise darauf, dass der Besitz von Risikoallelen in AKT1- und DRD2-Genen, die an der Dopaminsignalisierung beteiligt sind, mit einem erhöhten Risiko für die Entwicklung einer Psychose nach Cannabiskonsum verbunden ist3. Daher könnte der Nachweis morphologischer Abnahmen bei CIP-Patienten eine erhöhte genetische Anfälligkeit für die neurotoxische Wirkung des chronischen Cannabiskonsums bei dieser Gruppe von Probanden widerspiegeln.
Schließlich zeigten die Ergebnisse in der CIP-Gruppe auch eine negative Korrelation zwischen einer Subdomäne der BPRS, der BPRS-Aktivität, und selektiven GM-Volumina innerhalb des linken oberen temporalen Kortex und des linken Kleinhirns. Außerdem korrelierte diese Subskala positiv mit Cuneus bilateral, linkem Gyrus okzipitalis inferior, rechtem parietalem Läppchen und rechtem oberen präfrontalen Kortex. Obwohl Korrelationen zwischen klinischer Symptomatik und GM-Strukturen ausführlich berichtet wurden, insbesondere bei Schizophrenie75,sind die Ergebnisse immer noch heterogen, mit einem gemischten Bild voninversen 76, positiven77 oder keinen78 Korrelationen zwischen selektiven GM-Volumina und klinischen Skalen. Bemerkenswerterweise scheint die negative Korrelation, die zwischen BPRS-Aktivität und überlegenem temporalem Kortex beobachtet wurde, mit früheren MRT-Beweisen im Einklang zu stehen, die inverse Korrelationen zwischen dieser Struktur und dem positiven Symptomschweregrad76zeigen, was letztendlich auf die Schlüsselrolle dieser Struktur bei der Produktion psychotischer Symptome hindeutet. In ähnlicher Weise scheint die positive Korrelation zwischen BPRS-Aktivität und überlegenem präfrontalem Kortex mit anderen MRT-Studien übereinzustimmen, die eine ähnliche Korrelation zwischen negativen Symptomen und GM-Volumina mit dem präfrontalen Kortex79berichten.
Insgesamt liefern die Ergebnisse der aktuellen Studie vorläufige Beweise für das Vorhandensein eines signifikanten Zusammenhangs zwischen Gehirnveränderung und Schweregrad der Psychopathologie.
Die aktuelle Studie leidet unter einigen Einschränkungen. Erstens nahmen alle psychotischen Patienten pharmakologische Behandlungen ein, die die Ergebnisse hätten beeinflussen können. Zweitens erlaubt das Fehlen einer Kontrollgruppe, die aus gesunden Probanden besteht, die nicht Cannabis ausgesetzt sind, keinen weiteren Vergleich mit den beiden Gruppen von Cannabiskonsumenten (psychotisch und nicht). Obwohl die beiden Gruppen in Bezug auf die Anzahl der Probanden sehr ähnlich waren (10 CIP-Patienten vs. 12 NPCU), begrenzt die geringe Stichprobengröße die Signifikanz der erzielten Ergebnisse und muss daher als vorläufig betrachtet werden. Weitere Einschränkungen hängen eng mit der Art der untersuchten Population zusammen. Tatsächlich hatten einige Patienten mit CIP (6/10) und einem eher geringen Anteil an NPCU (3/12) eine lebenslange Vorgeschichte von anderem Substanzkonsum (z. B. Kokain, LSD und Heroin / Methadon). Darüber hinaus haben wir die genetischen Allele, die mit der Sucht verbunden sind, nicht untersucht, was dazu beigetragen haben könnte, die beiden Gruppen zu unterscheiden. Nichtsdestotrotz war der Cannabiskonsum, obwohl er in Bezug auf Häufigkeit, Volumen und Dauer mit einem bestimmten Instrument20bewertet wurde, nicht einheitlich über die beiden Gruppen hinweg. Schließlich haben wir in dieser Studie die Gehirnaktivierung nicht untersucht und den neurokognitiven Zustand der Probe nicht beurteilt. Daher könnte das Fehlen dieser Informationen die Ergebnisse beeinflusst haben, da frühere Studien das Vorhandensein selektiver Hirnfunktionsstörungen bei Patienten mit Schizophrenie mit Drogenmissbrauch im medialen präfrontalen Kortex, im orbitofrontalen Kortex und in der Amygdala sowie ein besseres prämorbides neurokognitives Profil mit einem größeren langfristigen Rückgang im Vergleich zu denselben Patienten ohneDrogenmissbrauch 80 zeigten. Daher sind weitere funktionelle MRT-Studien zur Untersuchung der Gehirnaktivität in Verbindung mit neuropsychologischen Bewertungen an größeren Proben und mit homogenen Konsumgewohnheiten erforderlich, um unsere Ergebnisse zu bestätigen.
Nach unseren Ergebnissen kann eine Cannabis-induzierte Psychose durch eine Abnahme des GM-Volumens in selektiven Gehirnstrukturen gekennzeichnet sein. Angesichts der entscheidenden und umfassenden Rolle des Endocannabinoidsystems im Gehirn, der zunehmenden Prävalenz des Cannabiskonsums, seines chronischen Konsums während der Neuroentwicklung sowie der zunehmend höheren THC-Konzentration auf dem aktuellen Markt scheint es daher zwingend erforderlich zu sein, zu klären, welche Aspekte der Cannabisexposition (z. B. Alter bei Beginn, Menge, Häufigkeit und Dauer) das größte Risiko für das Fortschreiten zu psychotischen Störungen bestimmen. Ob jedoch Reduktionen in präfronto-temporo-limbischen Regionen ein Substrat des psychotischen Prozesses selbst oder eine direkte Folge der Cannabisexposition bei anfälligen Probanden darstellen, bleibt ein komplexes Thema. In diesem Zusammenhang könnten die in der Studie verwendeten Methoden nützlich sein, um die neurobiologischen und klinischen Merkmale der Cannabis-induzierten Psychose besser zu charakterisieren. Schließlich können longitudinale Neuroimaging-Studien, die auch potenzielle Störfaktoren wie Cannabisdosis, Potenz, THC/Cannabidiol-Verhältnis, Häufigkeit des Konsums, Erkrankungsalter, vertraute Psychosengeschichte und genetische Polymorphismen berücksichtigen, einen potenziellen Grund für die Identifizierung mutmaßlicher Biomarker bieten, die Letztendlich Klinikern helfen können, diejenigen Cannabiskonsumenten zu erkennen, die eher psychosend sind.

Nach Angaben der Europäischen Beobachtungsstelle für Drogen und Drogensucht haben schätzungsweise rund 96 Millionen (oder 29 %) der Erwachsenen (im Alter von 15 bis 64 Jahren) in der Europäischen Union im Laufe ihres Lebens illegale Drogen, insbesondere Cannabis, ausprobiert. Betrachtet man den jüngsten und verletzlichsten Teil der Allgemeinbevölkerung, so konsumierten schätzungsweise 16% der jungen Erwachsenen (im Alter von 15-34 Jahren) im letzten Jahr Cannabis, mit einem Verhältnis von Männern zu Frauen von etwa 2:11. Wichtig ist, dass Cannabiskonsum bei gesunden Probanden zur Entwicklung psychiatrischer Symptome wie Stimmungsschwankungen, erhöhte Angstzustände, rasende Gedanken, verzerrte Wahrnehmungen, Schwierigkeiten beim Denken und Lösen von Problemen, anhaltende Probleme mit Lernen und Gedächtnis, langsame Reaktionszeit und Kontrollverlustführt 2. Solche Anzeichen und Symptome sind jedoch in der Regel vorübergehend und beschreiben keinen psychiatrischen Zustand an sich oder die Notwendigkeit einer Behandlung. Cannabis kann jedoch durch seinen wichtigsten psychoaktiven Bestandteil, genannt Tetrahydrocannabinol (THC), auch positive psychotische Symptome wie Misstrauen, paranoide Wahnvorstellungen, Störungen von Denkprozessen und Wahrnehmungsveränderungen3sowie negative Symptome hervorrufen, die denen ähneln, die bei Schizophrenie beobachtet wurden, wie stumpfer Affekt, Apathie, Avolition, Mangel an Spontaneität, mangelndes Interesse, Passivität und kognitive Defizite (z. B. Gedächtnis, exekutive Funktion, abstrakte Fähigkeit, Entscheidungsfindung und Aufmerksamkeit)3. Daher gibt es derzeit Hinweise darauf, dass Cannabiskonsum sowohl vorübergehende psychiatrische Symptome bei ansonsten gesunden Probanden hervorrufen als auch ein florid psychotisches Bild bei Patienten mit einem früheren psychotischen Risiko entlarven kann3. Ob dieser Zusammenhang jedoch kausal oder rein korrelational ist, ist immer noch umstritten und umstritten4. Trotz epidemiologischer Studien, die auf einen Zusammenhang zwischen starkem Cannabiskonsum und Psychoserisikohindeuten 5,geht die weltweit erhöhte Inzidenz von Cannabiskonsum nicht mit einer erhöhten Inzidenz von Psychoseneinher 4. Dieses Paradoxon könnte durch das Vorhandensein spezifischer verwirrender Unterschiede zwischen Cannabismissbrauchern erklärt werden, mit frühem Beginn des Konsums, täglicher Annahme von hochwirksamem Cannabis und Konsum synthetischer Cannabinoide, die das größte psychotische Risiko tragen3. Darüber hinaus können einige genetische Faktoren, wie das Vorhandensein spezifischer Katechol-O-Methyltransferase (COMT)-Polymorphismen, bei einem kleinen Teil der Konsumenten auch eine erhöhte Anfälligkeit für die Entwicklung psychotischer Symptome nach Cannabisexposition verleihen6.
In diesem Zusammenhang versuchten Humane Neuroimaging-Studien, die potenziellen neuronalen Mechanismen zu untersuchen, durch die Cannabis zu psychotischen Symptomen führen kann7, da präklinische Studien zuvor gezeigt haben, dass THC in Gehirnbereichen aktiv ist, die reich an Cannabinoid-Typ-1-Rezeptoren (CB1R) sind, einschließlich Hippocampus, Amygdala, Striatum und präfrontalem Kortex (PFC)8. Tatsächlich wurde gezeigt, dass die experimentelle THC-Verabreichung an gesunde Cannabiskonsumenten die ventrostriatale Aktivierung während einer Lernaufgabe abschwächt und gleichzeitig psychotische Symptomeinduziert 9 sowie eine veränderte präfrontal-striatale Aktivierung während der Aufmerksamkeitssalienzverarbeitung10. In Bezug auf strukturelle Magnetresonanztomographie-Studien (MRT) entdeckten einige Autoren signifikante Volumenreduktionen der grauen Substanz (GM) im präfrontalen Kortex11,12,13, dem Hippocampus14,15, der Amygdala16 und dem Putamen17 bei normalen Cannabiskonsumenten im Vergleich zu Nichtkonsumenten, während andere keine signifikanten Gehirnunterschiede zwischen diesen beiden Gruppen18,19,20,21 berichteten oder über erhöhte GM-Volumina innerhalb der medialen Temporalie, der Amygdala, des Hippocampus, des hinteren Cingulats und des Kleinhirns bei Jugendlichen mit niedrigem Cannabiskonsumberichteten 22.
Darüber hinaus untersuchten nur wenige Studien, ob es spezifische Unterschiede im Gehirn zwischen Cannabiskonsumenten mit psychotischen Symptomen und Cannabiskonsumenten ohne psychiatrische Erkrankungen gibt. Eine funktionelle MRT-Studie verglich gesunde Probanden, die nach dem THC-Konsum psychotische Symptome hatten und keine psychotischen Symptome hatten, und berichtete über eine erhöhte Aktivität während einer Go/No-Go-Aufgabe im rechten mittleren Gyrus und eine verminderte Aktivität sowohl im parahippocampalen als auch im fusiformen Gyri, was auch nur in der psychotischen Gruppe23mit größeren Hemmungsfehlern verbunden war. Im Gegensatz dazu fanden Epstein und Kumra heraus, dass sowohl psychotische als auch nichtpsychotische Jugendliche mit Cannabiskonsumstörung ähnliche Gehirnveränderungen aufweisten; Insbesondere entdeckten sie eine abgeschwächte kortikale Ausdünnung im linken gyrus superior frontalis, im rechten Pars triangularis, im linken Pars opercularis, im linken und rechten supramarginalen Gyri, in den linken und rechten parietalen Cortices und im linken gyrus temporalis superior in beiden Gruppen24. In einer früheren Studie verglichen dieselben Autoren Jugendliche mit früh einsetzender Schizophrenie (EOS) mit (EOS+) und ohne (EOS-) Cannabiskonsumstörung (CUD), Jugendliche mit CUD und gesunde Kontrollen25 . Interessanterweise entdeckten sie kleinere Volumina der grauen Substanz in der linken oberen parietalen Region sowohl in EOS- als auch in CUD-Gruppen im Vergleich zu gesunden Kontrollen. Sie fanden jedoch keine additiven volumetrischen Veränderungen bei Jugendlichen mit EOS+ im Vergleich zu anderen Gruppen. Schließlich fand eine neuere und größere Studie einen signifikanten Gesamteffekt vom lebenslangen Cannabiskonsum auf psychotische Lebenserfahrungen in einer Stichprobe von Jugendlichen. Interessanterweise fanden die Autoren einen Zusammenhang zwischen psychotischen Lebenserfahrungen und reduzierter Expansion innerhalb des Uncus des rechten Hippocampus/Parahippocampus26.
Daher deuten diese Studien, obwohl nicht alle übereinstimmend, darauf hin, dass Cannabis-induzierte Psychosen durch neurobiologische Defizite gekennzeichnet sein können, ähnlich denen, die bei reinen psychotischen Störungen festgestellt werden. Ob jedoch Gehirnveränderungen, die durch Cannabisabhängigkeit bestimmt und durch Neuroimaging-Untersuchungen hervorgehoben werden, zu einem klinisch signifikanten Phänotyp oder zu einem psychotischen Ausbruch irgendwann im Leben eines Missbrauchers führen, bleibt noch unklar. In diesem Zusammenhang könnte die Untersuchung der Gehirnmorphologie bei psychotischen Cannabiskonsumenten im Vergleich zu Cannabiskonsumenten ohne psychiatrische Symptome von größter Bedeutung sein, um die neurobiologischen Grundlagen der Cannabis-induzierten Psychose zu verstehen. Nach unserem besten Wissen haben jedoch bisher keine Studien cannabisinduzierte psychotische Probanden mit gesunden Cannabiskonsumenten in Bezug auf die strukturelle Morphologie des Gehirns und klinische Parameter wie Psychopathologie, Häufigkeit und Dauer der Abhängigkeit, Lebensqualität, Persönlichkeitsmerkmale, Geburtskomplikation und Kindesmissbrauch verglichen. Ziel dieser Studie ist es in diesem Zusammenhang, morphologische Hirnunterschiede zwischen chronischen Cannabiskonsumenten mit substanzinduzierter Psychose (CIP) und nicht-psychotischen Cannabiskonsumenten (NPCU) zu untersuchen und Gehirndefizite mit selektiven soziodemografischen, klinischen und psychosozialen Variablen zu korrelieren. Wir stellten die Hypothese auf, dass CIP-Patienten eine signifikante Verringerung des GM-Volumens im Vergleich zu NPCU sowie mögliche Korrelationen zwischen GM-Volumina und soziodemografischen, klinischen und psychosozialen Skalen aufweisen werden.

<table><tbody><tr><td>Not applicable</td><td>Not applicable</td><td>Not applicable</td><td>Not applicable</td></tr></tbody></table>

brain morphology of cannabis users with or without psychosis: a pilot mri study

Cannabis ist die weltweit am häufigsten konsumierte illegale Droge, und sein Konsum kann sowohl psychiatrische Symptome bei ansonsten gesunden Probanden hervorrufen als auch ein florid psychotisches Bild bei Patienten mit einem früheren psychotischen Risiko entlarven. Frühere Studien deuten darauf hin, dass chronische und langfristige Cannabis-Exposition signifikante negative Auswirkungen auf Gehirnbereiche ausüben kann, die mit Cannabinoidrezeptoren angereichert sind. Ob jedoch Gehirnveränderungen, die durch Cannabisabhängigkeit bestimmt werden, zu einem klinisch signifikanten Phänotyp oder zu einem psychotischen Ausbruch an einem bestimmten Zeitpunkt im Leben eines Missbrauchers führen, bleibt unklar. Ziel dieser Studie war es, morphologische Gehirnunterschiede zwischen chronischen Cannabiskonsumenten mit Cannabis-induzierter Psychose (CIP) und nicht-psychotischen Cannabiskonsumenten (NPCU) ohne psychiatrische Erkrankungen zu untersuchen und Gehirndefizite mit selektiven soziodemografischen, klinischen und psychosozialen Variablen zu korrelieren.
Es wurden 3T-Magnetresonanztomographie-Scans (MRT) von 10 CIP-Patienten und 12 NPCU-Patienten erfasst. Die Art der Droge, die Häufigkeit und die Dauer sowie soziodemographische, klinische und psychosoziale Parameter der Abhängigkeit wurden gemessen. CIP-Patienten hatten eine ausgedehnte Abnahme der grauen Substanz (GM) im rechten gyrus superior frontalis, im rechten präzentralen, rechten oberen Temporalgyrus, in der bilateralen Insula, in der rechten Precuneus, im rechten medialen Okzipitalgyrus, im rechten fusiformen Gyrus und im linken Hippocampus im Vergleich zu chronischen Cannabiskonsumenten ohne Psychose. Schließlich zeigten die Ergebnisse bei CIP-Patienten eine negative Korrelation zwischen einer Domäne der Brief Psychiatric Rating Scale (BPRS), BPRS-Aktivität und selektiven GM-Volumina. Insgesamt deuten die Ergebnisse darauf hin, dass Cannabis-induzierte Psychosen durch selektive Gehirnreduktionen gekennzeichnet sind, die in NPCU nicht vorhanden sind. Daher können Neuroimaging-Studien einen potenziellen Grund für die Identifizierung mutmaßlicher Biomarker bieten, die mit dem Risiko der Entwicklung von Psychosen bei Cannabiskonsumenten verbunden sind.

Soziodemographische, klinische und psychosoziale Ergebnisse Es gab keine Unterschiede in Bezug auf Geschlecht (χ2 = 0,6, p = 0,4), Alter (t = 0,21; p = 0,83), Alter des Beginns der Abhängigkeit (t = -0,79; p = 0,44) und Bildungsniveau (t = 1,21; p = 0,24) zwischen CIP-Patienten und NPCU. Einige Unterschiede zwischen den beiden Gruppen wurden jedoch in einer Temperamentdimension (Harm Avoidance, t = 3,71; p = 0,001) und einer Ein-Zeichen-Dimension (Self-Transcendence, t = 2,94; p = 0,008) des TCI beobachtet, wobei CIP-Patienten höhere Werte im Vergleich zu NPCU zeigten. Schließlich zeigte NPCU auch höhere Werte im Vergleich zu CIP-Patienten in einer Subdimension der Nachbarschaftsskala (NS-E) (t = -3,55; p = 0,002), in der SES-Summe (t = 2,13; p = 0,046), im Lebensqualitätsindex (t = -8,1; p = 0,0001), in der GAF (t = 4,71; p = 0,0001) und in einer Zeichendimension der TCI (Self Directedness, t=-3,97; p=0,001).
Insbesondere für CIP war die Häufigkeit der Cannabisabhängigkeit täglich für 9 Probanden (90%) und mehrmals pro Woche für 1 Subjekt (10%). Stattdessen war die Häufigkeit der Cannabisabhängigkeit in der NPCU-Gruppe täglich für 7 Probanden (60%), mehrmals pro Woche für 4 Probanden (30%) und mehrmals im Monat für 1 Subjekt (10%). Das Durchschnittsalter des Beginns der Abhängigkeit lag bei CIP-Patienten bei 18 Jahren und bei 16 Jahren für die NPCU-Gruppe. Obwohl alle Teilnehmer Cannabis einnahmen, berichteten einige CIP-Patienten (N = 6) und NPCU (N = 3) auch über den früheren Konsum anderer Drogen, einschließlich Kokain, LSD und Heroin / Methadon, jedoch mit geringerer Häufigkeit als Cannabis. Die Häufigkeit des Cannabiskonsums unterschied sich zwischen den beiden Gruppen nicht (χ2= 1,69, p = 0,42). Darüber hinaus wurde kein statistischer Unterschied in Art und Häufigkeit des Kokain-, Heroin-/Methadon- und LSD-Konsums zwischen den beiden Gruppen beobachtet (Kokain: χ2=0,06, p=0,79 undχ 2=4,1, p=0,39; Heroin/Methadon:χ 2=1,2, p=0,26 und χ2=1,2, p=0,26; LSD: χ2=0,01, p=0,89 und χ2=2,0, p=0,36). Obwohl wir uns bewusst sind, dass das Vorhandensein von Polykonsum in der Stichprobe die Verallgemeinerbarkeit der Ergebnisse negativ beeinflusst haben könnte, ist es wichtig hervorzuheben, dass der Konsum anderer Drogen im Vergleich zum Cannabiskonsum sehr begrenzt war. Tatsächlich war der Konsum anderer Drogen im Gegensatz zum Cannabiskonsum lebenslang und trat während der Zeit der Studie nicht auf. Nichtsdestotrotz sollten unsere Ergebnisse vorsichtig genommen werden und müssen in einer homogeneren Probe repliziert werden.
VBM-Ergebnisse Die VBM-Analyse zeigte, dass CIP-Patienten im Vergleich zu NPCU eine umfangreiche GM-Abnahme im Vergleich zur NPCU im rechten gyrus superior frontalis ((Brodmann-Bereich [BA] 10), im rechten Präzenterbereich (BA 4), im rechten oberen Temporalgyrus (BA 22), in der bilateralen Insula (BA13), im rechten Precuneus (BA7), im rechten medialen Okzipitalgyrus (BA 19), im rechten fusiformen Gyrus (BA 37) und im linken Hippocampus (p < 0,001 unkorrigiert; Tabelle 2 und Abbildung 1). Es wurden keine GM-Unterschiede bei NPCU im Vergleich zu CIP-Patienten beobachtet.
Korrelationen zwischen GV-Regionen und klinischen Skalen Bei CIP-Patienten zeigten die Ergebnisse eine negative Korrelation zwischen einer Domäne der BPRS- und BPRS-Aktivität und selektiven GM-Volumina innerhalb des linken oberen temporalen Kortex (BA 38, x=-40 y=17 z=-35, z=5,9, Clustergröße=19) und dem linken Kleinhirn (x=-12 y=-36 z=-20, z=6,1, Clustergröße=18). Darüber hinaus war die gleiche Skala bilateral positiv mit Cuneus korreliert (BA 18; links: x=-9 y=-90 z=9, z=7,0, Clustergröße=24; rechts: x=15 y=-85 z=24, z=7,3, Clustergröße=13), linker Gyrus okzipitalis inferior (BA 17; x=-9 y=-88 z=-6, z=7,4, Clustergröße=34), rechtes parietales Lobulus (BA 40; x=58 y=-35 z=22, z=6,7, Clustergröße=33), rechter oberer präfrontaler Kortex (BA 9; x=3 y=51 z=29, z=6,2, Clustergröße=23) (alle p<0,05 pFWE korrigiert). In keiner der anderen klinischen Skalen wurden bei CIP-Patienten signifikante Korrelationen beobachtet.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/60881/60881fig01.jpg"> Abbildung 1: Regionen mit signifikantem GV-Unterschied zwischen Patienten mit substanzinduzierter Psychose (CIP) und nicht-psychotischen Cannabiskonsumenten (S<0,001, unkorrigiert, k=30). <a href="https://www.jove.com/files/ftp_upload/60881/60881fig01large.jpg" target="_blank"></a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td rowspan="2"></td>
			<td>CIP-Patienten</td>
			<td>Nicht-psychotische Cannabiskonsumenten</td>
			<td rowspan="2">Statistik</td>
			<td rowspan="2">p-Wert</td>
		</tr><tr><td>n=10</td>
			<td>n=12</td>
		</tr><tr><td>Alter, Mittelwert (SD)</td>
			<td>27 (9.21)</td>
			<td>26 (0.89)</td>
			<td>t= -0,213</td>
			<td>p=0,833</td>
		</tr><tr><td>Geschlecht, männlich/weiblich</td>
			<td>8/2</td>
			<td>11/1</td>
			<td>χ2=0.630</td>
			<td>p=0,427</td>
		</tr><tr><td>Alter des Beginns des Cannabiskonsums, Mittelwert (SD)</td>
			<td>18 (9.69)</td>
			<td>16 (1.83)</td>
			<td>t= -0,786</td>
			<td>p=0,441</td>
		</tr><tr><td rowspan="7">Typ (N); Häufigkeit des sonstigen Drogenkonsums</td>
			<td>Cannabis (N=10); Täglich (N=9), mehrmals wöchentlich (N=1).</td>
			<td>Cannabis (N=12); Täglich (N=7), mehrmals wöchentlich (N=4), mehrmals im Monat (N=1).</td>
			<td>Frequenz: χ2=1,69,</td>
			<td>p=0,42</td>
		</tr><tr><td rowspan="2">Kokain (N=4); mehrmals pro Woche (N=2), mehrmals im Monat (N=2).</td>
			<td rowspan="2">Kokain (N=3); mehrmals pro Woche (N=1), mehrmals im Monat (N=1), weniger als einmal pro Monat (N=1).</td>
			<td>Typ: χ2=0,06</td>
			<td>Typ: p=0,79</td>
		</tr><tr><td>Frequenz: χ2=4,1</td>
			<td>Häufigkeit: p=0,39</td>
		</tr><tr><td rowspan="2">Heroin/Methadon (N=1); mehrmals pro Woche.</td>
			<td rowspan="2">Keine Heroin-/Methadonkonsumenten.</td>
			<td>Typ: χ2=1,2</td>
			<td>Typ: p=0,26</td>
		</tr><tr><td>Frequenz: χ2=1,2</td>
			<td>Frequenz: p=0,26</td>
		</tr><tr><td rowspan="2">LSD (N=1); weniger als eine pro Monat.</td>
			<td rowspan="2">LSD (N=1); mehrmals im Monat.</td>
			<td>Typ: χ2=0,01</td>
			<td>Typ: p=0,89</td>
		</tr><tr><td>Frequenz: χ2=2,0</td>
			<td>Frequenz: p=0,36</td>
		</tr><tr><td>Alter des Beginns, Mittelwert (SD)</td>
			<td>25 (8.46)</td>
			<td>-</td>
			<td>-</td>
			<td>-</td>
		</tr><tr><td>BPRS TOT, Mittelwert (SD)</td>
			<td>43 (9)</td>
			<td>20 (3)</td>
			<td>t=8,860</td>
			<td>p=0,0001</td>
		</tr><tr><td></td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>Angst-Depression</td>
			<td>10 (5)</td>
			<td>6 (2)</td>
			<td>t=2,629</td>
			<td>p=0,016</td>
		</tr><tr><td>Anergie</td>
			<td>8 (3)</td>
			<td>4 (1)</td>
			<td>t=3,284</td>
			<td>p=0,004</td>
		</tr><tr><td>Denkstörungen</td>
			<td>12 (3)</td>
			<td>4 (0)</td>
			<td>t=9,754</td>
			<td>p=0,0001</td>
		</tr><tr><td>Aktivität</td>
			<td>6 (2)</td>
			<td>3 (0)</td>
			<td>t=4,557</td>
			<td>p=0,0001</td>
		</tr><tr><td>Feindseligkeit - Misstrauen</td>
			<td>8 (4)</td>
			<td>3 (0)</td>
			<td>t=4,053</td>
			<td>p=0,001</td>
		</tr><tr><td>HAM-D, Mittelwert (SD)</td>
			<td>11 (6.42)</td>
			<td>4 (4.96)</td>
			<td>t=3,258</td>
			<td>p=0,004</td>
		</tr><tr><td>HAM-A, Mittelwert (SD)</td>
			<td>11 (6.62)</td>
			<td>3 (3.93)</td>
			<td>t=3,487</td>
			<td>p=0,002</td>
		</tr><tr><td>MADRS, Mittelwert (SD)</td>
			<td>14 (7.76)</td>
			<td>6 (6.35)</td>
			<td>t=2,635</td>
			<td>p=0,016</td>
		</tr><tr><td>YMRS, Mittelwert (SD)</td>
			<td>13 (7.92)</td>
			<td>0 (1.44)</td>
			<td>t=5,378</td>
			<td>p=0,0001</td>
		</tr><tr><td>CECA-Q, Mittelwert (SD)</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>CECA-QMA</td>
			<td>13 (5.20)</td>
			<td>13 (3.89)</td>
			<td>t=-0,069</td>
			<td>p=0,946</td>
		</tr><tr><td>CECA-QMN</td>
			<td>19 (5.83)</td>
			<td>19 (4.64)</td>
			<td>t=-0,284</td>
			<td>p=0,779</td>
		</tr><tr><td>CECA-QPA</td>
			<td>14 (6.44)</td>
			<td>14 (5.56)</td>
			<td>t=-0,130</td>
			<td>p=0,990</td>
		</tr><tr><td>CECA-QPN</td>
			<td>24 (11.69)</td>
			<td>24 (7.12)</td>
			<td>t=0,070</td>
			<td>p=0,945</td>
		</tr><tr><td>Nachbarschaftsskala*, Mittelwert (SD)</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>NS- A</td>
			<td>9 (1.78)</td>
			<td>8 (2.23)</td>
			<td>t=0,782</td>
			<td>p=0,443</td>
		</tr><tr><td>NS- B</td>
			<td>6 (2.50)</td>
			<td>7 (1.56)</td>
			<td>t=-1,070</td>
			<td>p=0,298</td>
		</tr><tr><td>NS- C</td>
			<td>9 (5.87)</td>
			<td>10 (7.66)</td>
			<td>t=-0,265</td>
			<td>p=0,794</td>
		</tr><tr><td>NS-D</td>
			<td>6 (2.31)</td>
			<td>5 (1.53)</td>
			<td>t=1,378</td>
			<td>p=0,183</td>
		</tr><tr><td>NS-E</td>
			<td>3 (1.35)</td>
			<td>4 (0.29)</td>
			<td>t=-3,546</td>
			<td>p=0,002</td>
		</tr><tr><td>SES** gesamt, Mittelwert (SD)</td>
			<td>33.6 (12.60)</td>
			<td>45.3 (13.05)</td>
			<td>t=-2,132</td>
			<td>p=0,046</td>
		</tr><tr><td>Studieren</td>
			<td>11.3 (4.22)</td>
			<td>15.3 (5.93)</td>
			<td>t=-1,800</td>
			<td>p=0,087</td>
		</tr><tr><td>Beruf</td>
			<td>22.3 (10.39)</td>
			<td>30.0 (8.79)</td>
			<td>t=-1,885</td>
			<td>p=0,074</td>
		</tr><tr><td>QL - Index, Mittelwert (SD)</td>
			<td>6 (1.65)</td>
			<td>10 (0.62)</td>
			<td>t=-8,098</td>
			<td>p=0,0001</td>
		</tr><tr><td>GAF, Mittelwert (SD)</td>
			<td>58 (15.21)</td>
			<td>83 (9.68)</td>
			<td>t=-4,715</td>
			<td>p=0,0001</td>
		</tr><tr><td>MANSA, Mittelwert (SD)</td>
			<td>54 (14.16)</td>
			<td>61 (6.01)</td>
			<td>t=-1,250</td>
			<td>p=0,226</td>
		</tr><tr><td>TCI, Mittelwert (SD)</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>TCI Ns</td>
			<td>59.92 (10.75)</td>
			<td>55.95 (12.86)</td>
			<td>t=0,173</td>
			<td>p=0,864</td>
		</tr><tr><td>TCI Ha</td>
			<td>55.67 (7.71)</td>
			<td>45.61 (5.68)</td>
			<td>t=3,708</td>
			<td>p=0,001</td>
		</tr><tr><td>TCI Straße</td>
			<td>48.67 (10.41)</td>
			<td>50.49 (9.02)</td>
			<td>t=-0,668</td>
			<td>p=0,512</td>
		</tr><tr><td>TCI P</td>
			<td>49.82 (11.49)</td>
			<td>39.32 (8.83)</td>
			<td>t=2,033</td>
			<td>p=0,056</td>
		</tr><tr><td>TCI Sd</td>
			<td>28.64 (11.85)</td>
			<td>49.89 (7.42)</td>
			<td>t=-3,969</td>
			<td>p=0,001</td>
		</tr><tr><td>TCI Co</td>
			<td>42.15 (12.21)</td>
			<td>49.07 (5.60)</td>
			<td>t=-1,430</td>
			<td>p=0,168</td>
		</tr><tr><td>TCI Str.</td>
			<td>65.56 (12.34)</td>
			<td>50.82 (8.16)</td>
			<td>t=2,940</td>
			<td>p=0,008</td>
		</tr></tbody></table>Tabelle 1: Soziodemographische, klinische und psychosoziale Variablen der gesamten Stichprobe. BPRS (Brief Psychiatric Rating Scale); CECA-Q (Childhood Experience of Care and Abuse Questionnaire); CIP (Cannabis-induzierte Psychose); GAF (Global Assessment of Functioning); HAM-A (Hamilton Anxiety Rating Scale); MADRS (Montgomery-Asberg Depression Rating Scale); HAM-D (Hamilton Depression Rating Scale); MANSA (Manchester Short Assessment of Quality of Life); NS-A (Nachbarschaftszufriedenheit); NS-B (Sicherheitsgefühle); NS-C (Nachbarschaftszivilitäten); NS-D (Kollektive Wirksamkeit); NS-E (Cannabis-Akzeptanz); SD (Standardabweichung); SES (Sozioökonomischer Status); QL-Index (Quality of Life-Index); ); TCI (Temperament- und Charakterinventar); TCI Ns (Novelty Seeking); TCI Ha (Schadensvermeidung); TCI Rd (Belohnungsabhängigkeit); TCI P (Persistenz); TCI Sd (Selbstbegewöhstheit); TCI Co (Kooperativität); TCI St (Selbsttranszendenz); YMRS (Young Mania Rating Scale). * NS-A reicht von 0 bis 16, wobei 16 eine extreme Zufriedenheit mit dem Wohngebiet darstellten; NS-B reicht von 0 bis 8, wobei 8 ein starkes Sicherheitsgefühl darstellte; NS-C reicht von 0 bis 32, wobei 32 ein hohes Maß an Unhöflichkeiten anzeigte; NS-D reicht von 0 bis 12, wobei 8 ein hohes Maß an kollektiver Wirksamkeit unter Nachbarn darstellte; NS-E reicht von "stimme stark zu" (Punktzahl von 4) bis "stimme stark zu" (Punktzahl von 0). ** Niedrigere Schulstufen sind mit niedrigeren Punktzahlen verbunden, während höhere Schulstufen mit höheren Punktzahlen verbunden sind (dh. Weniger als7. Klasse = 3; Hochschulabschluss= 21). In ähnlicher Weise sind Berufe mit geringerem kognitivem Engagement mit niedrigeren Punktzahlen verbunden, während Berufe, die mehr kognitive Ressourcen erfordern, mit höheren Punktzahlen verbunden sind (Landarbeiter = 5; Arzt= 45).
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td rowspan="2">Gyrus</td>
			<td rowspan="2">BA</td>
			<td rowspan="2">Lateralität</td>
			<td colspan="3">MNI-Koordinaten</td>
			<td rowspan="2">Clustergröße</td>
			<td rowspan="2">Z-Werte</td>
			<td rowspan="2">Cohens d-Effektgröße</td>
		</tr>
<tr>
<td colspan="3">x y z</td>
		</tr>
<tr>
<td colspan="8">CIP-Patienten < nicht-psychotische Cannabiskonsumenten</td>
			<td></td>
		</tr>
<tr>
<td>Superior Frontal</td>
			<td>10</td>
			<td>Rechts</td>
			<td>13</td>
			<td>65</td>
			<td>22</td>
			<td>38</td>
			<td>3.4</td>
			<td>-1,26</td>
		</tr>
<tr>
<td>Präzentrale</td>
			<td>4</td>
			<td>Rechts</td>
			<td>59</td>
			<td>-5</td>
			<td>26</td>
			<td>61</td>
			<td>3.8</td>
			<td>-0,83</td>
		</tr>
<tr>
<td>Überlegene Zeitliche</td>
			<td>22</td>
			<td>Rechts</td>
			<td>62</td>
			<td>-7</td>
			<td>3</td>
			<td>146</td>
			<td>4.2</td>
			<td>-0,60</td>
		</tr>
<tr>
<td>Insula</td>
			<td>13</td>
			<td>Rechts</td>
			<td>36</td>
			<td>-21</td>
			<td>13</td>
			<td>142</td>
			<td>4.1</td>
			<td>-0,43</td>
		</tr>
<tr>
<td>Insula</td>
			<td>13</td>
			<td>Links</td>
			<td>-33</td>
			<td>-23</td>
			<td>14</td>
			<td>32</td>
			<td>3.8</td>
			<td>-0,46</td>
		</tr>
<tr>
<td>Precuneus</td>
			<td>7</td>
			<td>Rechts</td>
			<td>6</td>
			<td>-66</td>
			<td>50</td>
			<td>41</td>
			<td>3.7</td>
			<td>-0,51</td>
		</tr>
<tr>
<td>Mediales Okzipital</td>
			<td>19</td>
			<td>Rechts</td>
			<td>33</td>
			<td>-86</td>
			<td>21</td>
			<td>80</td>
			<td>4</td>
			<td>-0,84</td>
		</tr>
<tr>
<td>Fusiform</td>
			<td>37</td>
			<td>Links</td>
			<td>-25</td>
			<td>-47</td>
			<td>-8</td>
			<td>32</td>
			<td>3.7</td>
			<td>-0,29</td>
		</tr>
<tr>
<td>Hippocampus</td>
			<td>-</td>
			<td>Links</td>
			<td>-33</td>
			<td>-22</td>
			<td>-5</td>
			<td>36</td>
			<td>3.8</td>
			<td>-0,68</td>
		</tr>
<tr>
<td colspan="8">Nicht-psychotische Cannabiskonsumenten < CIP-Patienten</td>
			<td></td>
		</tr>
<tr>
<td colspan="8">Keine suprathreshold Cluster</td>
			<td></td>
		</tr>
</tbody></table>Tabelle 2: VBM-Ergebnisse. Hirnregionen mit signifikant reduzierten Volumina der grauen Substanz zwischen den CIP-Patienten und nicht-psychotischen Cannabiskonsumenten (P< 0,001 unkorrigiert). BA (Brodmann-Gebiet); CIP (Cannabis-induzierte Psychose); MNI (Montreal Neurological Institute)

Watch this Scientific Journal Video about Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study at JoVE.com

Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study

Dies ist eine 3T-Magnetresonanztomographie-Studie, die darauf abzielt, Volumenunterschiede zwischen Cannabis-induzierten Psychose-Patienten und nicht-psychotischen chronischen Cannabiskonsumenten zu untersuchen.

Gehirnmorphologie von Cannabiskonsumenten mit oder ohne Psychose: Eine MrT-Pilotstudie

Cannabis is the illicit drug most commonly used worldwide, and its consumption can both induce psychiatric symptoms in otherwise healthy subjects and ...

brain-morphology-cannabis-users-with-or-without-psychosis-pilot-mri

Research

Education

JoVE Core

JoVE Journal

Pharmacology

Neuroscience

Unit 1

Drug Abuse and Addiction

SCIENTISTS IN ACTION

6.4K Aufrufe.  University of Milan. Dies ist eine 3T-Magnetresonanztomographie-Studie, die darauf abzielt, Volumenunterschiede zwischen Cannabis-induzierten Psychose-Patienten und nicht-psychotischen chronischen Cannabiskonsumenten zu untersuchen.

Serie: Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Obtaining in vivo human brain tissue volumetrics from MRI is often complicated by various technical and biological issues. These challenges are exacerbated when significant brain atrophy and age-related white matter changes (e.g. Leukoaraiosis) are present. Lesion Explorer (LE) is an accurate and reliable neuroimaging pipeline specifically developed to address such issues commonly observed on MRI of Alzheimer's disease and normal elderly. The pipeline is a complex set of semi-automatic procedures which has been previously validated in a series of internal and external reliability tests1,2. However, LE's accuracy and reliability is highly dependent on properly trained manual operators to execute commands, identify distinct anatomical landmarks, and manually edit/verify various computer-generated segmentation outputs.
LE can be divided into 3 main components, each requiring a set of commands and manual operations: 1) Brain-Sizer, 2) SABRE, and 3) Lesion-Seg. Brain-Sizer's manual operations involve editing of the automatic skull-stripped total intracranial vault (TIV) extraction mask, designation of ventricular cerebrospinal fluid (vCSF), and removal of subtentorial structures. The SABRE component requires checking of image alignment along the anterior and posterior commissure (ACPC) plane, and identification of several anatomical landmarks required for regional parcellation. Finally, the Lesion-Seg component involves manual checking of the automatic lesion segmentation of subcortical hyperintensities (SH) for false positive errors.
While on-site training of the LE pipeline is preferable, readily available visual teaching tools with interactive training images are a viable alternative. Developed to ensure a high degree of accuracy and reliability, the following is a step-by-step, video-guided, standardized protocol for LE's manual procedures.

Lesion Explorer (LE) is a semi-automatic, image-processing pipeline developed to obtain regional brain tissue and subcortical hyperintensity lesion volumetrics from structural MRI of Alzheimer's disease and normal elderly. To ensure a high level of accuracy and reliability, the following is a video-guided, standardized protocol for LE's manual procedures.

Läsion Explorer: Ein Video-geführt, standardisiertes Protokoll für genaue und zuverlässige MRI-abgeleiteten Volumetrics in der Alzheimer-Krankheit und Normale Ältere

Obtaining in vivo human brain tissue volumetrics from MRI is often complicated by various technical and biological issues. These challenges are ...

Forschung

Medizin

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging

The human hippocampus has been broadly studied in the context of memory and normal brain function and its role in different neuropsychiatric disorders has been heavily studied. While many imaging studies treat the hippocampus as a single unitary neuroanatomical structure, it is, in fact, composed of several subfields that have a complex three-dimensional geometry. As such, it is known that these subfields perform specialized functions and are differentially affected through the course of different disease states. Magnetic resonance (MR) imaging can be used as a powerful tool to interrogate the morphology of the hippocampus and its subfields. Many groups use advanced imaging software and hardware (&#62;3T) to image the subfields; however this type of technology may not be readily available in most research and clinical imaging centers. To address this need, this manuscript provides a detailed step-by-step protocol for segmenting the full anterior-posterior length of the hippocampus and its subfields: cornu ammonis (CA) 1, CA2/CA3, CA4/dentate gyrus (DG), strata radiatum/lacunosum/moleculare (SR/SL/SM), and subiculum. This protocol has been applied to five subjects (3F, 2M; age 29-57, avg. 37). Protocol reliability is assessed by resegmenting either the right or left hippocampus of each subject and computing the overlap using the Dice&#39;s kappa metric. Mean Dice&#39;s kappa (range) across the five subjects are: whole hippocampus, 0.91 (0.90-0.92); CA1, 0.78 (0.77-0.79); CA2/CA3, 0.64 (0.56-0.73); CA4/dentate gyrus, 0.83 (0.81-0.85); strata radiatum/lacunosum/moleculare, 0.71 (0.68-0.73); and subiculum 0.75 (0.72-0.78). The segmentation protocol presented here provides other laboratories with a reliable method to study the hippocampus and hippocampal subfields in vivo using commonly available MR tools.

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging

The goal of this manuscript is to study the hippocampus and hippocampal subfields using MRI. The manuscript describes a protocol for segmenting the hippocampus and five hippocampal substructures: cornu ammonis (CA) 1, CA2/CA3, CA4/dentate gyrus, strata radiatum/lacunosum/moleculare, and subiculum.

Hohe Auflösung<em&gt; In-vivo-</em&gt; Manuelle Segmentierung Protokoll für Menschen Hippocampus Teilfelder Verwenden von 3T Kernspintomographie

The human hippocampus has been broadly studied in the context of memory and normal brain function and its role in different neuropsychiatric disorders has ...

Neurowissenschaften

High-resolution Structural Magnetic Resonance Imaging of the Human Subcortex In Vivo and Postmortem

The focus of this study was to test the resolution limits of structural MRI of a postmortem brain compared to living human brains. The resolution of structural MRI in vivo is ultimately limited by physiological noise, including pulsation, respiration and head movement. Although imaging hardware continues to improve, it is still difficult to resolve structures on the millimeter scale. For example, the primary visual sensory pathways synapse at the lateral geniculate nucleus (LGN), a visual relay and control nucleus in the thalamus that normally is organized into six interleaved monocular layers. Neuroimaging studies have not been able to reliably distinguish these layers due their small size that are less than 1 mm thick.
The resolving limit of structural MRI, in a postmortem brain was tested using multiple images averaged over a long duration (~24 h). The purpose was to test whether it was possible to resolve the individual layers of the LGN in the absence of physiological noise. A proton density (PD)1 weighted pulse sequence was used with varying resolution and other parameters to determine the minimum number of images necessary to be registered and averaged to reliably distinguish the LGN and other subcortical regions. The results were also compared to images acquired in living human brains. In vivo subjects were scanned in order to determine the additional effects of physiological noise on the minimum number of PD scans needed to differentiate subcortical structures, useful in clinical applications.

High-resolution Structural Magnetic Resonance Imaging of the Human Subcortex In Vivo and Postmortem

Here we present a protocol to determine the minimum number images that needed to be registered and averaged to resolve subcortical structures and test whether the individual layers of the LGN could be resolved in the absence of physiological noise.

Hochauflösende Strukturkernspintomographie des menschlichen Subcortex<I&gt; In-vivo-</I&gt; Und Postmortem

The focus of this study was to test the resolution limits of structural MRI of a postmortem brain compared to living human brains. The resolution of ...

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to result from the use of different segmentation tools to generate brain volumes. Here, processing pipelines for seven automated tools that can be used to segment grey matter within the brain are presented. The protocol provides an initial step for researchers aiming to find the most accurate method for generating grey matter volumes from T1-weighted MRI scans. Steps to undertake detailed visual quality control are also included in the manuscript. This protocol covers a range of potential segmentation tools and encourages users to compare the performance of these tools within a subset of their data before selecting one to apply to a full cohort. Furthermore, the protocol may be further generalized to the segmentation of other brain regions.

This protocol describes the process of applying seven different automated segmentation tools to structural T1-weighted MRI scans to delineate grey matter regions that can be used for the quantification of grey matter volume.

Automatische Segmentierung der kortikalen grauen Zellen von T1-gewichteten MRT-Aufnahmen

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to ...

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&#8212;Application in Premanifest Huntington's Disease

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy begins many years prior to the motor onset (during the &#34;premanifest&#34; period), but the spatiotemporal pattern of regional atrophy across the brain has not been fully characterized. Here we demonstrate an online cloud-computing platform, &#34;MRICloud&#34;, which provides atlas-based whole-brain segmentation of T1-weighted images at multiple granularity levels, and thereby, enables us to access the regional features of brain anatomy. We then describe a regression model that detects statistically significant inflection points, at which regional brain atrophy starts to be noticeable, i.e. the &#34;change-point&#34;, with respect to a disease progression index. We used the CAG-age product (CAP) score to index the disease progression in HD patients. Change-point analysis of the volumetric measurements from the segmentation pipeline, therefore, provides important information of the order and pattern of structural atrophy across the brain. The paper illustrates the use of these techniques on T1-weighted MRI data of premanifest HD subjects from a large multicenter PREDICT-HD study. This design potentially has wide applications in a range of neurodegenerative diseases to investigate the dynamic changes of brain anatomy.

This paper describes a statistical model for volumetric MRI data analysis, which identifies the &#34;change-point&#34; when brain atrophy begins in premanifest Huntington&#39;s disease. Whole-brain mapping of the change-points is achieved based on brain volumes obtained using an atlas-based segmentation pipeline of T1-weighted images.

Gesamte Gehirn Segmentierung und Change-Point-Analyse der anatomischen Gehirn MRI-Anwendung in Prämanifesten Huntington-Krankheit

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy ...

Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping

The Translational Brain Mapping Program at the University of Rochester is an interdisciplinary effort that integrates cognitive science, neurophysiology, neuroanesthesia, and neurosurgery. Patients who have tumors or epileptogenic tissue in eloquent brain areas are studied preoperatively with functional and structural MRI, and intraoperatively with direct electrical stimulation mapping. Post-operative neural and cognitive outcome measures fuel basic science studies about the factors that mediate good versus poor outcome after surgery, and how brain mapping can be further optimized to ensure the best outcome for future patients. In this article, we describe the interdisciplinary workflow that allows our team to meet the synergistic goals of optimizing patient outcome and advancing scientific understanding of the human brain.

This article provides an overview of a multi-modal brain mapping program designed to identify regions of the brain that support critical cognitive functions in individual neurosurgery patients.

Translational Brain Mapping am University of Rochester Medical Center: Erhaltung des Geistes durch personalisierte Brain Mapping

The Translational Brain Mapping Program at the University of Rochester is an interdisciplinary effort that integrates cognitive science, neurophysiology, ...

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a convergence of peaks of statistical significance, and reduce the assessment of the evidence to a binary classification exclusively based on p-values (i.e., voxels can only be &ldquo;statistically significant&rdquo; or &ldquo;non-statistically significant&rdquo;). Here, we detail how to conduct a meta-analysis using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI), a novel method that uses a standard permutation test to assess whether effects are not null. We also show how to grade the strength of the evidence according to a set of criteria that considers a range of statistical significance levels (from more liberal to more conservative), the amount of data or the detection of potential biases (e.g., small-study effect and excess of significance). To exemplify the procedure, we detail the conduction of a meta-analysis of voxel-based morphometry studies in obsessive-compulsive disorder, and we provide all the data already extracted from the manuscripts to allow the reader to replicate the meta-analysis easily. SDM-PSI can also be used for meta-analyses of functional magnetic resonance imaging, diffusion tensor imaging, position emission tomography and surface-based morphometry studies.

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI

We detail how to conduct a meta-analysis of voxel-based neuroimaging studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI).

Meta-Analyse von Voxel-basierten Neuroimaging-Studien mit Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a ...

Standardized Data Acquisition for Neuromelanin-Sensitive Magnetic Resonance Imaging of the Substantia Nigra

The dopaminergic system plays a crucial role in healthy cognition (e.g., reward learning and uncertainty) and neuropsychiatric disorders (e.g., Parkinson's disease and schizophrenia). Neuromelanin is a byproduct of dopamine synthesis that accumulates in dopaminergic neurons of the substantia nigra. Neuromelanin-sensitive magnetic resonance imaging (NM-MRI) is a noninvasive method for measuring neuromelanin in those dopaminergic neurons, providing a direct measure of dopaminergic cell loss in the substantia nigra and a proxy measure of dopamine function. Although NM-MRI has been shown to be useful for studying various neuropsychiatric disorders, it is challenged by a limited field-of-view in the inferior-superior direction resulting in the potential loss of data from the accidental exclusion of part of the substantia nigra. In addition, the field is lacking a standardized protocol for the acquisition of NM-MRI data, a critical step in facilitating large-scale multisite studies and translation into the clinic. This protocol describes a step-by-step NM-MRI volume placement procedure and online quality control checks to ensure the acquisition of good-quality data covering the entire substantia nigra.

This protocol shows how to acquire neuromelanin-sensitive magnetic resonance imaging data of the substantia nigra.

Standardisierte Datenerfassung für Neuromelanin-sensitive Magnetresonanztomographie der Substantia nigra

The dopaminergic system plays a crucial role in healthy cognition (e.g., reward learning and uncertainty) and neuropsychiatric disorders (e.g., ...

A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Multiple lines of research provide compelling evidence for a role of the cerebellum in a wide array of cognitive and affective functions, going far beyond its historical association with motor control. Structural and functional neuroimaging studies have further refined understanding of the functional neuroanatomy of the cerebellum beyond its anatomical divisions, highlighting the need for the examination of individual cerebellar subunits in healthy variability and neurological diseases. This paper presents a standardized pipeline for examining cerebellum grey matter morphometry that combines high-resolution, state-of-the-art approaches for optimized and automated cerebellum parcellation (Automatic Cerebellum Anatomical Parcellation using U-Net Locally Constrained Optimization; ACAPULCO) and voxel-based registration of the cerebellum (Spatially Unbiased Infra-tentorial Template; SUIT) for volumetric quantification. 
The pipeline has broad applicability to a range of neurological diseases and is fully automated, with manual intervention only required for quality control of the outputs. The pipeline is freely available, with substantial accompanying documentation, and can be run on Mac, Windows, and Linux operating systems. The pipeline is applied in a cohort of individuals with Friedreich ataxia (FRDA), and representative results, as well as recommendations on group-level inferential statistical analyses, are provided. This pipeline could facilitate reliability and reproducibility across the field, ultimately providing a powerful methodological approach for characterizing and tracking cerebellar structural changes in neurological diseases.

A standardized pipeline is presented for examining cerebellum grey matter morphometry. The pipeline combines high-resolution, state-of-the-art approaches for optimized and automated cerebellum parcellation and voxel-based registration of the cerebellum for volumetric quantification.

Eine standardisierte Pipeline zur Untersuchung der Morphometrie der menschlichen zerebellären grauen Substanz mittels struktureller Magnetresonanztomographie

Multiple lines of research provide compelling evidence for a role of the cerebellum in a wide array of cognitive and affective functions, going far beyond ...

Verbesserung der Neuroimaging-Analyse bei Hirnerkrankungen

Manual Segmentation of the Human Choroid Plexus Using Brain MRI

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for brain maturation, immune/ inflammatory regulation, and behavioral/cognitive functioning. However, current automated neuroimaging segmentation tools are poor at accurately and reliably segmenting the lateral ventricle choroid plexus. Furthermore, there is no existing tool that segments the choroid plexus located in the third and fourth ventricles of the brain. Thus, a protocol delineating how to segment the choroid plexus in the lateral, third, and fourth ventricle is needed to increase the reliability and replicability of studies examining the choroid plexus in neurodevelopmental and brain disorders. This protocol provides detailed steps to create separately labeled files in 3D Slicer for the choroid plexus based on DICOM or NIFTI images. The choroid plexus will be manually segmented using the axial, sagittal, and coronal planes of T1w images making sure to exclude voxels from gray or white matter structures bordering the ventricles. Windowing will be adjusted to assist in the localization of the choroid plexus and its anatomical boundaries. Methods for assessing accuracy and reliability will be demonstrated as part of this protocol. Gold standard segmentation of the choroid plexus using manual delineations can be used to develop better and more reliable automated segmentation tools that can be openly shared to elucidate changes in the choroid plexus across the lifespan and within various brain disorders.

Autor im Rampenlicht: Überbrückung von Lücken in der Anatomie und Etablierung einer Grundlage für algorithmische Studien 

Despite the crucial role of the choroid plexus in the brain, neuroimaging studies of this structure are scarce due to the lack of reliable automated segmentation tools. The present protocol aims to ensure gold-standard manual segmentation of the choroid plexus that can inform future neuroimaging studies.

Manuelle Segmentierung des menschlichen Aderhautplexus mittels Hirn-MRT

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for ...

Gehirnmorphologie von Cannabiskonsumenten mit oder ohne Psychose: Eine MrT-Pilotstudie

Zusammenfassung

Weitere Videos entdecken

PLAYLIST