Monitoring HD progression via dictionary learning on cortical surfaces

Huntington Disease is a genetic and neurodegenerative disease that dramatically reduces the volume in different brain regions and that leads to motor and cognitive impairments as well as emotional disorders. The disease is caused by a single gene mutation, and by a specific genetic test it is possible to predict, even before the birth, the disease and estimate its onset age. Medical research is currently focused in delivering treatments able to slow down the neurodegenerative process, or postpone the onset age. These studies require effective bio-markers to quantitatively assess the disease progression. Unfortunately, at the moment there are no effective bio-markers that can reliably characterize the disease in its early stages, before it becomes manifest. Anatomical brain imaging, in particular MRI, can certainly provide promising bio-markers: from MRI scans it is possible to measure the thickness/volume of brain regions and cortical surfaces. Medical literature reports that these measurements have shown good correlation with the disease progression, but also that those bio-markers cannot identify early stages of the disease, when changes are more subtle and difficult to perceive. In this thesis we investigate a new, patient-specific bio-marker, which is obtained by analyzing cortical surfaces by means of an anomaly-detection algorithm. In particular, we learn a model yielding sparse representations of the shapes/structures characterizing the cerebral cortex of each patient. These learned models are used in longitudinal scans to quantitatively assess how much the structures characterizing the cerebral cortex, depart from the original conditions. We have validated the learned model and tested our bio-marker over a set of 20 early HD patients (4 visits each), and a set of 8 control patients (7 visits each). The data set comes from the CHDI foundation, it was pre-processed by IBM, with which we collaborate. Our results indicate that the model is able to well capture the structure of the cortex, but that the bio-markers are not stable enough across different visits to provide meaningful enough information with respect to the cortical thickness.

La malattia di Huntington è una malattia genetica e neurodegenerativa, che riduce drasticamente il volume di alcune regioni del cervello e che porta ad avere disabilità di tipo motorio e cognitivo, come anche disordini di tipo emotivo. La malattia è causata da una singola mutazione genetica e, attraverso un test gentico specifico, è possibile, anche prima della nascita, diagnosticarla e stimare quando diventerà manifesta. Attualmente l' obbiettivo della ricerca medica è quello di viluppare dei trattamenti per rallentarne la progressione e posticipare il momento in cui diventerà manifesta. Questi studi richiedono dei bio-marker per quantificare la progressione della malattia. Sfortunatamente, attualmente non esistono dei bio-marker effetivi che possono, in modo affidabile, caratterizzare la malattia nelle sue prime fasi, quando i cambiamenti sono più subdoli e difficili da percepire. Tecniche di brain imaging, come MRI, possono certamente fornire dei bio-marker validi: da uno scan MRI è possibile misurare spessore, o volume, delle area del cervello e cortical surfaces. La letteratura medica riporta, che queste misurazioni, mostrano una buona correlazione con la progressione della malattia, ma anche che questi bio-marker non sono in grado di identificare la malattia nei suoi primi stadi, quando i cambiamenti sono più subdoli e difficili da percepire In questa tesi, investighiamo un nuovo patient-specific bio-marker, ottenuto analizzando superfici della corteccia cerebrale usando una tecnica di anomaly-detection. In particolare, impariamo un modello che fornisce rappresentazioni sparse delle forme/strutture che caratterizzano la corteccia di ogni paziente. Questi modelli, sono poi usati su un set di scan longitudinali per quantificare quanto la struttura, che caratterizza la corteccia cerebrale, si allontana dalle sue condizioni. Abbiamo validato il modello e testato il nostro bio-marker su un insieme di 20 pazienti earlyHD (4 visite ciascuno), e su un insieme di 8 controlli sani (7 visite ciascuno). Il data-set è stato fornito dalla CHDI foundation e pre-processato da IBM, con i quali abbiamo collaborato. I nostri risultati indicano che il modello è in grado di catturare la struttura della corteccia, ma il bio-marker non è abbastanza stabile per fornire informazioni utili in più rispetto allo spessore della corteccia