МРТ-признаки психических заболеваний

Долгое время использование методов лучевой диагностики в психиатрии виделось малоэффективным, поскольку считалось, что с их помощью можно оценить только структурные изменения головного мозга. Однако последующее развитие и появление новых радиологических техник привело к появлению ранее недоступных возможностей. В современной психиатрической практике наибольший интерес представляет магнитно-резонансная томография (МРТ) и ее производные – функциональная МРТ (фМРТ) с выполнением заданий и в состоянии покоя. Данные техники дают возможность оценить как структурные, так и функциональные изменения головного мозга. С помощью МРТ с высоким пространственным разрешением стало возможно оценить изменения серого вещества головного мозга, в том числе его региональный объем, толщину коры, форму извилин и подкорковые структуры. Благодаря фМРТ появилась возможность оценить нейронную активность и нейронные схемы головного мозга. Функциональная МРТ с выполнением заданий основана на увеличении кровоснабжения и, соответственно, оксигенации тех участков мозга, которые активируются при работе над определенными заданиями, в то время как при МРТ в состоянии покоя оцениваются спонтанные колебания активности зон головного мозга. Хотя диагноз психических заболеваний не ставится исключительно по результатам МРТ, визуализация способна облегчить данную задачу. При исследовании могут наблюдаться такие признаки, как гипо- или гиперактивация участков, увеличение или уменьшение объемов зон головного мозга. В работе описаны примеры МР-признаков, характерных для синдрома дефицита внимания и гиперактивности, биполярного расстройства, большого депрессивного расстройства, шизофрении, а также возможные визуализационные признаки когнитивных нарушений, встречающихся при рассеянном склерозе.

1. Lui S., Zhou X.J., Sweeney J.A., Gong Q. Psychoradiology: The Frontier of Neuroimaging in Psychiatry. Radiology. 2016;281(2):357–372. https://doi.org/10.1148/radiol.2016152149.

2. Good C.D., Johnsrude I.S., Ashburner J., Henson R.N., Friston K.J., Frackowiak R.S. A voxel-based morphometric study of ageing in 465 normal adult human brains. Neuroimage. 2001;14(1 Pt 1):21–36. https://doi.org/10.1006/nimg.2001.0786.

3. Gong Q., Kendrick K.M., Lu L. Psychoradiology: a new era for neuropsychiatric imaging, Psychoradiology. 2021;1(1):1–2. https://doi.org/10.1093/psyrad/kkaa001.

4. Tian L., Jiang T., Wang Y., Zang Y., He Y., Liang M. et al. Altered resting-state functional connectivity patterns of anterior cingulate cortex in adolescents with attention deficit hyperactivity disorder. Neurosci Lett. 2006;400(1-2):39–43. https://doi.org/10.1016/j.neulet.2006.02.022.

5. Critchley H.D., Mathias C.J., Josephs O., O’Doherty J., Zanini S., Dewar B.K. et al. Human cingulate cortex and autonomic control: converging neuroimaging and clinical evidence. Brain. 2003;126(Pt 10):2139–2152. https://doi.org/10.1093/brain/awg216.

6. Sekaninova N., Mestanik M., Mestanikova A., Hamrakova A., Tonhajzerova I. Novel approach to evaluate central autonomic regulation in attention deficit/hyperactivity disorder (ADHD). Physiol Res. 2019;68(4):531–545. https://doi.org/10.33549/physiolres.934160.

7. Paus T. Primate anterior cingulate cortex: where motor control, drive and cognition interface. Nat Rev Neurosci. 2001;2(6):417–424. https://doi.org/10.1038/35077500.

8. Botvinick M.M., Braver T.S., Barch D.M., Carter C.S., Cohen J.D. Conflict monitoring and cognitive control. Psychol Rev. 2001;108(3):624–652. https://doi.org/10.1037/0033-295x.108.3.624.

9. Voloh B., Knoebl R., Hayden B.Y., Zimmermann J. Oscillations as a window into neuronal mechanisms underlying dorsal anterior cingulate cortex function. Int Rev Neurobiol. 2021;158:311–335. https://doi.org/10.1016/bs.irn.2020.11.003.

10. Krain A.L., Castellanos F.X. Brain development and ADHD. Clin Psychol Rev. 2006;26(4):433–444. https://doi.org/10.1016/j.cpr.2006.01.005.

11. Hoogman M., Bralten J., Hibar D.P., Mennes M., Zwiers M.P., Schweren L.S.J. et al. Subcortical brain volume differences in participants with attention deficit hyperactivity disorder in children and adults: a cross-sectional mega-analysis. Lancet Psychiatry. 2017;4(4):310–319. https://doi.org/10.1016/S2215-0366(17)30049-4.

12. Hibar D.P., Westlye L.T., Doan N.T., Jahanshad N., Cheung J.W., Ching C.R.K. et al. Cortical abnormalities in bipolar disorder: an MRI analysis of 6503 individuals from the ENIGMA Bipolar Disorder Working Group. Mol Psychiatry. 2018;23(4):932–942. https://doi.org/10.1038/mp.2017.73.

13. Claeys E.H.I., Mantingh T., Morrens M., Yalin N., Stokes P.R.A. Resting-state fMRI in depressive and (hypo)manic mood states in bipolar disorders: A systematic review. Prog Neuropsychopharmacol Biol Psychiatry. 2022;113:110465. https://doi.org/10.1016/j.pnpbp.2021.110465.

14. Lui S., Yao L., Xiao Y., Keedy S.K., Reilly J.L., Keefe R.S. et al. Resting-state brain function in schizophrenia and psychotic bipolar probands and their first-degree relatives. Psychol Med. 2015;45(1):97–108. https://doi.org/10.1017/S003329171400110X.

15. Passarotti A.M., Sweeney J.A., Pavuluri M.N. Fronto-limbic dysfunction in mania pre-treatment and persistent amygdala over-activity post-treatment in pediatric bipolar disorder. Psychopharmacology (Berl). 2011;216(4):485–499. https://doi.org/10.1007/s00213-011-2243-2.

16. Zhao Y.J., Du M.Y., Huang X.Q., Lui S., Chen Z.Q., Liu J. et al. Brain grey matter abnormalities in medication-free patients with major depressive disorder: a meta-analysis. Psychol Med. 2014;44(14):2927–2937. https://doi.org/10.1017/S0033291714000518.

17. Cole J., Costafreda S.G., McGuffin P., Fu C.H. Hippocampal atrophy in first episode depression: a meta-analysis of magnetic resonance imaging studies. J Affect Disord. 2011;134(1-3):483–487. https://doi.org/10.1016/j.jad.2011.05.057.

18. Kempton M.J., Salvador Z., Munafò M.R., Geddes J.R., Simmons A., Frangou S., Williams S.C. Structural neuroimaging studies in major depressive disorder. Meta-analysis and comparison with bipolar disorder. Arch Gen Psychiatry. 2011;68(7):675–690. https://doi.org/10.1001/archgenpsychiatry.2011.60.

19. Schmaal L., Veltman D.J., van Erp T.G., Sämann P.G., Frodl T., Jahanshad N. et al. Subcortical brain alterations in major depressive disorder: findings from the ENIGMA Major Depressive Disorder working group. Mol Psychiatry. 2016;21(6):806–812. https://doi.org/10.1038/mp.2015.69.

20. Salvadore G., Nugent A.C., Lemaitre H., Luckenbaugh D.A., Tinsley R., Cannon D.M. et al. Prefrontal cortical abnormalities in currently depressed versus currently remitted patients with major depressive disorder. Neuroimage. 2011;54(4):2643–2651. https://doi.org/10.1016/j.neuroimage.2010.11.011.

21. Campbell S., Macqueen G. The role of the hippocampus in the pathophysiology of major depression. J Psychiatry Neurosci. 2004;29(6):417–426. Available at: https://www.jpn.ca/content/29/6/417.long.

22. Verma R., Sciacca F., Bell D. Major depressive disorder. Radiopaedia.org. 2020;58920. https://doi.org/10.53347/rID-58920.

23. Wang L., Hermens D.F., Hickie I.B., Lagopoulos J. A systematic review of resting-state functional-MRI studies in major depression. J Affect Disord. 2012;142(1-3):6–12. https://doi.org/10.1016/j.jad.2012.04.013.

24. Illowsky B.P., Juliano D.M., Bigelow L.B., Weinberger D.R. Stability of CT scan findings in schizophrenia: results of an 8 year follow-up study. J Neurol Neurosurg Psychiatry. 1988;51(2):209–213. https://doi.org/10.1136/jnnp.51.2.209.

25. Johnstone E.C., Crow T.J., Frith C.D., Husband J., Kreel L. Cerebral ventricular size and cognitive impairment in chronic schizophrenia. Lancet. 1976;2(7992):924–926. https://doi.org/10.1016/s0140-6736(76)90890-4.

26. Zhang W., Deng W., Yao L., Xiao Y., Li F., Liu J. et al. Brain Structural Abnormalities in a Group of Never-Medicated Patients With Long-Term Schizophrenia. Am J Psychiatry. 2015;172(10):995–1003. https://doi.org/10.1176/appi.ajp.2015.14091108.

27. Ren W., Lui S., Deng W., Li F., Li M., Huang X. et al. Anatomical and functional brain abnormalities in drug-naive first-episode schizophrenia. Am J Psychiatry. 2013;170(11):1308–1316. https://doi.org/10.1176/appi.ajp.2013.12091148.

28. Haukvik U.K., Hartberg C.B., Agartz I. Schizophrenia – what does structural MRI show? Tidsskr Nor Laegeforen. 2013;133(8):850–853. https://doi.org/10.4045/tidsskr.12.1084.

29. Kuroki N., Kubicki M., Nestor P.G., Salisbury D.F., Park H.J., Levitt J.J. et al. Fornix integrity and hippocampal volume in male schizophrenic patients. Biol Psychiatry. 2006;60(1):22–31. https://doi.org/10.1016/j.biopsych.2005.09.021.

30. Deloire M.S., Ruet A., Hamel D., Bonnet M., Dousset V., Brochet B. MRI predictors of cognitive outcome in early multiple sclerosis. Neurology. 2011;76(13):1161–1167. https://doi.org/10.1212/WNL.0b013e318212a8be.

31. Eijlers A.J.C., van Geest Q., Dekker I., Steenwijk M.D., Meijer K.A., Hulst H.E. et al. Predicting cognitive decline in multiple sclerosis: a 5-year follow-up study. Brain. 2018;141(9):2605–2618. https://doi.org/10.1093/brain/awy202.

32. Abou Elmaaty A.A., Flifel M.E., Zarad C.A. Correlation between brain magnetic resonance imaging, cognitive dysfunction and physical dysability in multiple sclerosis. Egypt J Neurol Psychiatry Neurosurg. 2019;55(1):54. https://doi.org/10.1186/s41983-019-0100-0.

33. Kincses Z.T., Tóth E., Bankó N., Veréb D., Szabó N., Csete G. et al. Grey matter atrophy in patients suffering from multiple sclerosis. Ideggyogy Sz. 2014;67(9-10):293–300. Available at: https://pubmed.ncbi.nlm.nih.gov/25518257/.

34. De Stefano N., Stromillo M.L., Giorgio A., Bartolozzi M.L., Battaglini M., Baldini M. et al. Establishing pathological cut-offs of brain atrophy rates in multiple sclerosis. J Neurol Neurosurg Psychiatry. 2016;87(1):93–99. https://doi.org/10.1136/jnnp-2014-309903.

35. Tóth E., Faragó P., Király A., Szabó N., Veréb D., Kocsis K. et al. The Contribution of Various MRI Parameters to Clinical and Cognitive Disability in Multiple Sclerosis. Front Neurol. 2019;9:1172. https://doi.org/10.3389/fneur.2018.01172.

36. Kincses Z.T., Ropele S., Jenkinson M., Khalil M., Petrovic K., Loitfelder M. et al. Lesion probability mapping to explain clinical deficits and cognitive performance in multiple sclerosis. Mult Scler. 2011;17(6):681–689. https://doi.org/10.1177/1352458510391342.