Morfometría adecuada de los cambios degenerativos en el envejecimiento cerebral

Katherine Susana Hernández Cortés, Adrián Mesa Pujals, Arquímedes Montoya Pedrón

Texto completo:

PDF (English)

Resumen

Introducción: Un patrón complejo de cambios conductuales y cognitivos caracteriza el desarrollo de los adultos durante el envejecimiento. El conocimiento de las raíces biológicas de estos cambios se basa en la comprensión de las transformaciones del cerebro relacionadas con la edad.

Objetivo: Ofrecer una visión general a los profesionales de las neurociencias y las neuroimágenes sobre el envejecimiento cerebral, sus patrones morfo funcionales y cambios morfológicos cerebrales y resaltar los estudios morfométricos que se emplean en la actualidad para la detección y estudio de estos cambios estructurales.

Métodos: Se revisaron las publicaciones, tanto en PubMed como en otras bases de datos. Se consultaron los principales libros de texto, referentes al envejecimiento cerebral, neuroanatomía, neurofisiología, neuroradiología y morfometría cerebral.

Conclusiones: La edad es un factor que afecta la morfología cerebral y los cambios morfológicos que aparecen dependen de factores como la variabilidad individual de cada persona. Los estudios morfométricos basados en voxel son una útil herramienta para describir estas diferencias, observándose imagenológicamente en mayor o menor grado signos de atrofia cerebral según avanza la edad.

Palabras clave

envejecimiento cerebral; morfometría; neurociencias.

Referencias

Spalletta G, Piras F, Gili T. Brain morphometry. New York: Humana Press NY; 2018. DOI: https://doi.org/10.1007/978-1-4939-7647-8

Loynaz CS, Milán D, Gómez I, Álvarez O, Espinosa D. Estudio morfométrico del encéfalo por tomografía axial computadorizada en enfermedades neurológicas. Rev Cub Inv Bioméd. 2001 [acceso 13/02/2019];20(3). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-03002001000300004

Carvajal AG, Sendra F, Alcaide D, Voicu I, Nava E. Bases anatómicas y clínicas para la estimación de la atrofia cerebral mediante técnicas de procesado del TC craneal. 30 Congreso Nacional SERAM; 2010 may 28-31; Málaga, España: H.C.U. Virgen de la Victoria; 2010.

Tirro V. La vejez y el cerebro. Rev Nuev Hum. 2016;4(1):73-80. DOI: https://doi.org/10.15359/rnh.4-1.4

González R, Cardentey J. El envejecimiento poblacional: un desafío para los profesionales de la salud en Cuba. Rev Hab Cienc Méd. 2015 [acceso 13/02/2019];14(6). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1729-519X2015000600018

Collazo MI, Calero JL. Algunas características del envejecimiento poblacional en Cuba. Medicen Elect. 2016 [acceso 13/02/2019];20(4). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30432016000400012

Pakkenberg B, Gundersen HJ. Neocortical neuron number in humans: effect of sex and age. J Comp Neurol. 1997 [acceso 10/01/2019];384(2):312-20. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/9215725

Oliveira AV, Andrade CH, Oliveira LM, Parente DN, Santos RM, Coutinho RA, et al. Do age and sex impacto on the absolute cell numbers of human brain regions. Brain Struct Funct. 2016;221(7):3547-59. DOI: https://doi.org/10.1007/s00429-015-1118-4

Dotson VM, Szymkowicz SM, Sozda CN, Kirton J, Green ML, Manini TM, et al. Age differences in prefrontal surface area and thickness in middle aged to older adults. Front Aging Neurosci. 2016;7:250. DOI: https://doi.org/10.3389/fnagi.2015.00250

Pintzka CW, Hansen TI, Evensmoen HR, Haberg AK. Marked effects of intracranial volume correction methods on sex differences in neuroanatomical structures: a HUNT MRI study. Front Neurosci. 2015;9:238. DOI: https://doi.org/10.3389/fnins.2015.00238

Noble J, Cardini A, Flavel A, Franklin D. Geometric morph metrics on juvenile crania: Exploring age and sex variation in an Australians population. Foren Sci Int. 2018;294:57-68. DOI: https://doi.org/10.1016/j.forsciint.2018.10.022

Aycheh HM, Seong JK, Shin JH, Na DL, Kang B, Seo SW, et al. Biological brain age prediction using cortical thickness data: A large-scale cohort study. Rev Neurosci. 2018;10:252. DOI: https://doi.org/10.3389/fnagi.2018.00252

Xu C, Li C, Wu H, Wu Y, Hu S, Zhu Y, et al. Gender differences in cerebral regional homogeneity of adult healthy volunteers: a resting-state FMRI study. Biomed Res Int. 2015;2015:18374. DOI: https://doi.org/10.1155/2015/183074

Zhao L, Matloff W, Ning K, Kim H, Dinov ID, Toga AW. Age-related differences in brain morphology and the modifiers in middle-aged and older adult. Cereb Cortex. 2019;29(10):4169-93. DOI: https://doi.org/10.1093/cercor/bhy300

Murphy DG, De Carli C, McIntosh AR, Daly E, Mentis MJ, Pietrini P, et al. Sex differences in human brain morphometry and metabolism: an in vivo quantitative magnetic resonance imaging and positron emission tomography study on the effect of aging. Arch Gen Psychiatry. 1996;53(7):585-4. DOI: https://doi.org/10.1001/archpsyc.1996.01830070031007

Fernández C, Verduga R, Dámaso S. Deterioro cognitivo leve. Patrones de envejecimiento cerebral. Rev Esp Geriatr Gerontol. 2017;52(Supl1):7-14. DOI: https://doi.org/10.1016/S0211-139X(18)30073-8

Farokhian F, Yang CH, Beheshti I, Matsuda H, Wu S. Age-related gray and white matter changes in normal adult brains. Aging Dis. 2017;8(6):899-909. DOI: https://doi.org/10.14336/ad.2017.0502

Osborn A. Serie radiológica clínica. Los 100 diagnósticos principales en cerebro. Madrid, España: Editorial Elsevier; 2004.

del Cura JL, Pedraza S, Gayete A. Radiología esencial. Madrid, España: Editorial Médica Panamericana; 2009.

Moeller TB, Reif E. Normal Findings in CT and MRI. New York: Thieme Stuttgart; 2000.

Monté GC, Falcón C, Pomarol E, Ashbumer. A Comparison of various MRI feature types for characterizing whole brain anatomical differences using linear pattern recognition methods. Neuroimage. 2018;178:753-68. DOI: https://doi.org/10.1016/j.neuroimage.2018.05.065

Valizadeh SA, Hanggi J, Merillat S, Jancke L. Age Prediction on the basis of brain anatomical measures. Human Brain Mapping. 2017;38(2):593-1104. DOI: https://doi.org/10.1002/hbm.23434

Kang SJ, Kang KA, Jang H, Youn J, Il K, Seok M, et al. Brain morphology according to age, sex, and handedness. Ann Clin Neurophysiol. 2017;19(2):93-100. DOI: http://dx.doi.org/10.14253/acn.2017.19.2.93

Aycheh HM, Seong JK, Shin JH, Na DL, Kang B, Seo SW, et al. Biological brain age prediction using cortical thickness data: a large scale cohort study. Front. Aging Neurosci. 2018;10:252. DOI: https://doi.org/10.3389/fnagi.2018.00252

Daudinot M., Miller R., Gonce E. iMagis 20: a platform toward image-based processes inherent to radiation therapy. Proceedings of XV Workshop on Nuclear Physics IX International Symposium on Nuclear and Related Techniques. La Habana, Cuba: CEADEN; 2015.

Zheng F, Liu Y, Yuan Z, Gao X, He Y, Liu X, et al. Age related changes in cortical and subcortical structures of healthy adult brains: A surface-based morphometry study. J Magn Reson Imaging. 2019;49(1):152-63. DOI: https://doi.org/10.1002/jmri.26037

Polunina A, Bryun E, Sydniaeva E, Golukhova E. Gender differences in cognitive functions: retrospective analysis of the data of 5 neuropsychological studies. Schol Reps. 2018 [acceso 13/02/2019];3(1):1-7. Disponible en: https://www.semanticscholar.org/paper/Gender-differences-in-cognitive-functions%3A-analysis-Poluninaa-Bryuna/d1829c080226e9d18cde8ac6a855567238eec94c

Colectivo de autores. Morfofisiología Humana. Generalidades del sistema nervioso. La Habana: Editorial de Ciencias Médicas; 2015.

Ramanoël S, Hoyau E, Kauffmann L, Renard F, Pichat C, Boudiaf N, et al. Gray matter volume and cognitive performance during normal aging. A voxel-based morphometric study. Front Aging Neurosci. 2018;10:235. DOI: https://doi.org/10.3389/fnagi.2018.00235

Toga AW, Mazziotta JC. Brain Mapping. The Methods. San Diego: Editorial Academic Press; 1996.



Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.