Proper morphometry of degenerative changes in brain aging

Authors

Keywords:

brain aging, morphometry, neuroscience.

Abstract

Introduction: A complex pattern of behavioral and cognitive changes characterizes the development of adults during aging. Knowledge of the biological roots of these changes is based on an understanding of age-related brain transformations.

Objective: To offer an overview to neuroscience and neuroimaging professionals about brain aging, its morph functional patterns and morphological changes in the brain, and will highlight the morphometric studies currently used to the detection and study of these structural changes.

Methods: The publications were reviewed, both in PubMed and in other data bases. The main text books referring to brain aging, neuroanatomy, neurophysiology, and neuroradiology and brain morphometry were consulted.

Conclusions: that age is a factor that affects brain morphology and that the morphological changes that appear depend on factors such as the individual variability of individuals. Voxel-based morphometric studies are a useful tool to describe these differences, with signs of cerebral atrophy being observed to a greater or lesser degree as age advances.


Downloads

Download data is not yet available.

Author Biographies

Katherine Susana Hernández Cortés, Universidad de Ciencias Medicas de Santiago de Cuba

Especialista en Anatomía Humana.Máster en Medicina Bioenérgetica y Natural.

Adrián Mesa Pujals, Centro de Biofísica Médica.Santiago de Cuba.

Ingeniero en Ciencias Informáticas.

Arquímedes Montoya Pedrón, Hospital Docente Juan Bruno Zayas Alfonso

Doctor en Ciencias Médicas.Especialista de 2 grado en NEUROFISIOLOGÃA.PROFESOR TITULAR.JEFE DEL SERVICIO DE NEUROFISIOLOGÃA.

References

1. 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

2. 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

3. 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.

4. 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

5. 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

6. 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

7. 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

8. 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

9. 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

10. 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

11. 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

12. 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

13. 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

14. 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

15. 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

16. 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

17. 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

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

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

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

21. 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

22. 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

23. 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

24. 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

25. 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.

26. 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

27. 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

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

29. 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

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

Downloads

Published

2023-10-15

How to Cite

1.
Hernández Cortés KS, Mesa Pujals A, Montoya Pedrón A. Proper morphometry of degenerative changes in brain aging. Rev Cubana Inv Bioméd [Internet]. 2023 Oct. 15 [cited 2025 Jul. 27];42(1). Available from: https://revibiomedica.sld.cu/index.php/ibi/article/view/891

Issue

Vol. 42 (2023)

Section

ARTÍCULOS DE REVISIÓN

License

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes: Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons (CC-BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).

Como Revista Cubana de Investigaciones Biomédicas forma parte de la red SciELO, una vez los artículos sean aceptados para entrar al proceso editorial (revisión), estos pueden ser depositados por parte de los autores, si estan de acuerdo, en SciELO preprints, siendo actualizados por los autores al concluir el proceso de revisión y las pruebas de maquetación.