Work

Cognitive Impairment in Mood Disorders: Neuropsychology, Multimodal Brain Imaging, and the Effect of Neuroinflammation

Type: dissertation
Study design: Observational Study
Abstract: Il peso dei disturbi dell'umore continua a crescere, con circa un terzo dei pazienti che non risponde agli antidepressivi. Una diagnosi accurata e tempestiva è essenziale per la somministrazione di un trattamento adeguato e per il decorso clinico. Tuttavia, a causa della sintomatologia sovrapposta, circa il 60% dei pazienti con disturbo bipolare (DB) viene inizialmente diagnosticato erroneamente come affetto da disturbo depressivo maggiore (DDM). Inoltre, entrambi i disturbi influenzano anche le funzioni cognitive indipendentemente dallo stato dell’umore, con un impatto significativo sul funzionamento psicosociale e sulla qualità della vita dei pazienti. Identificare biomarcatori affidabili per differenziare tra DDM e DB e per rilevare deficit cognitivi a livello individuale è fondamentale per sviluppare strategie di trattamento personalizzate. In questo lavoro è stato raccolto un ampio set di dati per 358 pazienti depressi (139 DDM e 219 DB), inclusi misure di diffusività della sostanza bianca (WM), misure di morfometria basata sui voxel e caratteristiche della connettività funzionale a riposo (rsFC), insieme a marcatori infiammatori periferici (PIM) e punteggi di rischio poligenico. Ogni caratteristica è stata inserita separatamente in una pipeline predittiva di machine learning per differenziare tra pazienti DDM e DB, così come tra pazienti cognitivamente integri e compromessi. La diffusività di WM, le misure di rsFC e i PIM sono stati in grado di differenziare tra pazienti DDM e DB con un'accuratezza che varia dal 62% al 69%. I deficit cognitivi sono stati rilevati in modo significativo solo dalle misure di materia grigia funzionale con il 67% di accuratezza. I risultati della differenziazione diagnostica suggeriscono che i pazienti con DB mostrano una compromissione leggermente maggiore ma diffusa dell'integrità della WM rispetto al DDM. Inoltre, i pazienti DDM e DB hanno mostrato distinti pattern di rsFC basati su seed all'interno del reward system, probabilmente riflettendo le differenze comportamentali tra depressione e mania. I due gruppi diagnostici hanno anche mostrato un profilo infiammatorio differenziale, con i pazienti DDM che reclutano anche un meccanismo di regolazione, contrariamente ai DB. L'identificazione dei pazienti con deficit cognitivo, invece, potrebbe dipendere da una perturbazione nell’equilibrio tra default mode network, executive control network, e salience network. Nel complesso, i nostri risultati dimostrano la fattibilità di distinguere i pazienti DB da quelli DDM e di identificare i pazienti con deficit cognitivi a livello individuale utilizzando caratteristiche di neuroimaging.
Language: English
Field: Medicine
Open Access status: green
OpenAlex ID: W7217493383
Cites: 298
Cited by: 1
Related to: 10