PRIN 2022 - Trattografia cerebrale aumentata con informazioni funzionali e strutturali (FAITH)

La connettomica è il campo delle neuroscienze dedicato allo studio della connettività cerebrale, ovvero la complessa rete di connessioni nella sostanza bianca del cervello tra aree distinte della materia grigia. In questo contesto, la risonanza magnetica pesata in diffusione è una modalità diagnostica molto importante poiché permette di stimare in modo non invasivo i percorsi di queste connessioni utilizzando i cosiddetti algoritmi di trattografia e, ad esempio, per monitorare il progresso di malattie neurodegenerative. Tuttavia, studi recenti hanno evidenziato che le stime ottenute con questa tecnica potrebbero non riflettere accuratamente l’anatomia sottostante, sollevando serie preoccupazioni sulla sua accuratezza e sulla sua interpretabilità biologica. Diverse soluzioni sono state proposte per ovviare a questo problema; in particolare, il Convex Optimization Modeling for Microstructure Informed Tractography permette di considerare informazioni anatomiche sui fasci assonali in modo efficiente al fine di ottenere stime più robuste sia delle traiettorie che dei parametri microstrutturali delle stesse.

Sebbene il potenziale di questo approccio innovativo non sia stato ancora pienamente sfruttato, crediamo fermamente che questa formulazione possa aprire la strada per migliorare notevolmente l’accuratezza delle stime di connettività. Ad esempio, una strada molto promettente prevede di sfruttare informazioni (i) sulla mielina, derivate ad es. da acquisizioni di suscettibilità magnetica, oppure (ii) sulla connettività funzionale, derivate ad es. dalla risonanza magnetica funzionale, poiché queste modalità forniscono informazioni complementari sulle connessioni.

In questo progetto proponiamo di estendere la formulazione di base per stabilire un collegamento efficace tra la mielina e le informazioni funzionali per migliorare significativamente l'accuratezza anatomica e l'interpretabilità biologica delle stime di connettività. Nello specifico, gli obiettivi sono: a) sviluppare algoritmi automatizzati per delineare accuratamente i fasci neuronali e caratterizzarne la loro microstruttura, b) ottimizzare un protocollo di neuroimaging strutturale e funzionale multicentrico con acquisizioni clinicamente fattibili e c) valutare l'efficacia del modello sviluppato in una coorte di volontari sani. La nostra ipotesi centrale è che l’integrazione di descrittori strutturali e funzionali complementari possa migliorare non solo l’accuratezza delle ricostruzioni dei fasci neuronali ma anche la loro sensibilità clinica, portando a identificare nuovi marcatori per malattie neurodegenerative.