Abstract The Dominantly Inherited Alzheimer Network (DIAN) Observational Study is an international collaboration studying autosomal dominant Alzheimer disease (ADAD). This rare form of Alzheimer disease (AD) is caused by mutations in the presenilin 1 (PSEN1) , presenilin 2 (PSEN2) , or amyloid precursor protein ( APP ) genes. As individuals from these families have a 50% chance of inheriting the familial mutation, this provides researchers with a well-matched cohort of carriers vs non-carriers for case-control studies. An important trait of ADAD is that the age at symptom onset is highly predictable and consistent for each specific mutation, allowing researchers to estimate an individual’s point in their disease time course prior to symptom onset. Although ADAD represents only a small proportion (approximately 0.1%) of all AD cases, studying this form of AD allows researchers to investigate preclinical AD and the progression of changes that occur within the brain prior to AD symptom onset. Furthermore, the young age at symptom onset (typically 30-60 years) means age-related comorbidities are much less prevalent than in sporadic AD, thereby allowing AD pathophysiology to be studied independent of these confounds. A major goal of the DIAN Observational Study is to create a global resource for AD researchers. To that end, the current manuscript provides an overview of the DIAN magnetic resonance imaging (MRI) and positron emission tomography (PET) protocols and highlights the key imaging results of this study to date.

Meningiomas are the most common primary brain tumors. While most are benign (WHO grade 1) and have a favorable prognosis, up to one-fourth are classified as higher-grade, falling into WHO grade 2 or 3 categories. Recently, an integrated risk score (IRS) pertaining to tumor biology was developed and its prognostic relevance was validated in a large, multicenter study. We hypothesized imaging data to be reflective of the IRS. Thus, we assessed the potential of a machine learning classifier for its noninvasive prediction using preoperative magnetic resonance imaging (MRI).

Abstract Background Molecular glioblastoma (molGB) does not exhibit the histologic hallmarks of a grade 4 glioma but is nevertheless diagnosed as glioblastoma when harboring specific molecular markers. MolGB can easily be mistaken for similar-appearing lower-grade astrocytomas. Here, we investigated how advanced imaging could reflect the underlying tumor biology. Methods Clinical and imaging data were collected for 7 molGB grade 4, 9 astrocytomas grade 2, and 12 astrocytomas grade 3. Four neuroradiologists performed VASARI-scoring of conventional imaging, and their inter-reader agreement was assessed using Fleiss κ coefficient. To evaluate the potential of advanced imaging, 2-sample t test, 1-way ANOVA, Mann–Whitney U, and Kruskal–Wallis test were performed to test for significant differences between apparent diffusion coefficient (ADC) and relative cerebral blood volume (rCBV) that were extracted fully automatically from the whole tumor volume. Results While conventional VASARI imaging features did not allow for reliable differentiation between glioma entities, rCBV was significantly higher in molGB compared to astrocytomas for the 5th and 95th percentile, mean, and median values (P < .05). ADC values were significantly lower in molGB than in astrocytomas for mean, median, and the 95th percentile (P < .05). Although no molGB showed contrast enhancement initially, we observed enhancement in the short-term follow-up of 1 patient. Discussion Quantitative analysis of diffusion and perfusion parameters shows potential in reflecting the malignant tumor biology of molGB. It may increase awareness of molGB in a nonenhancing, “benign” appearing tumor. Our results support the emerging hypothesis that molGB might present glioblastoma captured at an early stage of gliomagenesis.

This study aimed to assess the impact of dedicated cardiac protocol (DCP) on diagnostic accuracy of state-of-the-art digital [18F]-FDG-PET/CT in infective endocarditis (IE) and the intra-individual comparison of the performance with that of conventional whole-body approach (WBA) and to analyze the effects of the expertise level of the investigators. 44 patients suspected for IE underwent digital-FDG-PET/CT after overnight fasting. Each three consultants and trainees reread PET images blinded to the examination approach and clinical information. Visual and semiquantitative analyses were performed. Digital-FDG-PET/CT with DCP revealed sensitivity, specificity, and accuracy of 89%, 93%, and 91% for native valve endocarditis (NVE) and 93%, 86%, and 91% for prosthetic valve endocarditis. Compared to WBA, substantial improvement of the diagnostic performance for NVE in DCP was evident, especially in trainees, but not as high compared to consultants. Digital-FDG-PET/CT enabled 79.5% reclassification of modified-Duke-Clinical-Criteria (mDC) with 34.1% upgrading and 45.4% downgrading. This study provides new data using state-of-the-art digital-FDG-PET/CT with DCP improving the diagnostic accuracy in challenging cases of possible IE, particularly in NVE, provided that the investigators involved have the necessary expertise. These findings may have a significant impact on IE-related morbidity, mortality, and patient's management and might be meaningful for updates on the prevailing opinion regarding the value of FDG PET/CT in NVE.

Abstract Purpose Spatial intratumoral heterogeneity poses a significant challenge for accurate response assessment in glioblastoma. Multimodal imaging coupled with advanced image analysis has the potential to unravel this response heterogeneity. Methods Based on automated tumor segmentation and longitudinal registration with follow-up imaging, we categorized contrast-enhancing voxels of 61 patients with suspected recurrence of glioblastoma into either true tumor progression (TP) or pseudoprogression (PsP). To allow the unbiased analysis of semantically related image regions, adjacent voxels with similar values of cerebral blood volume (CBV), FET-PET, and contrast-enhanced T1w were automatically grouped into supervoxels. We then extracted first-order statistics as well as texture features from each supervoxel. With these features, a Random Forest classifier was trained and validated employing a 10-fold cross-validation scheme. For model evaluation, the area under the receiver operating curve, as well as classification performance metrics were calculated. Results Our image analysis pipeline enabled reliable spatial assessment of tumor response. The predictive model reached an accuracy of 80.0% and a macro-weighted AUC of 0.875, which takes class imbalance into account, in the hold-out samples from cross-validation on supervoxel level. Analysis of feature importances confirmed the significant role of FET-PET-derived features. Accordingly, TP- and PsP-labeled supervoxels differed significantly in their 10th and 90th percentile, as well as the median of tumor-to-background normalized FET-PET. However, CBV- and T1c-related features also relevantly contributed to the model’s performance. Conclusion Disentangling the intratumoral heterogeneity in glioblastoma holds immense promise for advancing precise local response evaluation and thereby also informing more personalized and localized treatment strategies in the future.

Abstract Hub regions in the brain, recognized for their roles in ensuring efficient information transfer, are vulnerable to pathological alterations in neurodegenerative conditions, including Alzheimer Disease (AD). Given their essential role in neural communication, disruptions to these hubs have profound implications for overall brain network integrity and functionality. Hub disruption, or targeted impairment of functional connectivity at the hubs, is recognized in AD patients. Computational models paired with evidence from animal experiments hint at a mechanistic explanation, suggesting that these hubs may be preferentially targeted in neurodegeneration, due to their high neuronal activity levels—a phenomenon termed “activity-dependent degeneration”. Yet, two critical issues were unresolved. First, past research hasn’t definitively shown whether hub regions face a higher likelihood of impairment (targeted attack) compared to other regions or if impairment likelihood is uniformly distributed (random attack). Second, human studies offering support for activity-dependent explanations remain scarce. We applied a refined hub disruption index to determine the presence of targeted attacks in AD. Furthermore, we explored potential evidence for activity-dependent degeneration by evaluating if hub vulnerability is better explained by global connectivity or connectivity variations across functional systems, as well as comparing its timing relative to amyloid beta deposition in the brain. Our unique cohort of participants with autosomal dominant Alzheimer Disease (ADAD) allowed us to probe into the preclinical stages of AD to determine the hub disruption timeline in relation to expected symptom emergence. Our findings reveal a hub disruption pattern in ADAD aligned with targeted attacks, detectable even in pre-clinical stages. Notably, the disruption’s severity amplified alongside symptomatic progression. Moreover, since excessive local neuronal activity has been shown to increase amyloid deposition and high connectivity regions show high level of neuronal activity, our observation that hub disruption was primarily tied to regional differences in global connectivity and sequentially followed changes observed in Aβ PET cortical markers is consistent with the activity-dependent degeneration model. Intriguingly, these disruptions were discernible 8 years before the expected age of symptom onset. Taken together, our findings not only align with the targeted attack on hubs model but also suggest that activity-dependent degeneration might be the cause of hub vulnerability. This deepened understanding could be instrumental in refining diagnostic techniques and developing targeted therapeutic strategies for AD in the future.

Abstract Humans spend more energy on the brain than any other species. However, the high energy demand cannot be fully explained by brain size scaling alone. We hypothesized that energy-demanding signaling strategies may have contributed to human cognitive development. We measured the energy distribution along signaling pathways using multimodal brain imaging and found that evolutionarily novel connections have up to 67% higher energetic costs of signaling than sensory-motor pathways. Additionally, histology, transcriptomic data, and molecular imaging independently reveal an upregulation of signaling at G-protein coupled receptors in energy-demanding regions. We found that neuromodulators are predominantly involved in complex cognition such as reading or memory processing. Our study suggests that the upregulation of neuromodulator activity, alongside increased brain size, is a crucial aspect of human brain evolution.

Abstract Background Despite advances in therapy, inflammatory demyelinating diseases of the central nervous system, such as multiple sclerosis, remain important causes of morbidity among young adults. Translation of remyelinating paradigms from current murine models is encumbered by the small size and low white matter content of the brains, limiting the spatial resolution of diagnostic imaging. Large animal models might be more suited for this purpose but pose significant technological, ethical and logistical challenges. Method We induced reversible and targeted cerebral demyelinating lesions by controlled injection of lysophosphatidylcholine in the minipig brain. One strength of the approach is the serial induction, allowing parallel imaging of successive stages of de-/remyelination. Findings We demonstrate controlled, clinically unapparent, reversible and multimodally trackable brain white matter demyelination in a large animal model. Lesions were amenable to follow-up using the same clinical imaging modalities (3T magnetic resonance imaging, 11 C-PIB positron emission tomography) and standard histopathology protocols as for human diagnostics, as well as electron microscopy to compare against biopsy data from two patients with cerebral demyelination. Interpretation By employing human diagnostic tools and validating the model against data from related human diseases, our platform overcomes one important translational barrier of current animal brain demyelination models while having the potential for developing diagnostic procedures and imaging biomarkers. Remyelination and axon preservation dynamics diverge from classical rodent models. Funding This work was supported by the DFG under Germany’s Excellence Strategy within the framework of the Munich Cluster for Systems Neurology (EXC 2145 SyNergy, ID 390857198) and TRR 274/1 2020, 408885537 (projects B03 and Z01). Research in context Evidence before this study Inflammatory demyelinating diseases of the central nervous system (CNS), targeting primarily the white matter (WM) of the brain and spinal cord, such as multiple sclerosis (MS), still represent some of the most important non-traumatic causes of disability in young adults. Current animal models based on murine species, for example, experimental autoimmune encephalomyelitis, have been demonstrated to reliably depict pathophysiological facets of human disease. However, they are nevertheless encumbered by the low WM content and the small size of murine brains, which still pose a translational barrier to diagnostic imaging tools used in a clinical context in human patients. Minipigs are increasingly being used to model human neurological diseases, as yet primarily in the context of neurodegenerative disorders. Added value of this study Here, we establish a platform for Minipig Stereotactic White-matter Injection using Navigation by Electromagnetism (MiniSWINE) and validate such a tool in a clinical multimodal imaging and microscopy setting against biopsy and imaging data from human demyelinating disorders across different disease stages, as well as against existing and potentially emerging human diagnostic imaging. Moreover, in order to overcome the neuroanatomical challenges of stereotactic injection in the pig brain, we designed a new electromagnetic-guided tracking system whose key advantage is the direct measurement of the injection cannula tip position in situ. Another strength of our study lies in its setup, characterized by the serial induction of successive stages of de- and remyelination, allowing for multimodal assessment via imaging and histopathology or electron microscopy of multiple stages in parallel. The remyelination dynamics inferred in this context diverge from the classical rodent studies, by exhibiting incomplete remyelination at the subacute stage, persistent astroglial and microglial activation as well as a minor degree of secondary axonal degeneration. Thus, they more closely resemble human inflammatory demyelinating brain plaques. Implications of all the available evidence We believe that MiniSWINE links evidence from well-established demyelination-induction methods from rodent models of CNS demyelinating disorders, as well as from human imaging and biopsy data, while at the same time providing a novel platform for the potential development of diagnostic procedures, discovery of imaging biomarkers and testing of remyelinating agents in diseases such as MS. Thus, it can have particular relevance to human health in the context of future translational animal model-based research in inflammatory demyelinating disorders of the CNS. Additionally, our electromagnetic-guided injection technique may enhance stereotactic substance delivery in human neurosurgery.