Objectives:

 Determine diagnostic accuracy of a clinical diagnosis of Parkinson disease (PD) using neuropathologic diagnosis as the gold standard. 

Methods:

 Data from the Arizona Study of Aging and Neurodegenerative Disorders were used to determine the predictive value of a clinical PD diagnosis, using 2 clinical diagnostic confidence levels, PossPD (never treated or not clearly responsive) and ProbPD (responsive to medications). Neuropathologic diagnosis was the gold standard. 

Results:

 Based on first visit, 9 of 34 (26%) PossPD cases had neuropathologically confirmed PD while 80 of 97 (82%) ProbPD cases had confirmed PD. PD was confirmed in 8 of 15 (53%) ProbPD cases with <5 years of disease duration and 72 of 82 (88%) with ≥5 years of disease duration. Using final diagnosis at time of death, 91 of 107 (85%) ProbPD cases had confirmed PD. Clinical variables that improved diagnostic accuracy were medication response, motor fluctuations, dyskinesias, and hyposmia. 

Conclusions:

 Using neuropathologic findings of PD as the gold standard, this study establishes the novel findings of only 26% accuracy for a clinical diagnosis of PD in untreated or not clearly responsive subjects, 53% accuracy in early PD responsive to medication (<5 years9 duration), and >85% diagnostic accuracy of longer duration, medication-responsive PD. Caution is needed when interpreting clinical studies of PD, especially studies of early disease that do not have autopsy confirmation. The need for a tissue or other diagnostic biomarker is reinforced. 

Classification of evidence:

 This study provides Class II evidence that a clinical diagnosis of PD identifies patients who will have pathologically confirmed PD with a sensitivity of 88% and specificity of 68%.

The Brain and Body Donation Program (BBDP) at Banner Sun Health Research Institute (http://www.brainandbodydonationprogram.org) started in 1987 with brain-only donations and currently has banked more than 1600 brains. More than 430 whole-body donations have been received since this service was commenced in 2005. The collective academic output of the BBDP is now described as the Arizona Study of Aging and Neurodegenerative Disorders (AZSAND). Most BBDP subjects are enrolled as cognitively normal volunteers residing in the retirement communities of metropolitan Phoenix, Arizona. Specific recruitment efforts are also directed at subjects with Alzheimer's disease, Parkinson's disease and cancer. The median age at death is 82. Subjects receive standardized general medical, neurological, neuropsychological and movement disorders assessments during life and more than 90% receive full pathological examinations by medically licensed pathologists after death. The Program has been funded through a combination of internal, federal and state of Arizona grants as well as user fees and pharmaceutical industry collaborations. Subsets of the Program are utilized by the US National Institute on Aging Arizona Alzheimer's Disease Core Center and the US National Institute of Neurological Disorders and Stroke National Brain and Tissue Resource for Parkinson's Disease and Related Disorders. Substantial funding has also been received from the Michael J. Fox Foundation for Parkinson's Research. The Program has made rapid autopsy a priority, with a 3.0-hour median post-mortem interval for the entire collection. The median RNA Integrity Number (RIN) for frozen brain and body tissue is 8.9 and 7.4, respectively. More than 2500 tissue requests have been served and currently about 200 are served annually. These requests have been made by more than 400 investigators located in 32 US states and 15 countries. Tissue from the BBDP has contributed to more than 350 publications and more than 200 grant-funded projects.

To determine the pathologic substrates in patients with rapid eye movement (REM) sleep behavior disorder (RBD) with or without a coexisting neurologic disorder.The clinical and neuropathologic findings were analyzed on all autopsied cases from one of the collaborating sites in North America and Europe, were evaluated from January 1990 to March 2012, and were diagnosed with polysomnogram (PSG)-proven or probable RBD with or without a coexisting neurologic disorder. The clinical and neuropathologic diagnoses were based on published criteria.172 cases were identified, of whom 143 (83%) were men. The mean±SD age of onset in years for the core features were as follows - RBD, 62±14 (range, 20-93), cognitive impairment (n=147); 69±10 (range, 22-90), parkinsonism (n=151); 68±9 (range, 20-92), and autonomic dysfunction (n=42); 62±12 (range, 23-81). Death age was 75±9 years (range, 24-96). Eighty-two (48%) had RBD confirmed by PSG, 64 (37%) had a classic history of recurrent dream enactment behavior, and 26 (15%) screened positive for RBD by questionnaire. RBD preceded the onset of cognitive impairment, parkinsonism, or autonomic dysfunction in 87 (51%) patients by 10±12 (range, 1-61) years. The primary clinical diagnoses among those with a coexisting neurologic disorder were dementia with Lewy bodies (n=97), Parkinson's disease with or without mild cognitive impairment or dementia (n=32), multiple system atrophy (MSA) (n=19), Alzheimer's disease (AD)(n=9) and other various disorders including secondary narcolepsy (n=2) and neurodegeneration with brain iron accumulation-type 1 (NBAI-1) (n=1). The neuropathologic diagnoses were Lewy body disease (LBD)(n=77, including 1 case with a duplication in the gene encoding α-synuclein), combined LBD and AD (n=59), MSA (n=19), AD (n=6), progressive supranulear palsy (PSP) (n=2), other mixed neurodegenerative pathologies (n=6), NBIA-1/LBD/tauopathy (n=1), and hypothalamic structural lesions (n=2). Among the neurodegenerative disorders associated with RBD (n=170), 160 (94%) were synucleinopathies. The RBD-synucleinopathy association was particularly high when RBD preceded the onset of other neurodegenerative syndrome features.In this large series of PSG-confirmed and probable RBD cases that underwent autopsy, the strong association of RBD with the synucleinopathies was further substantiated and a wider spectrum of disorders which can underlie RBD now are more apparent.

Abstract Neurodegenerative disease pathologies have been reported in both grey matter (GM) and white matter (WM) with different density distributions, an automated separation of GM/WM would be extremely advantageous for aiding in neuropathologic deep phenotyping. Standard segmentation methods typically involve manual annotations, where a trained researcher traces the delineation of GM/WM in ultra-high-resolution Whole Slide Images (WSIs). This method can be time-consuming and subjective, preventing the analysis of large amounts of WSIs at scale. This paper proposes an automated segmentation pipeline combining a Convolutional Neural Network (CNN) module for segmenting GM/WM regions and a post-processing module to remove artifacts/residues of tissues as well as generate XML annotations that can be visualized via Aperio ImageScope. First, we investigate two baseline models for medical image segmentation: FCN, and U-Net. Then we propose a patch-based approach, ResNet-Patch, to classify the GM/WM/background regions. In addition, we integrate a Neural Conditional Random Field (NCRF) module, ResNet-NCRF, to model and incorporate the spatial correlations among neighboring patches. Although their mechanisms are greatly different, both U-Net and ResNet-Patch/ResNet-NCRF achieve Intersection over Union (IoU) of more than 90% in GM and more than 80% in WM, while ResNet-Patch achieves 1% superior to U-Net with lower variance among various WSIs. ResNet-NCRF further improves the IoU by 3% for WM compared to ResNet-Patch before post-processing. We also apply gradient-weighted class activation mapping (Grad-CAM) to interpret the segmentation masks and provide relevant explanations and insights.

Precise, scalable, and quantitative evaluation of whole slide images is crucial in neuropathology. We release a deep learning model for rapid object detection and precise information on the identification, locality, and counts of cored plaques and cerebral amyloid angiopathies (CAAs). We trained this object detector using a repurposed image-tile dataset without any human-drawn bounding boxes. We evaluated the detector on a new manually-annotated dataset of whole slide images (WSIs) from three institutions, four staining procedures, and four human experts. The detector matched the cohort of neuropathology experts, achieving 0.64 (model) vs. 0.64 (cohort) average precision (AP) for cored plaques and 0.75 vs. 0.51 AP for CAAs at a 0.5 IOU threshold. It provided count and locality predictions that correlated with gold-standard CERAD-like WSI scoring (p=0.07± 0.10). The openly-available model can quickly score WSIs in minutes without a GPU on a standard workstation.

Abstract Pathologists can label pathologies differently, making it challenging to yield consistent assessments in the absence of one ground truth. To address this problem, we present a DL approach that draws on a cohort of experts, weighs each contribution, and is robust to noisy labels. We collected 100,495 annotations on 20,099 candidate amyloid beta neuropathologies (cerebral amyloid angiopathy (CAA), and cored and diffuse plaques) from three institutions, independently annotated by five experts. DL methods trained on a consensus-of-two strategy yielded 12.6-26% improvements by area under the precision recall curve (AUPRC) when compared to those that learned individualized annotations. This strategy surpassed individual-expert models, even when unfairly assessed on benchmarks favoring them. Moreover, ensembling over individual models was robust to hidden random annotators. In blind prospective tests of 52,555 subsequent expert-annotated images, the models labeled pathologies like their human counterparts (consensus model AUPRC=0.74 cored; 0.69 CAA). This study demonstrates a means to combine multiple ground truths into a common-ground DL model that yields consistent diagnoses informed by multiple and potentially variable expert opinion.

Neuropathologists assess vast brain areas to identify diverse and subtly-differentiated morphologies. Standard semi-quantitative scoring approaches, however, are coarse-grained and lack precise neuroanatomic localization. We report a proof-of-concept deep learning pipeline identifying specific neuropathologies--amyloid plaques and cerebral amyloid angiopathy--in immunohistochemically-stained archival slides. Using automated segmentation of stained objects and a cloud-based interface, we annotated >70,000 plaque candidates from 43 whole slide images (WSIs) to train and evaluate convolutional neural networks. Networks achieved strong plaque classification on a 10-WSI hold-out set (0.993 and 0.743 areas under the receiver operating characteristic and precision recall curve, respectively). Prediction confidence maps visualized morphology distributions for WSIs at high resolution. Resulting plaque-burden scores correlated well with established semi-quantitative scores on a 30-WSI blinded hold-out. Finally, saliency mapping demonstrated that networks learned patterns agreeing with accepted pathologic features. This scalable means to augment a neuropathologist's ability may suggest a route to neuropathologic deep phenotyping.

Abstract Cerebrovascular and α-synuclein pathologies are frequently observed alongside Alzheimer disease (AD). The heterogeneity of AD necessitates comprehensive approaches to postmortem studies, including the representation of historically underrepresented ethnic groups. In this cohort study, we evaluated small vessel disease pathologies and α-synuclein deposits among Hispanic decedents (HD, n = 92) and non-Hispanic White decedents (NHWD, n = 184) from three Alzheimer’s Disease Research Centers: Columbia University, University of California San Diego, and University of California Davis. The study included cases with a pathological diagnosis of Intermediate/High AD based on the National Institute on Aging– Alzheimer’s Association (NIA-AA) and/or NIA-Reagan criteria. A 2:1 random comparison sample of NHWD was frequency-balanced and matched with HD by age and sex. An expert blinded to demographics and center origin evaluated arteriolosclerosis, cerebral amyloid angiopathy (CAA), and Lewy bodies/Lewy neurites (LBs/LNs) with a semi-quantitative approach using established criteria. There were many similarities and a few differences among groups. HD showed more severe Vonsattel grading of CAA in the cerebellum (p = 0.04), higher CAA density in the posterior hippocampus and cerebellum (ps = 0.01), and increased LBs/LNs density in the frontal (p = 0.01) and temporal cortices (p = 0.03), as determined by Wilcoxon’s test. Ordinal logistic regression adjusting for age, sex, and center confirmed these findings except for LBs/LNs in the temporal cortex. Results indicate HD with AD exhibit greater CAA and α-synuclein burdens in select neuroanatomic regions when compared to age- and sex-matched NHWD with AD. These findings aid in the generalizability of concurrent arteriolosclerosis, CAA, and LBs/LNs topography and severity within the setting of pathologically confirmed AD, particularly in persons of Hispanic descent, showing many similarities and a few differences to those of NHW descent and providing insights into precision medicine approaches.

Genetic variants and epigenetic features both contribute to the risk of Alzheimer's disease (AD). We studied the AD association of CpG-related single nucleotide polymorphisms (CGS), which act as a hub of both the genetic and epigenetic effects, in Caribbean Hispanics (CH) and generalized the findings to Non-Hispanic Whites (NHW). First, we conducted a genome-wide, sliding-window-based association with AD, in 7,155 CH and 1,283 NHW participants. Next, using data from the dorsolateral prefrontal cortex in 179 CH brains, we tested the cis- and trans-effects of AD-associated CGS on brain DNA methylation to mRNA expression. For the genes with significant cis- and trans-effects, we investigated their enriched pathways. We identified six genetic loci in CH with CGS dosage associated with AD at genome-wide significance levels: ADAM20 (Score = 55.19, P = 4.06 × 10–8), the intergenic region between VRTN and SYNDIG1L (Score = − 37.67, P = 2.25 × 10–9), SPG7 (16q24.3) (Score = 40.51, P = 2.23 × 10–8), PVRL2 (Score = 125.86, P = 1.64 × 10–9), TOMM40 (Score = − 18.58, P = 4.61 × 10–8), and APOE (Score = 75.12, P = 7.26 × 10–26). CGSes in PVRL2 and APOE were also significant in NHW. Except for ADAM20, CGSes in the other five loci were associated with CH brain methylation levels (mQTLs) and CGSes in SPG7, PVRL2, and APOE were also mQTLs in NHW. Except for SYNDIG1L (P = 0.08), brain methylation levels in the other five loci affected downstream mRNA expression in CH (P < 0.05), and methylation at VRTN and TOMM40 were also associated with mRNA expression in NHW. Gene expression in these six loci were also regulated by CpG sites in genes that were enriched in the neuron projection and glutamatergic synapse pathways (FDR < 0.05). DNA methylation at all six loci and mRNA expression of SYNDIG1 and TOMM40 were significantly associated with Braak Stage in CH. In summary, we identified six CpG-related genetic loci associated with AD in CH, harboring both genetic and epigenetic risks. However, their downstream effects on mRNA expression maybe ethnic specific and different from NHW.

Abstract Alzheimer’s Disease (AD) exhibits a complex molecular and phenotypic profile. Investigating gene expression plays a crucial role in unraveling the disease’s etiology and progression. Transcriptome data across ethnic groups lack, negatively impacting equity in intervention and research. We employed 565 brains across six U.S. brain banks ( n= 399 non-Hispanic Whites, n =113 Hispanics, n= 12 African Americans) to generated bulk RNA sequencing from prefrontal cortex. We sought to identify cross-ancestry and ancestry-specific differentially expressed genes (DEG) across Braak stages, adjusting for sex, age at death, and RNA quality metrics. We further validated our findings using the Religious Orders Study/Memory Aging Project brains (ROS/MAP; n= 1,095) and performed metanalysis ( n= 1,660). We conducted Gene Set and Variation and Enrichment analysis (GSVA; GSEA). We employed a machine-learning approach for phenotype prediction and gene prioritization to construct a polytranscriptomics risk score (PTRS) splitting our sample into training and testing sub-samples, either randomly or by ethnicity (“ancestry-agnostic” and “ancestry-aware”, respectively). Lastly, we validated top DEG using single-nucleus RNA sequencing (snRNAseq) data. We identified several DEG associated with Braak staging: AD-known genes VGF ( P adj =3.78E- 07) and ADAMTS2 ( P ad j =1.21E-04) were consistently differentially expressed across statistical models, ethnicities, and replicated in ROS/MAP. Genes from the heat shock protein ( HSP ) family, e.g. HSPB7 ( P adj =3.78E-07), were the top differentially expressed genes and replicated in ROS/MAP. Ethnic-stratified analyses prioritized TNFSF14 and SPOCD1 as top Hispanics DEG. GSEA highlighted “ Alzheimer disease ” ( P adj =4.24E-06) and “ TYROBP causal network in microglia ” ( P adj =1.68E-08) pathways. Up- and down-regulated genes were enriched in several pathways (e.g. “ Immune response activation signal pathways” , “ Vesicle-mediated transport in synapse ”, “ cognition ”). Ancestry-agnostic and ancestry-aware PTRS effectively classified brains (AUC=0.77 and 0.73 respectively) and replicated in ROS/MAP. snRNAseq validated prioritized genes, including VGF ( downregulated in neurons; P adj =1.1 E-07). This is the largest diverse AD transcriptome in post-mortem brain tissue, to our knowledge. We identified perturbated genes, pathways and network expressions in AD brains resulting in cross- ethnic and ethnic-specific findings, ultimately highlighting the diversity within AD pathogenesis. The latter underscores the need for an integrative and personalized approach in AD studies.