Abstract Magnetic resonance-guided focused ultrasound in combination with intravenously injected microbubbles has been shown to transiently open the blood–brain barrier, and reduce beta-amyloid and tau pathology in animal models of Alzheimer’s disease. Here, we used focused ultrasound to open the blood–brain barrier in five patients with early to moderate Alzheimer’s disease in a phase I safety trial. In all patients, the blood–brain barrier within the target volume was safely, reversibly, and repeatedly opened. Opening the blood–brain barrier did not result in serious clinical or radiographic adverse events, as well as no clinically significant worsening on cognitive scores at three months compared to baseline. Beta-amyloid levels were measured before treatment using [ 18 F]-florbetaben PET to confirm amyloid deposition at the target site. Exploratory analysis suggested no group-wise changes in amyloid post-sonication. The results of this safety and feasibility study support the continued investigation of focused ultrasound as a potential novel treatment and delivery strategy for patients with Alzheimer’s disease.

BackgroundFrontotemporal dementia is a highly heritable neurodegenerative disorder. In about a third of patients, the disease is caused by autosomal dominant genetic mutations usually in one of three genes: progranulin (GRN), microtubule-associated protein tau (MAPT), or chromosome 9 open reading frame 72 (C9orf72). Findings from studies of other genetic dementias have shown neuroimaging and cognitive changes before symptoms onset, and we aimed to identify whether such changes could be shown in frontotemporal dementia.MethodsWe recruited participants to this multicentre study who either were known carriers of a pathogenic mutation in GRN, MAPT, or C9orf72, or were at risk of carrying a mutation because a first-degree relative was a known symptomatic carrier. We calculated time to expected onset as the difference between age at assessment and mean age at onset within the family. Participants underwent a standardised clinical assessment and neuropsychological battery. We did MRI and generated cortical and subcortical volumes using a parcellation of the volumetric T1-weighted scan. We used linear mixed-effects models to examine whether the association of neuropsychology and imaging measures with time to expected onset of symptoms differed between mutation carriers and non-carriers.FindingsBetween Jan 30, 2012, and Sept 15, 2013, we recruited participants from 11 research sites in the UK, Italy, the Netherlands, Sweden, and Canada. We analysed data from 220 participants: 118 mutation carriers (40 symptomatic and 78 asymptomatic) and 102 non-carriers. For neuropsychology measures, we noted the earliest significant differences between mutation carriers and non-carriers 5 years before expected onset, when differences were significant for all measures except for tests of immediate recall and verbal fluency. We noted the largest Z score differences between carriers and non-carriers 5 years before expected onset in tests of naming (Boston Naming Test −0·7; SE 0·3) and executive function (Trail Making Test Part B, Digit Span backwards, and Digit Symbol Task, all −0·5, SE 0·2). For imaging measures, we noted differences earliest for the insula (at 10 years before expected symptom onset, mean volume as a percentage of total intracranial volume was 0·80% in mutation carriers and 0·84% in non-carriers; difference −0·04, SE 0·02) followed by the temporal lobe (at 10 years before expected symptom onset, mean volume as a percentage of total intracranial volume 8·1% in mutation carriers and 8·3% in non-carriers; difference −0·2, SE 0·1).InterpretationStructural imaging and cognitive changes can be identified 5–10 years before expected onset of symptoms in asymptomatic adults at risk of genetic frontotemporal dementia. These findings could help to define biomarkers that can stage presymptomatic disease and track disease progression, which will be important for future therapeutic trials.FundingCentres of Excellence in Neurodegeneration.

Abstract Quality control of morphometric neuroimaging data is essential to improve reproducibility. Owing to the complexity of neuroimaging data and subsequently the interpretation of their results, visual inspection by trained raters is the most reliable way to perform quality control. Here, we present a protocol for visual quality control of the anatomical accuracy of FreeSurfer parcellations, based on an easy-to-use open source tool called VisualQC. We comprehensively evaluate its utility in terms of error detection rate and inter-rater reliability on two large multi-site datasets, and discuss site differences in error patterns. This evaluation shows that VisualQC is a practically viable protocol for community adoption.

Abstract The genetic basis of Lewy body dementia (LBD) is not well understood. Here, we performed whole-genome sequencing in large cohorts of LBD cases and neurologically healthy controls to study the genetic architecture of this understudied form of dementia and to generate a resource for the scientific community. Genome-wide association analysis identified five independent risk loci, whereas genome-wide gene-aggregation tests implicated mutations in the gene GBA . Genetic risk scores demonstrate that LBD shares risk profiles and pathways with Alzheimer’s and Parkinson’s disease, providing a deeper molecular understanding of the complex genetic architecture of this age-related neurodegenerative condition.

Abstract White matter hyperintensities (WMH) are frequently observed on structural neuroimaging of elderly populations and are associated with cognitive decline and increased risk of dementia. Many existing WMH segmentation algorithms produce suboptimal results in populations with vascular lesions or brain atrophy, or require parameter tuning and are computationally expensive. Additionally, most algorithms do not generate a confidence estimate of segmentation quality, limiting their interpretation. MRI-based segmentation methods are often sensitive to acquisition protocols, scanners, noise-level, and image contrast, failing to generalize to other populations and out-of-distribution datasets. Given these concerns, we propose a novel Bayesian 3D Convolutional Neural Network (CNN) with a U-Net architecture that automatically segments WMH, provides uncertainty estimates of the segmentation output for quality control and is robust to changes in acquisition protocols. We also provide a second model to differentiate deep and periventricular WMH. 432 subjects were recruited to train the CNNs from four multi-site imaging studies. A separate test set of 158 subjects was used for evaluation, including an unseen multi-site study. We compared our model to two established state-of-the-art techniques (BIANCA and DeepMedic), highlighting its accuracy and efficiency. Our Bayesian 3D U-Net achieved the highest Dice similarity coefficient of 0.89 ± 0.08 and the lowest modified Hausdorff distance of 2.98 ± 4.40 mm. We further validated our models highlighting their robustness on ‘clinical adversarial cases’ simulating data with low signal-to-noise ratio, low resolution, and different contrast (stemming from MRI sequences with different parameters). Our pipeline and models are available at: https://hypermapp3r.readthedocs.io

Abstract Connections among brain regions allow pathological perturbations to spread from a single source region to multiple regions. Patterns of neurodegeneration in multiple diseases, including behavioral variant of frontotemporal dementia (bvFTD), resemble the large-scale functional systems, but how bvFTD-related atrophy patterns relate to structural network organization remains unknown. Here we investigate whether neurodegeneration patterns in sporadic and genetic bvFTD are conditioned by connectome architecture. Regional atrophy patterns were estimated in both genetic bvFTD (75 patients, 247 controls) and sporadic bvFTD (70 patients, 123 controls). We first identify distributed atrophy patterns in bvFTD, mainly targeting areas associated with the limbic intrinsic network and insular cytoarchitectonic class. Regional atrophy was significantly correlated with atrophy of structurally- and functionally-connected neighbors, demonstrating that network structure shapes atrophy patterns. The anterior insula was identified as the predominant group epicenter of brain atrophy using data-driven and simulation-based methods, with some secondary regions in frontal ventromedial and anteromedial temporal areas. Finally, we find that FTD-related genes, namely C9orf72 and TARDBP, confer local transcriptomic vulnerability to the disease, effectively modulating the propagation of pathology through the connectome. Collectively, our results demonstrate that atrophy patterns in sporadic and genetic bvFTD are jointly shaped by global connectome architecture and local transcriptomic vulnerability.

Abstract Alzheimer’s disease typically progresses in stages, which have been defined by the presence of disease-specific biomarkers: amyloid (A), tau (T) and neurodegeneration (N). This progression of biomarkers has been condensed into the ATN framework, in which each of the biomarkers can be either positive (+) or negative (−). Over the past decades, genome-wide association studies have implicated ∼90 different loci involved with the development of late-onset Alzheimer’s disease. Here, we investigate whether genetic risk for Alzheimer’s disease contributes equally to the progression in different disease stages or whether it exhibits a stage-dependent effect. Amyloid (A) and tau (T) status was defined using a combination of available PET and CSF biomarkers in the Alzheimer’s Disease Neuroimaging Initiative cohort. In 312 participants with biomarker-confirmed A−T− status, we used Cox proportional hazards models to estimate the contribution of APOE and polygenic risk scores (beyond APOE) to convert to A+T− status (65 conversions). Furthermore, we repeated the analysis in 290 participants with A+T− status and investigated the genetic contribution to conversion to A+T+ (45 conversions). Both survival analyses were adjusted for age, sex and years of education. For progression from A−T− to A+T−, APOE-e4 burden showed a significant effect [hazard ratio (HR) = 2.88; 95% confidence interval (CI): 1.70–4.89; P < 0.001], whereas polygenic risk did not (HR = 1.09; 95% CI: 0.84–1.42; P = 0.53). Conversely, for the transition from A+T− to A+T+, the contribution of APOE-e4 burden was reduced (HR = 1.62; 95% CI: 1.05–2.51; P = 0.031), whereas the polygenic risk showed an increased contribution (HR = 1.73; 95% CI: 1.27–2.36; P < 0.001). The marginal APOE effect was driven by e4 homozygotes (HR = 2.58; 95% CI: 1.05–6.35; P = 0.039) as opposed to e4 heterozygotes (HR = 1.74; 95% CI: 0.87–3.49; P = 0.12). The genetic risk for late-onset Alzheimer’s disease unfolds in a disease stage-dependent fashion. A better understanding of the interplay between disease stage and genetic risk can lead to a more mechanistic understanding of the transition between ATN stages and a better understanding of the molecular processes leading to Alzheimer’s disease, in addition to opening therapeutic windows for targeted interventions.

The effects of subthalamic nucleus deep brain stimulation (STN-DBS) on anxiety in Parkinson's disease (PD) are understudied. We identified clinical predictors of STN-DBS effects on anxiety in this study. In this prospective, open-label, multicentre study, we assessed patients with anxiety undergoing STN-DBS for PD preoperatively and at 6-month follow-up postoperatively. We assessed the Hospital Anxiety and Depression Scale (HADS-anxiety and depression subscales), Unified PD Rating Scale-motor examination, Scales for Outcomes in PD-motor (SCOPA-M)-activities of daily living (ADL) and -motor complications, Non-Motor Symptom Scale (NMSS), PDQuestionnaire-8 (PDQ-8), and levodopa-equivalent daily dose. We tested changes at follow-up with Wilcoxon signed-rank test and corrected for multiple comparisons (Bonferroni method). We identified patients with a clinically relevant anxiety improvement of anxiety based on a designated threshold of ½ standard deviation of baseline HADS-anxiety. Moreover, we investigated predictors of HADS-anxiety changes with correlations and linear regressions. We included 50 patients with clinically relevant baseline anxiety (i.e., HADS-anxiety ≥ 8) aged 63.1 years ± 8.3 with 10.4 years ± 4.5 PD duration. HADS-anxiety improved significantly at 6-month follow-up as 80% of our cohort experienced clinically relevant anxiety improvement. In predictor analyses, worse baseline SCOPA-ADL and NMSS-urinary domain were associated with greater HADS-anxiety improvements. HADS-anxiety and PDQ-8 changes correlated moderately. Worse preoperative ADL and urinary symptoms predicted favourable postoperative anxiety outcome, which in turn was directly proportionate to greater QoL improvement. This study highlights the importance of detailed anxiety assessments alongside other non-motor and motor symptoms when advising and monitoring patients undergoing STN-DBS for PD.

The heterogeneity of neurodegenerative diseases is a key confound to disease understanding and treatment development, as study cohorts typically include multiple phenotypes on distinct disease trajectories. Here we present a new machine learning technique - Subtype and Stage Inference (SuStaIn) - able to uncover data-driven disease phenotypes with distinct temporal progression patterns, from widely available cross-sectional patient studies. Results from imaging studies in two neurodegenerative diseases reveal new subgroups and their distinct trajectories of regional neurodegeneration. In genetic frontotemporal dementia, SuStaIn identifies genotypes from imaging alone, validating its ability to identify subtypes, and characterises within-group heterogeneity for the first time. In Alzheimer's disease, SuStaIn uncovers three subtypes, uniquely revealing their temporal complexity. SuStaIn provides fine-grained patient stratification, which substantially enhances the ability to predict conversion between diagnostic categories over standard models that ignore subtype (p=7.18×10-4) or temporal stage (p=3.96×10-5). SuStaIn thus offers new promise for enabling disease subtype discovery and precision medicine.