Objective Gray matter (GM) atrophy occurs in all multiple sclerosis (MS) phenotypes. We investigated whether there is a spatiotemporal pattern of GM atrophy that is associated with faster disability accumulation in MS. Methods We analyzed 3,604 brain high‐resolution T1‐weighted magnetic resonance imaging scans from 1,417 participants: 1,214 MS patients (253 clinically isolated syndrome [CIS], 708 relapsing‐remitting [RRMS], 128 secondary‐progressive [SPMS], and 125 primary‐progressive [PPMS]), over an average follow‐up of 2.41 years (standard deviation [SD] = 1.97), and 203 healthy controls (HCs; average follow‐up = 1.83 year; SD = 1.77), attending seven European centers. Disability was assessed with the Expanded Disability Status Scale (EDSS). We obtained volumes of the deep GM (DGM), temporal, frontal, parietal, occipital and cerebellar GM, brainstem, and cerebral white matter. Hierarchical mixed models assessed annual percentage rate of regional tissue loss and identified regional volumes associated with time‐to‐EDSS progression. Results SPMS showed the lowest baseline volumes of cortical GM and DGM. Of all baseline regional volumes, only that of the DGM predicted time‐to‐EDSS progression (hazard ratio = 0.73; 95% confidence interval, 0.65, 0.82; p < 0.001): for every standard deviation decrease in baseline DGM volume, the risk of presenting a shorter time to EDSS worsening during follow‐up increased by 27%. Of all longitudinal measures, DGM showed the fastest annual rate of atrophy, which was faster in SPMS (–1.45%), PPMS (–1.66%), and RRMS (–1.34%) than CIS (–0.88%) and HCs (–0.94%; p < 0.01). The rate of temporal GM atrophy in SPMS (–1.21%) was significantly faster than RRMS (–0.76%), CIS (–0.75%), and HCs (–0.51%). Similarly, the rate of parietal GM atrophy in SPMS (–1.24‐%) was faster than CIS (–0.63%) and HCs (–0.23%; all p values <0.05). Only the atrophy rate in DGM in patients was significantly associated with disability accumulation (beta = 0.04; p < 0.001). Interpretation This large, multicenter and longitudinal study shows that DGM volume loss drives disability accumulation in MS, and that temporal cortical GM shows accelerated atrophy in SPMS than RRMS. The difference in regional GM atrophy development between phenotypes needs to be taken into account when evaluating treatment effect of therapeutic interventions. Ann Neurol 2018;83:210–222

See Stankoff and Louapre (doi:10.1093/brain/awy114) for a scientific commentary on this article. Grey matter atrophy is present from the earliest stages of multiple sclerosis, but its temporal ordering is poorly understood. We aimed to determine the sequence in which grey matter regions become atrophic in multiple sclerosis and its association with disability accumulation. In this longitudinal study, we included 1417 subjects: 253 with clinically isolated syndrome, 708 with relapsing-remitting multiple sclerosis, 128 with secondary-progressive multiple sclerosis, 125 with primary-progressive multiple sclerosis, and 203 healthy control subjects from seven European centres. Subjects underwent repeated MRI (total number of scans 3604); the mean follow-up for patients was 2.41 years (standard deviation = 1.97). Disability was scored using the Expanded Disability Status Scale. We calculated the volume of brain grey matter regions and brainstem using an unbiased within-subject template and used an established data-driven event-based model to determine the sequence of occurrence of atrophy and its uncertainty. We assigned each subject to a specific event-based model stage, based on the number of their atrophic regions. Linear mixed-effects models were used to explore associations between the rate of increase in event-based model stages, and T2 lesion load, disease-modifying treatments, comorbidity, disease duration and disability accumulation. The first regions to become atrophic in patients with clinically isolated syndrome and relapse-onset multiple sclerosis were the posterior cingulate cortex and precuneus, followed by the middle cingulate cortex, brainstem and thalamus. A similar sequence of atrophy was detected in primary-progressive multiple sclerosis with the involvement of the thalamus, cuneus, precuneus, and pallidum, followed by the brainstem and posterior cingulate cortex. The cerebellum, caudate and putamen showed early atrophy in relapse-onset multiple sclerosis and late atrophy in primary-progressive multiple sclerosis. Patients with secondary-progressive multiple sclerosis showed the highest event-based model stage (the highest number of atrophic regions, P < 0.001) at the study entry. All multiple sclerosis phenotypes, but clinically isolated syndrome, showed a faster rate of increase in the event-based model stage than healthy controls. T2 lesion load and disease duration in all patients were associated with increased event-based model stage, but no effects of disease-modifying treatments and comorbidity on event-based model stage were observed. The annualized rate of event-based model stage was associated with the disability accumulation in relapsing-remitting multiple sclerosis, independent of disease duration (P < 0.0001). The data-driven staging of atrophy progression in a large multiple sclerosis sample demonstrates that grey matter atrophy spreads to involve more regions over time. The sequence in which regions become atrophic is reasonably consistent across multiple sclerosis phenotypes. The spread of atrophy was associated with disease duration and with disability accumulation over time in relapsing-remitting multiple sclerosis.

In conjunction with the ISBI 2015 conference, we organized a longitudinal lesion segmentation challenge providing training and test data to registered participants. The training data consisted of five subjects with a mean of 4.4 time-points, and test data of fourteen subjects with a mean of 4.4 time-points. All 82 data sets had the white matter lesions associated with multiple sclerosis delineated by two human expert raters. Eleven teams submitted results using state-of-the-art lesion segmentation algorithms to the challenge, with ten teams presenting their results at the conference. We present a quantitative evaluation comparing the consistency of the two raters as well as exploring the performance of the eleven submitted results in addition to three other lesion segmentation algorithms. The challenge presented three unique opportunities: (1) the sharing of a rich data set; (2) collaboration and comparison of the various avenues of research being pursued in the community; and (3) a review and refinement of the evaluation metrics currently in use. We report on the performance of the challenge participants, as well as the construction and evaluation of a consensus delineation. The image data and manual delineations will continue to be available for download, through an evaluation website2 as a resource for future researchers in the area. This data resource provides a platform to compare existing methods in a fair and consistent manner to each other and multiple manual raters.

Abstract The European Prevention of Alzheimer Dementia (EPAD) is a multi-center study that aims to characterize the preclinical and prodromal stages of Alzheimer’s Disease. The EPAD imaging dataset includes core (3D T1w, 3D FLAIR) and advanced (ASL, diffusion MRI, and resting-state fMRI) MRI sequences. Here, we give an overview of the semi-automatic multimodal and multisite pipeline that we developed to curate, preprocess, quality control (QC), and compute image-derived phenotypes (IDPs) from the EPAD MRI dataset. This pipeline harmonizes DICOM data structure across sites and performs standardized MRI preprocessing steps. A semi-automated MRI QC procedure was implemented to visualize and flag MRI images next to site-specific distributions of QC features — i.e. metrics that represent image quality. The value of each of these QC features was evaluated through comparison with visual assessment and step-wise parameter selection based on logistic regression. IDPs were computed from 5 different MRI modalities and their sanity and potential clinical relevance were ascertained by assessing their relationship with biological markers of aging and dementia. The EPAD v1500.0 data release encompassed core structural scans from 1356 participants 842 fMRI, 831 dMRI, and 858 ASL scans. From 1356 3D T1w images, we identified 17 images with poor quality and 61 with moderate quality. Five QC features — Signal to Noise Ratio (SNR), Contrast to Noise Ratio (CNR), Coefficient of Joint Variation (CJV), Foreground-Background energy Ratio (FBER), and Image Quality Rate (IQR) — were selected as the most informative on image quality by comparison with visual assessment. The multimodal IDPs showed greater impairment in associations with age and dementia biomarkers, demonstrating the potential of the dataset for future clinical analyses.

We aimed to compare the ability of diffusion tensor imaging and multi-compartment spherical mean technique to detect focal tissue damage and in distinguishing between different connectivity patterns associated with varying clinical outcomes in multiple sclerosis (MS). Seventy-six people diagnosed with MS were scanned using a SIEMENS Prisma Fit 3T magnetic resonance imaging (MRI), employing both conventional (T1w and fluid-attenuated inversion recovery) and advanced diffusion MRI sequences from which fractional anisotropy (FA) and microscopic FA (μFA) maps were generated. Using automated fiber quantification (AFQ), we assessed diffusion profiles across multiple white matter (WM) pathways to measure the sensitivity of anisotropy diffusion metrics in detecting localized tissue damage. In parallel, we analyzed structural brain connectivity in a specific patient cohort to fully grasp its relationships with cognitive and physical clinical outcomes. This evaluation comprehensively considered different patient categories, including cognitively preserved (CP), mild cognitive deficits (MCD), and cognitively impaired (CI) for cognitive assessment, as well as groups distinguished by physical impact: those with mild disability (Expanded Disability Status Scale [EDSS] <=3) and those with moderate-severe disability (EDSS >3). In our initial objective, we employed Ridge regression to forecast the presence of focal MS lesions, comparing the performance of μFA and FA. μFA exhibited a stronger association with tissue damage and a higher predictive precision for focal MS lesions across the tracts, achieving an R-squared value of .57, significantly outperforming the R-squared value of .24 for FA (p-value <.001). In structural connectivity, μFA exhibited more pronounced differences than FA in response to alteration in both cognitive and physical clinical scores in terms of effect size and number of connections. Regarding cognitive groups, FA differences between CP and MCD groups were limited to 0.5% of connections, mainly around the thalamus, while μFA revealed changes in 2.5% of connections. In the CP and CI group comparison, which have noticeable cognitive differences, the disparity was 5.6% for FA values and 32.5% for μFA. Similarly, μFA outperformed FA in detecting WM changes between the MCD and CI groups, with 5% versus 0.3% of connections, respectively. When analyzing structural connectivity between physical disability groups, μFA still demonstrated superior performance over FA, disclosing a 2.1% difference in connectivity between regions closely associated with physical disability in MS. In contrast, FA spotted a few regions, comprising only 0.6% of total connections. In summary, μFA emerged as a more effective tool than FA in predicting MS lesions and identifying structural changes across patients with different degrees of cognitive and global disability, offering deeper insights into the complexities of MS-related impairments.

Brain function has been investigated via the blood oxygenation level dependent (BOLD) effect using magnetic resonance imaging (MRI) for the past decades. Advances in sodium imaging offer the unique chance to access signal changes directly linked to sodium ion (23Na) flux across the cell membrane, which generates action potentials, hence signal transmission in the brain. During this process, sodium ions (23Na) transiently accumulate in the intracellular space. Here we show that functional sodium imaging (fNaI) at 3T is sensitive to sodium ion (23Na) concentration changes during finger tapping, which can be quantified in grey and white matter regions key to motor function. For the first time, we measured a sodium ion (23Na) concentration change of 0.54 mmol/l in the ipsilateral cerebellum, 0.46 mmol/l in the contralateral primary motor cortex, 0.27 mmol/l in the corpus callosum and -11 mmol/l in the ipsilateral primary motor cortex, suggesting that fNaI is sensitive to both excitation and inhibition and to sodium concentration changes in white matter, where BOLD fails. Initial calculations from neuronal ATP consumption can explain 10% of the experimental change, with the remainder potentially reflecting blood volume changes. An open issue persists in the role of the glymphatic system in maintaining homeostasis and volume distributions during neuronal activity. Development of realistic models of tissue function will be essential to understand the mechanisms of such changes and contribute to meeting the overarching challenge of measuring neuronal activity in vivo.

Grey matter atrophy is present from the earliest clinical stages of multiple sclerosis (MS), but the temporal ordering is poorly understood. We aimed to determine the sequence in which grey matter regions become atrophic in MS, and its association with disability accumulation. In this longitudinal study, we included 1,417 subjects: 253 with clinically-isolated syndrome (CIS), 708 relapsing-remitting MS (RRMS), 128 secondary-progressive MS (SPMS), 125 primary-progressive MS (PPMS), and 203 healthy controls from 7 European centres. Subjects underwent repeated MRI scanning (total number of scans 3,604); the mean follow-up for patients was 2.41yrs (SD1.97). Disability was scored using the Expanded Disability Status Scale (EDSS). We calculated the volume of brain grey matter regions and brainstem using an unbiased within-subject template. We used an established data-driven event-based model (EBM) to determine the sequence of occurrence of atrophy and its uncertainty. We assigned each subject to a specific EBM stage, based on the number of their atrophic regions. We used nested linear mixed-effects regression models to explore the associations between the rate of increase in the EBM stages over time, disease duration and annual rate of EDSS gain. The first regions to become atrophic in CIS and relapse-onset MS patients (RRMS and SPMS) were the posterior cingulate cortex and precuneus, followed by the middle cingulate cortex, brainstem and thalamus. The sequence of atrophy in PPMS showed a similar involvement of the thalamus, cuneus, precuneus, and pallidum, followed by the brainstem and posterior cingulate cortex. The cerebellum, caudate and putamen showed early atrophy in relapse-onset MS and late atrophy in PPMS. Patients with SPMS showed the highest EBM stages (highest number of atrophic regions, all p<0.001) at study entry. Rates of increase in EBM stages were significantly different from healthy controls in all MS phenotypes, except for CIS. The increase in the number of atrophic regions (EBM stage) was associated with disease duration in all patients. EBM stage was associated with disability accumulation in RRMS independent of disease duration (p<0.0001). This data-driven staging of atrophy progression in a large MS sample demonstrates that grey matter atrophy spreads to involve more regions over time. The sequence in which regions become atrophic is reasonably consistent across MS phenotypes. The spread of atrophy was associated with disease duration, and disability accumulation in RRMS.

The analysis of clinical trials is limited to pre-specified outcomes, thereby precluding a mechanistic understanding of the treatment response. Multivariate mechanistic models can elucidate the causal chain of events by simultaneous analysis of multi-modal data that link intermediate variables to outcomes of interest. A double-blind, randomised, controlled, phase 2 clinical trial in secondary progressive multiple sclerosis (MS-STAT, NCT00647348) demonstrated that simvastatin (80mg/day) over two years reduced the brain atrophy rate and was associated with beneficial effects on cognitive and disability outcomes. Therefore, this trial offers an opportunity to apply mechanistic models to investigate the hypothesised pathways that link simvastatin to clinical outcome measures, either directly or indirectly via changes in serum total cholesterol levels and to determine which is the more likely. We re-analysed the MS-STAT trial in which 140 patients with secondary progressive multiple sclerosis were randomised (1:1) to receive placebo or simvastatin (80 mg/day). At baseline and after one and two years patients underwent brain magnetic resonance imaging; their cognitive and physical disability were assessed on the block design test and Expanded Disability Status Scale (EDSS). Serum total cholesterol levels were measured at each visit. We calculated the annual percentage change of brain volume loss using mixed-effects models. With multivariate mechanistic models and Bayesian mediation analyses, a cholesterol-dependent model was compared to a cholesterol-independent model. As described previously, the simvastatin group showed a slower rate of brain atrophy and clinical deterioration (as reflected by both the EDSS and the block design test) and a faster decline in serum cholesterol levels (all p <0.05), when compared with placebo. The cholesterol-independent model, in which simvastatin has a direct effect on the clinical outcome measures and brain atrophy, independent of its impact on lowering the serum cholesterol levels, was the more likely model. When we deconstructed the total treatment effect on EDSS and block design, into indirect effects, which were mediated by brain atrophy, and direct effects, brain atrophy was responsible for 31% of the total treatment effect on EDSS (beta=-0.037, 95% credible interval [CI]=-0.075, -0.010), and 35% of the total treatment effect on block design (beta=0.33, 95% CI=0.06, 0.72). The effect of simvastatin on both outcomes was independent of serum cholesterol levels (EDSS: beta=-0.139, 95% credible interval=-0.255,-0.025; brain atrophy: beta=0.32, 95% credible interval=0.09,0.54). The effect of simvastatin on disability and cognitive worsening is partially mediated by brain atrophy but is independent of cholesterol reduction. Our mechanistic approach can be applied to other medications to elucidate the pathways underlying treatment effects in progressive MS.

Objective: Grey matter (GM) atrophy occurs in all multiple sclerosis (MS) phenotypes. We investigated whether there is a spatiotemporal pattern of GM atrophy that is associated with faster disability accumulation in MS. Methods: We analysed 3,604 brain high-resolution T1-weighted MRI scans from 1,417 participants: 1,214 MS patients (253 clinically-isolated syndrome [CIS], 708 relapsing-remitting [RRMS], 128 secondary-progressive [SPMS], 125 primary-progressive [PPMS]), over an average follow-up of 2.41 years (standard deviation [SD]=1.97), and 203 healthy controls (HCs) [average follow-up=1.83 year, SD=1.77], attending 7 European centres. Disability was assessed with the Expanded-Disability Status Scale (EDSS). We obtained volumes of the deep GM (DGM), temporal, frontal, parietal, occipital and cerebellar GM, brainstem and cerebral white matter. Hierarchical mixed-models assessed annual percentage rate of regional tissue loss and identified regional volumes associated with time-to-EDSS progression. Results: SPMS showed the lowest baseline volumes of cortical GM and DGM. Of all baseline regional volumes, only that of the DGM predicted time-to-EDSS progression (hazard ratio=0.73, 95% CIs 0.65, 0.82; p<0.001): for every standard deviation decrease in baseline DGM volume, the risk of presenting a shorter time to EDSS worsening during follow-up increased by 27%. Of all longitudinal measures, DGM showed the fastest annual rate of atrophy, which was faster in SPMS (-1.45%), PPMS (-1.66%), and RRMS (-1.34%) than CIS (-0.88%) and HCs (-0.94%) [p<0.01]. The rate of temporal GM atrophy in SPMS (-1.21%) was significantly faster than RRMS (-0.76%), CIS (-0.75%), and HCs (-0.51%). Similarly, the rate of parietal GM atrophy in SPMS (-1.24%) was faster than CIS (-0.63%) and HCs (-0.23%) (all p values <0.05). Only the atrophy rate in DGM in patients was significantly associated with disability accumulation (beta=0.04, p<0.001). Interpretation: This large multi-centre and longitudinal study shows that DGM volume loss drives disability accumulation in MS, and that temporal cortical GM shows accelerated atrophy in SPMS than RRMS. The difference in regional GM atrophy development between phenotypes needs to be taken into account when evaluating treatment effect of therapeutic interventions.