Objective:  To evaluate the utility of MRI hippocampal and entorhinal cortex atrophy in predicting conversion from mild cognitive impairment (MCI) to Alzheimer disease (AD). Methods:  Baseline brain MRI was performed in 139 patients with MCI, broadly defined, and 63 healthy controls followed for an average of 5 years (range 1 to 9 years). Results:  Hippocampal and entorhinal cortex volumes were each largest in controls, intermediate in MCI nonconverters, and smallest in MCI converters to AD (37 of 139 patients converted to AD). In separate Cox proportional hazards models, covarying for intracranial volume, smaller hippocampal volume (risk ratio [RR] 3.62, 95% CI 1.93 to 6.80, p < 0.0001), and entorhinal cortex volume (RR 2.43, 95% CI 1.56 to 3.79, p < 0.0001) each predicted time to conversion to AD. Similar results were obtained for hippocampal and entorhinal cortex volume in patients with MCI with Mini-Mental State Examination (MMSE) scores ≥ 27 out of 30 (21% converted to AD) and in the subset of patients with amnestic MCI (35% converted to AD). In the total patient sample, when both hippocampal and entorhinal volume were entered into an age-stratified Cox model with sex, MMSE, education, and intracranial volume, smaller hippocampal volume (RR 2.21, 95% CI 1.14 to 4.29, p < 0.02) and entorhinal cortex volume (RR 2.48, 95% CI 1.54 to 3.97, p < 0.0002) predicted time to conversion to AD. Similar results were obtained in a Cox model that also included Selective Reminding Test (SRT) delayed recall and Wechsler Adult Intelligence Scale-Revised (WAIS-R) Digit Symbol as predictors. Based on logistic regression models in the 3-year follow-up sample, for a fixed specificity of 80%, the sensitivities for MCI conversion to AD were as follows: age 43.3%, MMSE 43.3%, age + MMSE 63.7%, age + MMSE + SRT delayed recall + WAIS-R Digit Symbol 80.6% (79.6% correctly classified), hippocampus + entorhinal cortex 66.7%, age + MMSE + hippocampus + entorhinal cortex 76.7% (85% correctly classified), age + MMSE + SRT delayed recall + WAIS-R Digit Symbol + hippocampus + entorhinal cortex 83.3% (86.8% correctly classified). Conclusions:  Smaller hippocampal and entorhinal cortex volumes each contribute to the prediction of conversion to Alzheimer disease. Age and cognitive variables also contribute to prediction, and the added value of hippocampal and entorhinal cortex volumes is small. Nonetheless, combining these MRI volumes with age and cognitive measures leads to high levels of predictive accuracy that may have potential clinical application.

Significance There has been an emerging interest in sleep and its association with β-amyloid burden as a risk factor for Alzheimer’s disease. Despite the evidence that acute sleep deprivation elevates β-amyloid levels in mouse interstitial fluid and in human cerebrospinal fluid, not much is known about the impact of sleep deprivation on β-amyloid burden in the human brain. Using positron emission tomography, here we show that acute sleep deprivation impacts β-amyloid burden in brain regions that have been implicated in Alzheimer’s disease. Our observations provide preliminary evidence for the negative effect of sleep deprivation on β-amyloid burden in the human brain.

We used MRI volume sampling with coregistered and atrophy corrected FDG-PET scans to test three hypotheses: 1) hippocampal formation measures are superior to temporal neocortical measures in the discrimination of normal (NL) and mild cognitive impairment (MCI); 2) neocortical measures are most useful in the separation of Alzheimer disease (AD) from NL or MCI; 3) measures of PET glucose metabolism (MRglu) have greater diagnostic sensitivity than MRI volume. Three groups of age, education, and gender matched NL, MCI, and AD subjects were studied. The results supported the hypotheses: 1) entorhinal cortex MRglu and hippocampal volume were most accurate in classifying NL and MCI; 2) both imaging modalities identified the temporal neocortex as best separating MCI and AD, whereas widespread changes accurately classified NL and AD; 3) In most between group comparisons regional MRglu measures were diagnostically superior to volume measures. These cross-sectional data show that in MCI hippocampal formation changes exist without significant neocortical changes. Neocortical changes best characterize AD. In both MCI and AD, metabolism reductions exceed volume losses.

We report the first clinicopathological series of longitudinal FDG-PET scans in post-mortem (PM) verified cognitively normal elderly (NL) followed to the onset of Alzheimer's-type dementia (DAT), and in patients with mild DAT with progressive cognitive deterioration. Four NL subjects and three patients with mild DAT received longitudinal clinical, neuropsychological and dynamic FDG-PET examinations with arterial input functions. NL subjects were followed for 13 ± 5 years, received FDG-PET examinations over 7 ± 2 years, and autopsy 6 ± 3 years after the last FDG-PET. Two NL declined to mild cognitive impairment (MCI), and two developed probable DAT before death. DAT patients were followed for 9 ± 3 years, received FDG-PET examinations over 3 ± 2 years, and autopsy 7 ± 1 years after the last FDG-PET. Two DAT patients progressed to moderate-to-severe dementia and one developed vascular dementia. The two NL subjects who declined to DAT received a PM diagnosis of definite AD. Their FDG-PET scans indicated a progression of deficits in the cerebral metabolic rate for glucose (CMRglc) from the hippocampus to the parietotemporal and posterior cingulate cortices. One DAT patient showed AD with diffuse Lewy body disease (LBD) at PM, and her last in vivo PET was indicative of possible LBD for the presence of occipital as well as parietotemporal hypometabolism. Progressive CMRglc reductions on FDG-PET occur years in advance of clinical DAT symptoms in patients with pathologically verified disease. The FDG-PET profiles in life were consistent with the PM diagnosis.

We used CT and MR to examine the frequency of occurrence of hippocampal formation atrophy (HA) in a research clinic population of 130 normal elderly, 72 nondemented patients with very mild memory and cognitive impairments (MCI), 73 mild Alzheimer's disease (AD) patients, and 130 patients with moderate to severe AD. HA was found in 29% of the normal elderly group and its frequency of occurrence was strongly related to increasing age. For normal elderly 60-75 years of age, 15% had HA: the proportion rose to 48% in subjects 76-90 years of age. Among the three groups of impaired patients, the frequencies of HA ranged from 78% in the MCI patients to 96% in the advanced AD group. Unlike the normal elderly group, the percentages were not related to age. In both the normal elderly group and MCI group disproportionately more males than females had HA. After controlling for learning and the effects of generalized brain changes as reflected in ventricular size, only in the normal group was HA associated with reduced delayed verbal recall performance. Follow-up examinations for 15 individuals with baseline HA. 4 who at entry were MCI and 11 probable AD, yielded clinical and neuropathologic diagnoses of AD in all cases. The results of the present study indicate that hippocampal formation atrophy is associated with memory and cognitive impairments. Further longitudinal and neuropathologic work is required to validate the relationship between hippocampal formation atrophy and AD.

Our goal was to ascertain the involvement of the temporal lobe in the preclinical (not yet diagnosable) stages of dementia of the Alzheimer's type (DAT) by using MRI-derived volumes. We assessed anatomical subdivisions of the temporal lobe on three groups of carefully screened age- and education-matched elderly individuals: 27 normal elderly (NL), 22 individuals with minimal cognitive impairment (MCI), who did not fulfill DAT criteria but were regarded at high risk for future DAT, and 27 DAT individuals. We found hippocampal volume reductions of 14% for the MCI and 22% for the DAT group compared to the NL group. Utilizing regression analyses and after accounting for gender, head size, age, generalized atrophy (CSF), and other temporal lobe subvolumes, the hippocampal volume separated NL from MCI individuals, correctly classifying 74%. For NL and MCI groups combined the hippocampal volume was the only temporal lobe subvolume related to delayed recall memory performance. When contrasting MCI and DAT individuals, the fusiform gyrus volume uniquely improved the ability of the hippocampal volume to separate MCI from DAT individuals from 74 to 80%. Our cross-sectional data suggest that, within the temporal lobe, specific hippocampal volume reductions separated the group at risk for DAT from the normal group. By the time impairments are sufficient to allow a diagnosis of DAT to be made, in addition to the medial temporal lobe volume reductions, the lateral temporal lobe is also showing volume reductions, most saliently involving the fusiform gyrus.

This longitudinal study used FDG-PET imaging to predict and monitor cognitive decline from normal aging. Seventy-seven 50–80-year-old normal (NL) elderly received longitudinal clinical examinations over 6–14 years (561 person-years, mean per person 7.2 years). All subjects had a baseline FDG-PET scan and 55 subjects received follow-up PET exams. Glucose metabolic rates (MRglc) in the hippocampus and cortical regions were examined as predictors and correlates of clinical decline. Eleven NL subjects developed dementia, including six with Alzheimer's disease (AD), and 19 declined to mild cognitive impairment (MCI), on average 8 years after the baseline exam. The baseline hippocampal MRglc predicted decline from NL to AD (81% accuracy), including two post-mortem confirmed cases, from NL to other dementias (77% accuracy), and from NL to MCI (71% accuracy). Greater rates of hippocampal and cortical MRglc reductions were found in the declining as compared to the non-declining NL. Hippocampal MRglc reductions using FDG-PET during normal aging predict cognitive decline years in advance of the clinical diagnosis. Future studies are needed to increase preclinical specificity in differentiating dementing disorders.

Background:  To facilitate image analysis, most recent 2-[¹⁸F]fluoro-2-deoxy-d-glucose PET (FDG-PET) studies of glucose metabolism (MRglc) have used automated voxel-based analysis (VBA) procedures but paradoxically none reports hippocampus MRglc reductions in mild cognitive impairment (MCI) or Alzheimer disease (AD). Only a few studies, those using regions of interest (ROIs), report hippocampal reductions. The authors created an automated and anatomically valid mask technique to sample the hippocampus on PET (HipMask). Methods:  Hippocampal ROIs drawn on the MRI of 48 subjects (20 healthy elderly [NL], 16 MCI, and 12 AD) were used to develop the HipMask. The HipMask technique was applied in an FDG-PET study of NL (n = 11), MCI (n = 13), and AD (n = 12), and compared to both MRI-guided ROIs and VBA methods. Results:  HipMask and ROI hippocampal sampling produced significant and equivalent MRglc reductions for contrasts between MCI and AD relative to NL. The VBA showed typical cortical effects but failed to show hippocampal MRglc reductions in either clinical group. Hippocampal MRglc was the only discriminator of NL vs MCI (78% accuracy) and added to the cortical MRglc in classifying NL vs AD and MCI vs AD. Conclusions:  The new HipMask technique provides accurate and rapid assessment of the hippocampus on PET without the use of regions of interest. Hippocampal glucose metabolism reductions are found in both mild cognitive impairment and Alzheimer disease and contribute to their diagnostic classification. These results suggest re-examination of prior voxel-based analysis 2-[¹⁸F]fluoro-2-deoxy-d-glucose PET studies that failed to report hippocampal effects.

Abstract Alzheimer’s Disease (AD) is a progressive neurodegenerative disease where biomarkers for disease based on pathophysiology may be able to provide objective measures for disease diagnosis and staging. Neuroimaging scans acquired from MRI and metabolism images obtained by FDG-PET provide in-vivo measurements of structure and function (glucose metabolism) in a living brain. It is hypothesized that combining multiple different image modalities providing complementary information could help improve early diagnosis of AD. In this paper, we propose a novel deep-learning-based framework to discriminate individuals with AD utilizing a multimodal and multiscale deep neural network. Our method delivers 82.4% accuracy in identifying the individuals with mild cognitive impairment (MCI) who will convert to AD at 3 years prior to conversion (86.4% combined accuracy for conversion within 1–3 years), a 94.23% sensitivity in classifying individuals with clinical diagnosis of probable AD, and a 86.3% specificity in classifying non-demented controls improving upon results in published literature.