Differential diagnosis of parkinsonism: a metabolic imaging study using pattern analysis

Abstract

Summary Background Idiopathic Parkinson’s disease can present with symptoms similar to those of multiple system atrophy or progressive supranuclear palsy. We aimed to assess whether metabolic brain imaging combined with spatial covariance analysis could accurately discriminate patients with parkinsonism who had different underlying disorders. Methods Between January, 1998, and December, 2006, patients from the New York area who had parkinsonian features but uncertain clinical diagnosis had fluorine-18-labelled-fluorodeoxyglucose-PET at The Feinstein Institute for Medical Research. We developed an automated image-based classification procedure to differentiate individual patients with idiopathic Parkinson’s disease, multiple system atrophy, and progressive supranuclear palsy. For each patient, the likelihood of having each of the three diseases was calculated by use of multiple disease-related patterns with logistic regression and leave-one-out cross-validation. Each patient was classified according to criteria defined by receiver-operating-characteristic analysis. After imaging, patients were assessed by blinded movement disorders specialists for a mean of 2·6 years before a final clinical diagnosis was made. The accuracy of the initial image-based classification was assessed by comparison with the final clinical diagnosis. Findings 167 patients were assessed. Image-based classification for idiopathic Parkinson’s disease had 84% sensitivity, 97% specificity, 98% positive predictive value (PPV), and 82% negative predictive value (NPV). Imaging classifications were also accurate for multiple system atrophy (85% sensitivity, 96% specificity, 97% PPV, and 83% NPV) and progressive supranuclear palsy (88% sensitivity, 94% specificity, 91% PPV, and 92% NPV). Interpretation Automated image-based classification has high specificity in distinguishing between parkinsonian disorders and could help in selecting treatment for early-stage patients and identifying participants for clinical trials. Funding National Institutes of Health and General Clinical Research Center at The Feinstein Institute for Medical Research.

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

“…Derived scores can be used to monitor a patient's status by gauging network progression in longitudinal imaging data, or to evaluate treatment effects. In complex cases of undetermined diagnosis, sets of subject scores can be entered in logistic regression analysis (or in other discriminant function models) to distinguish between different alternatives 12,13 . This approach can be vitally important given the high rate of clinical misdiagnosis in individuals with early disease, and the varying prognosis and treatment outcome associated with the different underlying pathologies.…”

Nuclear Medicine Applications in Movement Disorders

“…Örnek olarak; PH'de beyin FDG PET görüntülemede premotor, suplementer motor ve parietal kortikal bölgelerde metabolizma normale oranla azalmış; pallidotalamik ve pontoserebellar bölgelerde ise artmış olarak izlenir (3,19,33). Buna karşılık, MSA'da bazal gangliada ve serebellumda hipometabolizma izlenir ve bu tutulum farklılığı sayesinde MSA ile PH'nin ayırıcı tanısı yapılabilir (1,21,35,39,41). Beyin FDG PET görüntüleme bulgularına dayanan tanısal sınıflandırma kesin klinik tanı ile %90 oranında örtüşmekte ve nörodejeneratif parkinsonizm nedenleri (PH, MSA, PSP ve LCD) %90 oranında ayırt edilebilmektedir (21,22,35,40).…”

“…Buna karşılık, MSA'da bazal gangliada ve serebellumda hipometabolizma izlenir ve bu tutulum farklılığı sayesinde MSA ile PH'nin ayırıcı tanısı yapılabilir (1,21,35,39,41). Beyin FDG PET görüntüleme bulgularına dayanan tanısal sınıflandırma kesin klinik tanı ile %90 oranında örtüşmekte ve nörodejeneratif parkinsonizm nedenleri (PH, MSA, PSP ve LCD) %90 oranında ayırt edilebilmektedir (21,22,35,40). Parkinsonizm sendromlarında beyin FDG PET görüntüleme saptanan anormal bulguların yaygınlığı ve derecesi klinik bulgular ile genellikle korelasyon gösterir (1,3,19,23,24,30,34,35,39,49,50,51,52).…”

“…Beyin FDG PET görüntüleme bulgularına dayanan tanısal sınıflandırma kesin klinik tanı ile %90 oranında örtüşmekte ve nörodejeneratif parkinsonizm nedenleri (PH, MSA, PSP ve LCD) %90 oranında ayırt edilebilmektedir (21,22,35,40). Parkinsonizm sendromlarında beyin FDG PET görüntüleme saptanan anormal bulguların yaygınlığı ve derecesi klinik bulgular ile genellikle korelasyon gösterir (1,3,19,23,24,30,34,35,39,49,50,51,52). PH için klinik belirtiler ile ilişkili özgül metabolik tutulum biçimleri bulunur: Örneğin; tremor ile ilişkili serebellotalamo-kortikal yolakların etkilendiği (23,31,53); motor belirtiler ile ilişkili olarak putamen ve premotor korteksi içine alan (19,50,52,53); bilişsel bozukluklar ile ilişkili olarak da frontal ve parietal asosiyasyon alanlarında hipometabolizma ve serebellumda hipermetabolizma ile karakterize özgül metabolik ağ yapıları tanımlanmıştır (53,54).…”

“…Hastalarda göz hareketlerinde bozukluk, psödobulbar palsi ve aksiyal distoni bulguları vardır (56). Patolojik olarak en çok etkilenen bölgeler beyin sapı ve bazal ganglia olmakla birlikte, PSP hastalarında beyin FDG PET görüntülemede medial prefrontal ve ventrolateral prefrontal kortekste, kaudat çekirdekte, talamik çekirdekte ve beyin sapında hipometabolizma gözlenir (3,26,35,36,37,39,56,57). KBD ise tipik olarak asimetrik başlangıçlı, nadir görülen nörodejeneratif bir hastalık olup, hastalarda klinik olarak akineto-rijid sendrom, distoni, miyoklonus, apraksi, kortikal duyu kaybı ve yabancı el sendromu gibi bulgular vardır (56).…”