Current algorithms for interpreting hypometabolism patterns on fluorodeoxyglucose positron emission tomography in the differential diagnosis of dementia: A Review

Full Text

Введение

Растущее глобальное бремя деменций различной этиологии, распространенность которых в Российской Федерации, по данным экспертных оценок, составляет от 1,4 до 2,6 миллионов человек в популяции старше 60 лет, и прогнозируемым ростом затрат до 2 триллионов долларов к 2030 году, формирует медико-социальную значимость данной патологии [1]. Ключевой проблемой является стертость или низкая выраженность симптоматики на начальных стадиях основных нейродегенеративных заболеваний (НДЗ), ведущих к развитию деменции, таких как болезнь Альцгеймера (БА), лобно-височная деменция (ЛВД) и деменция с тельцами Леви (ДТЛ), что ведёт к росту числа диагностических ошибок при использовании исключительно клинико-анамнестических данных [2]. Традиционные диагностические методы, базирующиеся на изучении клинической картины, позволяют достичь точности в пределах 90-95% для БА, но не обеспечивают достоверного подтверждения диагноза без патоморфологического подтверждения, что указывает на актуальную потребность в разработке новых методов диагностики НДЗ [3].

В настоящее время отмечается увеличение значимости роли нейровизуализационных методов, таких компьютерная томография (КТ), магнитно-резонансная томография (МРТ), а также функциональных методов, в частности позитронно-эмиссионной томографии с фтордезоксиглюкозой (ФДГ-ПЭТ). Патофизиологическим обоснованием эффективности ФДГ-ПЭТ является факт того, что регистрируемый гипометаболизм служит прямым отражением дисфункции и потери синаптических связей, предшествующих макроскопическим структурным изменениям, что обусловливает его высокую диагностическую чувствительность на ранних стадиях НДЗ [2, 3]. Типичный для БА паттерн гипометаболизма, локализующийся в височно-теменных областях и предклиньи имеет корреляцию со степенью снижения когнитивных способностей, что повышает чувствительность метода до 94% и специфичность до 73% [3]. В отличие от БА, для ДТЛ патогномонично вовлечение не только височно-теменных, но и затылочных областей коры, в то время как для ЛВД и связанных с ней симптомов характерно преимущественное снижение метаболизма в лобных и передневисочных областях [4 - 6].

Современные алгоритмы интерпретации данных полученных при проведении ФДГ-ПЭТ предполагают применение технологий машинного обучения (МО), которые демонстрируют превосходство над традиционной визуальной оценкой в дифференциальной диагностике наиболее распространенных форм деменций и достигают точности около 80%. Классификаторы, основанные на методе опорных векторов и анализирующие экспрессию метаболических паттернов или уровень поглощения глюкозы в искомых областях, не только повышают общую точность, но и демонстрируют эффективность в диагностике ЛВД, значимо превосходя в этом традиционный ручной анализ специалистом [4]. ФДГ-ПЭТ позволяет выявлять и охарактеризовать гетерогенные подтипы в рамках единого нозологического диагноза, как, например, при БА, при которой различают «типичный», «преимущественно лимбический» и относительно редкий «преимущественно кортикальный» гипометаболические фенотипы, что имеет принципиальное значение для прогнозирования индивидуальных особенностей когнитивных нарушений и персонализации терапевтических стратегий [7, 8]. Данные типы, идентифицируемые уже на продромальной стадии, имеют различный профиль снижения метаболизма, который тесно ассоциирован со снижением когнитивных функций [8].

Интерпретация данных ФДГ-ПЭТ требует взвешенного клинического подхода. По данным современных исследований, при обследовании пациентов с депрессией могут выявляться обратимые паттерны гипометаболизма, которые имитируют картину БА и редуцируются на фоне антидепрессивной терапии [9]. Данный феномен подчеркивает, что, несмотря на высокую диагностическую ценность, гипометаболизм не является абсолютно специфичным маркером необратимой нейродегенерации (НД) и должен интерпретироваться вкупе с клинической картиной [9, 10]. Исходя из вышесказанного, интеграция ФДГ-ПЭТ в клиническую практику, основанная на поиске характерных метаболических паттернов и применении современных алгоритмов, является перспективным инструментом для диагностики, обеспечения ранней нозологической идентификации деменций и, как следствие, для оптимизации ведения пациентов с НДЗ и назначения таргетной терапии [2, 4, 10].

Цель обзора: проанализировать, систематизировать и предоставить в доступной для клиницистов форме современные данные о возможностях ФДГ-ПЭТ в дифференциальной диагностике основных НДЗ, ведущих к развитию деменции, а также предложить практические алгоритмы визуальной оценки паттернов гипометаболизма.

МЕТОДОЛОГИЯ ПОИСКА ИСТОЧНИКОВ

Отбор статей для проведения настоящего обзора проводился в соответствии с рекомендациями PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). Алгоритм отбора исследований представлен на рисунке 1.

             Рисунок 1. Алгоритм поиска исследований

Figure 1. Study search algorithm

Поиск публикаций проводился в течение 5 месяцев (с июня 2025 по октябрь 2025 года) в международных и российских библиографических базах данных: PubMed/Ovid MEDLINE, Science Direct, Google Scholar и eLIBRARY. Глубина поиска составила 7 лет, с 2019 по 2025 годы, с целью охватить период активного внедрения и стандартизации ФДГ-ПЭТ в клиническую практику диагностики НДЗ, а также становления современных алгоритмов интерпретации данных ФДГ-ПЭТ. В результате первичного поиска было найдено 1221 публикация: 518 из PubMed/MEDLINE, 387 в Science Direct, 256 в Google Scholar и 60 из eLIBRARY.

Поисковые запросы включали следующие ключевые слова на русском и английском языках, а также их комбинации с использованием булевых операторов (AND/OR/NOT) для уточнения релевантности:

·        На английском языке: "FDG-PET", "fluorodeoxyglucose F18", "brain hypometabolism", "dementia", "Alzheimer's disease", "frontotemporal dementia", "dementia with Lewy bodies", "differential diagnosis", "diagnostic accuracy", "metabolic pattern", "interpretation", "guidelines", "clinical practice".

·        На русском языке: "ФДГ-ПЭТ", "позитронно-эмиссионная томография", "гипометаболизм головного мозга", "деменция", "болезнь Альцгеймера", "лобно-височная деменция", "деменция с тельцами Леви", "дифференциальная диагностика", "диагностическая точность", "паттерн гипометаболизма", "интерпретация", "руководства", "клиническая практика".

Все авторы независимо друг от друга проанализировали заголовки и аннотации найденных исследований. При соответствии их критериям включения производилось извлечение и анализ полного текста. После исключения дубликатов и анализа на соответствие критериям отбора в окончательную выборку для обзора было включено 60 публикаций.

Критерии включения:

·        Публикации, содержащие оригинальные данные и/или обобщающий анализ, касающиеся применения ФДГ-ПЭТ для дифференциальной диагностики основных форм деменций (при БА, ЛВД, ДТЛ).

·        Оригинальные исследования (проспективные и ретроспективные когортные, рандомизированные контролируемые исследования (РКИ)), клинически значимые систематические обзоры и мета-анализы, а также клинические рекомендации.

·        Исследования, имеющие в открытом доступе полные тексты на английском и/или русском языках.

·        Работы, опубликованные в рецензируемых научных журналах.

Критерии исключения:

·        Дубликаты публикаций.

·        Работы, не имеющие доступа к полному тексту.

·        Описания единичных клинических случаев, тезисы конференций, мнения экспертов без представления систематизированных данных или мета-анализа, диссертации, патенты, а также публикации на других языках, отличных от русского и английского.

·        Исследования, сфокусированные исключительно на доклинических стадиях (легкие когнитивные нарушения) без анализа пациентов с установленной деменцией, или работы, посвященные редким/нетипичным формам деменций, не входящим в рамки данного обзора.

результаты

Методологическая основа применения ФДГ-ПЭТ в неврологии

Применение ФДГ-ПЭТ в неврологии базируется на оценке скорости метаболизма глюкозы как суррогатного маркера синаптической активности. Данные in vivo демонстрируют статистически значимую корреляцию между плотностью активных синапсов (оцененной по связыванию [11C]UCB-J с SV2A) и уровнем потребления глюкозы. При этом выявлена гетерогенность этого соотношения: в медиальной височной доле потребление глюкозы на 19% выше, а в коре лобной, моторной областей и таламусе на 17% ниже по сравнению с уровнем, связанным исключительно с плотностью синапсов (рис. 2). Это указывает на различия в энергетическом метаболизме тормозных и возбуждающих нейронов [11].

Рисунок 2. Региональные отличия метаболизма глюкозы

Figure 2. Regional differences in glucose metabolism

 

На клеточном уровне гипометаболизм, регистрируемый при нейродегенеративных заболеваниях, является следствием не только синаптической дисфункции, но и комплекса патофизиологических процессов. Вклад НВ также подтверждается при деменции с тельцами Леви (ДТЛ), где степень гипометаболизма превышает ожидаемую на основе общего снижения плотности синапсов [12]. В исследование Choi H. et al., в котором изучалась мозговая ткань от трупов, выявлено устойчивое снижение экспрессии транспортеров глюкозы GLUT1 и GLUT3 в гиппокампе и коре при болезни Альцгеймера (БА), причем изменения GLUT3 могут предшествовать клинической манифестации. Дополнительным фактором выступает нейровоспаление (НВ): активированная микроглия демонстрирует парадоксальное увеличение захвата ФДГ в гиппокампе при БА, что подтверждается данными РНК-секвенирования, указывающими на метаболический сдвиг в этих клетках (изменение экспрессии GLUT1/GLUT3, снижение активности гликолиза и окислительного фосфорилирования) [13]. Генетические исследования идентифицируют наборы генов, ассоциированные с ФДГ-гипометаболизмом, включая гены митохондриальной функции и сигнального пути Notch, что подчеркивает молекулярную гетерогенность метаболических нарушений [14].

Стандартизация протокола ФДГ-ПЭТ критически важна для валидности результатов. Подготовка пациента требует обязательного контроля гликемии, так как гипергликемия обратно коррелирует с церебральным поглощением ФДГ, однако эти вариации не формируют специфических патологических паттернов и в большинстве случаев не влияют на диагностическую интерпретацию [15]. Условия проведения сканирования должны минимизировать сенсорную стимуляцию: например, темнота значимо увеличивает поглощение ФДГ в структурах лимбической системы и ствола мозга по сравнению с освещенной средой [16]. Для количественной оценки предпочтительным является метод нормализации интенсивности на основе гистограммы, который обеспечивает наибольший объем выявляемого гипометаболизма и наименьшую вариабельность результатов по сравнению с методами референсных областей [17]. Применение данного подхода позволяет снизить средний коэффициент вариации интенсивности вокселей до 6,7% против 31,2% при отсутствии нормализации (рис. 3) [18].

Рисунок 3. Влияние метода нормализации на вариабельность данных

Figure 3. The impact of normalization method on data variability

 Современные методы анализа включают автоматизированные системы на базе сверточных нейронных сетей, достигающие точности сегментации объема головного мозга до 98% и позволяющие идентифицировать патологические метаболические паттерны [19]. Таким образом, ФДГ-ПЭТ выступает как интегративный диагностический инструмент, объединяющий понимание клеточных механизмов, строгое соблюдение стандартизированных протоколов и применение современных алгоритмов количественного анализа.

Характерные паттерны гипометаболизма при наиболее часто встречающихся НДЗ

Болезнь Альцгеймера

Для болезни Альцгеймера (БА) характерен паттерн гипометаболизма глюкозы, преимущественно вовлекающий теменно-височную кору, заднюю поясную кору и предклинье. Установлена диагностическая значимость данного паттерна для подтверждения амилоидной патологии: в когорте пациентов с клинически установленной БА этот метаболический профиль демонстрирует чувствительность 72,61% и специфичность 77,97% [20]. Отмечается субрегиональная гетерогенность метаболических нарушений в пределах предклинья (прекунеуса) (рис. 4).

Рисунок 4. Корреляция уровней гипометаболизма в вентральном отделе предклинья

Figure 4. Correlation of hypometabolism levels in the ventral precuneus

 Статистически значимое снижение метаболизма глюкозы при БА по сравнению с когнитивно сохранными лицами выявлено в дорсально-заднем и вентральном отделах. При этом гипометаболизм в вентральном регионе наиболее тесно коррелирует с тяжестью когнитивного дефицита (r = 0,566; p = 0,018), тогда как дорсально-передний отдел остается относительно интактным [21].

При атипичных фенотипах, таких как синдром задней корковой атрофии, наблюдается специфический гипометаболизм в затылочно-теменных отделах. Выявлена корреляция между степенью зрительных нарушений и снижением метаболизма в правой височно-теменно-затылочной области, что объясняет клиническую манифестацию зрительно-пространственных расстройств при данном варианте БА [22]. Пространственное распределение гипометаболизма при БА демонстрирует сходство с перфузионными паттернами, получаемыми при МРТ с артериальным спиновым мечением (АСМ). Ассоциированный с БА перфузионный паттерн также включает снижение кровотока в средне- и заднепоясных извилинах, предклинье и нижней теменной дольке [23].

Регионарные метаболические нарушения обладают прогностической значимостью. Топографические паттерны отложения амилоида (в частности, в предклинье, подкорковых структурах и теменных областях) позволяют прогнозировать прогрессирование когнитивных нарушений до стадии деменции. Прогностическая ценность этих региональных паттернов превосходит таковую для интегральных показателей общей амилоидной нагрузки и уровней биомаркеров в цереброспинальной жидкости [24]. Включение ФДГ-ПЭТ в диагностический алгоритм повышает точность верификации диагноза. Применение метода позволяет установить первичный диагноз у 32,17% пациентов с деменцией и обеспечивает возможность прогнозирования конверсии умеренных когнитивных нарушений в деменцию альцгеймеровского типа, что подтверждает клиническую ценность комплексного анализа метаболических биомаркеров [20].

Лобно-височная деменция

Лобно-височная дегенерация (ЛВД) характеризуется гетерогенностью метаболических паттернов, которые коррелируют с клиническими вариантами заболевания. При поведенческом варианте (пвЛВД) регистрируется выраженный гипометаболизм в дорсальной части передней поясной извилины (ДЧППИ), орбитофронтальной коре, височном полюсе, дорсолатеральной префронтальной коре и хвостатом ядре. Наибольшей дифференциально-диагностической ценностью (в частности, при дифференциации от первичных психологических расстройств) обладает гипометаболизм в ДЧППИ. Степень метаболических нарушений в лобно-височных отделах коры при пвЛВД достоверно коррелирует с выраженностью нарушений социальной коммуникации, компульсивного поведения и исполнительной дисфункции, что подтверждает наличие клинико-метаболических взаимосвязей [25].

В рамках первичной прогрессирующей афазии (ППА) выделяются три основных подтипа с характерными метаболическими профилями:

·        Семантический вариант (свППА): Характеризуется гипометаболизмом в передних отделах височных долей. Эти данные подтверждаются исследованиями с лигандом [18F]THK5351, выявляющими асимметричное повышенное накопления трассера в височных долях [26-28].

·        Аграмматический вариант (авППА): Метаболические нарушения локализуются в левой нижней лобной извилине и островковой доле при макроскопической сохранности области Брока [26, 29]. Интегративный анализ данных ФДГ-ПЭТ, структурной и диффузионно-тензорной МРТ подтверждает соответствие зон гипометаболизма участкам поражения белого вещества (левого крючковидного пучка), афферентно связанного с областью Брока [29]. Уровень накопления [18F]THK5351 коррелирует с тяжестью аграмматизма и апраксии речи, демонстрируя повышенное связывание лиганда в моторной коре, левой премоторной области и базальных ганглиях [28].

Дифференциальная диагностика вариантов ППА осложняется наличием перекрывающихся зон гипометаболизма. Наибольшее сходство наблюдается между семантическим и логопеническим вариантами, которые могут вовлекать височную долю. Ключевое различие заключается в топографии поражения: при свППА затрагиваются преимущественно передние височные отделы, тогда как при логопеническом варианте - область левого височно-теменного соединения [26, 29]. Точная оценка топографии регионарных метаболических нарушений с помощью ФДГ-ПЭТ, в том числе в комбинации с другими методами нейровизуализации, позволяет дифференцировать варианты ЛВД и устанавливать связь с конкретными клиническими фенотипами, что значимо для разработки персонализированных диагностических алгоритмов.

Деменция с тельцами Леви (ДТЛ)

Для ДТЛ характерен гипометаболизм в затылочной доле с наибольшей выраженностью в первичной зрительной коре. При сравнении с болезнью Альцгеймера (БА) у пациентов с ДТЛ выявляется статистически значимое снижение накопления ФДГ в латеральной затылочной и первичной зрительной коре. Диагностическая точность визуального анализа при дифференциации ДТЛ и БА достигает 86,9% [30, 31]. В рутинной клинической практике встречаемость гипометаболизма в затылочной области недооценена: при оценке специалистами данный признак идентифицируется у 91,43% пациентов с ДТЛ, тогда как в стандартных радиологических заключениях он отмечается лишь в 25,71% случаев [32]. Основным дифференциальным признаком выступает относительная сохранность метаболизма в задней поясной коре (ЗПК) при ДТЛ в отличие от выраженного гипометаболизма в этой области при БА. Количественное соотношение метаболической активности ЗПК к совокупной активности зрительной и латеральной затылочной коры демонстрирует высокую диагностическую эффективность (до 81%) для дифференциации этих нозологий [31].

Сопутствующий гипометаболизм в теменно-височных областях при ДТЛ, как правило, менее выражен, чем при БА, что может создавать диагностические сложности. Применение современных аналитических алгоритмов (радиомика, методы машинного обучения) позволяет достичь диагностической точности до 84,3% даже при использовании только визуальных и полуколичественных ПЭТ-признаков [30]. Перспективным направлением является разработка автоматизированных систем на основе глубокого машинного обучения, демонстрирующих площадь под ROC-кривой (AUC) 0,74 для дифференциации БА и ДТЛ, что особенно значимо в условиях ограниченных выборок [33]. Интерпретация гипометаболизма в затылочной области в сочетании с оценкой сохранности метаболизма ЗПК и применением количественных методов представляет собой высокоинформативный инструмент для верификации ДТЛ, хотя для оптимизации клинической практики необходимы дальнейшая стандартизация протоколов и повышение осведомленности клиницистов о характерных метаболических паттернах.

Сосудистые когнитивные нарушения (СКН)

СКН ассоциированы с гетерогенным, мультифокальным паттерном гипометаболизма, топографически соответствующим зонам предшествовавшего инсульта или выраженного лейкоареоза по данным МРТ. Комбинированный анализ результатов ФДГ-ПЭТ и МРТ позволяет верифицировать асимметричные и регионарные метаболические изменения, коррелирующие с сосудистыми поражениями [34]. Гибридные ПЭТ/МРТ-системы имеют большие возможности визуализации патофизиологических процессов, связывающих хроническое нейровоспаление (НВ) с повреждением белого вещества в отдаленном периоде после ишемического инсульта. Повышенное накопление радиолиганда [18F]FEPPA (маркера активации микроглии) коррелирует со снижением фракционной анизотропии в ассоциативных проводящих путях, связанных с когнитивными нарушениями [35].

Принципиальным отличием пространственной организации метаболических нарушений при цереброваскулярной патологии от нейродегенеративных заболеваний (НДЗ) является отсутствие корреляции между показателями хрупкости и типичными маркерами НД (атрофия медиальных височных структур, гипометаболизм по данным ФДГ-ПЭТ). Напротив, выявляется устойчивая ассоциация с маркерами церебральной патологии мелких сосудов (гиперинтенсивность белого вещества, корковый сидероз) [36].

Дифференциальная диагностика требует количественной оценки состояния церебральных сосудов с применением МРТ для выявления ишемического поражения белого вещества, микрокровоизлияний и поверхностного сидероза. Данный подход является обязательным компонентом интерпретационного алгоритма, особенно при рассмотрении возможности назначения терапии моноклональными антителами против β-амилоида [37]. Верификация СКН основывается на пространственном соответствии между очаговым гипометаболизмом по данным ФДГ-ПЭТ и структурными признаками цереброваскулярного повреждения по данным МРТ, что обусловливает необходимость комплексного анализа нейровизуализационных данных.

Современные алгоритмы интерпретации данных нейровизуализации

Визуальный (качественный) анализ

Визуальный анализ данных, полученных при проведении ФДГ-ПЭТ, является основным методом интерпретации в практике клинициста, однако его диагностическая эффективность связана с применением систематического подхода к оценке изменений метаболических паттернов (табл. 1, рис. 5).

Рисунок 5. Метаболические паттерны при различных типах деменции

Figure 5. Metabolic Patterns in Different Types of Dementia

Важным начальным этапом анализа является оценка симметрии метаболизма полушарий, на основе ПЭТ-ФДГ. По данным исследования Chen D. et al., чаще всего наблюдается воспроизводимые асимметрии при различных нозологиях: правосторонний гипометаболизм при БА контрастирует с левосторонней асимметрией при ДТЛ, что отражает аберрантные топологические свойства в соответствующих полушариях [38]. При оценке лобных долей особое внимание должно уделяться дорсолатеральной префронтальной коре и передней поясной извилине, которые чаще всего являются основной локализацией ЛВД, причем степень снижения метаболизма в этих областях достоверно коррелирует с выраженностью когнитивных нарушений [39]. Анализ теменно-височных областей и задней поясной извилины имеет значение для диагностики БА, при которой метод визуальной оценки имеет чувствительность 96% и специфичность 84% при дифференциальной диагностике с ЛВД [40]. Особую диагностическую ценность имеет оценка затылочных долей. Гипометаболизм в первичной зрительной коре является патогномоничным признаком ДТЛ, который позволяет достоверно дифференцировать эту нозологию от БА [41]. Визуальная оценка демонстрирует удовлетворительную межэкспертную надежность (каппа (κ) >0,68) и согласованность с полуколичественными методами анализа (κ=0,67), что подтверждает ее клиническую применимость [42]. Однако при анализе атипичных клинических случаев, таких как варианты прогрессирующего надъядерного паралича не-Ричардсона, чувствительность визуальной оценки снижается до 57%, что указывает на необходимость дополнения её автоматизированными методами количественного анализа [43]. Не менее важным аспектом является прогностическая ценность визуального анализа, поскольку регистрация нормальной метаболической активности ГМ имеет отрицательную прогностическую ценность равную 85% в отношении прогнозирования перехода легких когнитивных нарушений в деменцию в течение трех лет [44]. Исходя из полученных данных, систематический визуальный анализ, основанный на последовательной оценке симметрии полушарий и характерных метаболических паттернов в лобных, теменно-височных, затылочных областях и задней поясной коре, представляет собой основной и информативный метод дифференциальной диагностики деменций, но в клинически сложных случаях требуется обязательная интеграция полуколичественных и автоматизированных методов оценки.

Семиометрический (количественный) анализ

Семиометрический анализ данных ФДГ-ПЭТ является инструментом объективизации диагностики НДЗ, особенно в сложных дифференциально-диагностических случаях, в которых возможности визуальной оценки ограничены. Статистическое параметрическое картирование (СПК, Statictical Parametric Mapping, SPM), является референсным методом в научных исследованиях, который обеспечивает сравнительный анализ данных, полученных при диагностике пациентов с НДЗ,с базой данных от здоровых лиц, стратифицированных по возрасту, что позволяет идентифицировать статистически значимые отклонения регионарного метаболизма [45].

Преимуществом количественных методов является их высокая прогностическая значимость, которая подтверждается данными исследования Huang S.H. et al., в котором гипометаболизм в медиальной височной доле и задней поясной извилине, определяемый по Z-показателям < -2, достоверно прогнозировал трансформацию ЛКН в деменцию с чувствительностью 94,7% и 89,5% соответственно, при этом метаболические изменения опережали манифестацию структурных изменений и клинических проявлений на 3,70 ± 1,68 года [46]. Для клинической практики принципиально важным является корректная интерпретация параметров семиометрического анализа, в котором Z-score количественно отражает степень отклонения регионарного метаболизма от возрастной нормы, выраженную в единицах стандартного отклонения, а p-value указывает на статистическую значимость выявленных изменений после применения корректировок на сравнения [47]. Современные методические разработки, включабщие эвристические системы оценки на основе Z-показателей SPM, имеют превосходство над качественным анализом, повышая чувствительность выявления БА с 0,22 до 0,89-1,00, при этом приближаясь по эффективности к алгоритмам МО [45].

Практическое значение имеет возможность проведения ФДГ-ПЭТ с низкими дозами лигандов без потери диагностической точности, поскольку визуальная оценка карт Z-score и трехмерное стереотаксическое поверхностное проецирование (3D-SSP), полученных при введении 0,75 МБк/кг фтордезоксиглюкозы, имеет сопоставимые со стандартной дозой показатели чувствительности (72%) и специфичности (83%) [48]. Техническим аспектом является разработка специализированных пользовательских интерфейсов, таких как PET-analysis, которые обеспечивают динамический статистический параметрический анализ в режиме реального времени, и имеют удовлетворительную согласованность (κ = 0,643), превосходя стандартные пакеты SPM с фиксированными параметрами обработки [48]. Интеграция количественных методов с технологиями визуализации, в частности ФДГ-ПЭТ/МРТ, позволяет дополнительно повысить диагностическую точность за счет оптимальной комбинации метаболических и структурных данных [49]. Внедрение методов семиометрического анализа в клиническую практику обеспечивает переход от субъективной визуальной оценки к стандартизированной количественной интерпретации, что существенно повышает точность дифференциальной диагностики деменций и создает основу для объективного мониторинга динамики заболевания.

Ограничения ФДГ-ПЭТ и диагностические ошибки

Несмотря на доказанную диагностическую эффективность ФДГ-ПЭТ в дифференциальной диагностике деменций, метод не лишен ограничений, связанных с тем же перекрыванием метаболических паттернов при смешанных формах НДЗ. Согласно данным исследования Lavrova A. et al., при первичной возрастной таупатии (ПВТ) статистически значимый гипометаболизм в медиальных отделах височных долей наблюдается преимущественно при наличии сопутствующих структурных изменений, таких как аргирофильная зернистая болезнь или патология ДНК-связывающего белка 43 (TDP-43), в то время как изолированная ПВТ оказывает минимальное влияние на метаболизм в ткани ГМ [50]. Особую диагностическую сложность представляет диагностика лобного фенотипа БА от поведенческого варианта ЛВД, поскольку оба состояния могут манифестировать при сходных асимметричных лобно-височных гипометаболических паттернах, требующих идентификации с применением методов молекулярной визуализации и анализа биомаркеров цереброспинальной жидкости [51]. Большое влияние на интерпретацию результатов оказывает цереброваскулярный компонент, причем степень гипометаболизма в передней поясной коре имеет корреляцию с выраженностью гиперинтенсивности белого вещества по шкале Фазекаса и может рассматриваться в качестве функционального маркера повреждения лобно-подкорковых структур при сосудистых когнитивных нарушениях [52].

Диагностические ошибки нередко возникают при редких формах деменций, таких как болезнь Крейтцфельдта-Якоба, при которо ФДГ-ПЭТ может выявлять асимметричный гипометаболизм в фронто-темпоро-париетальной коре, таламусе и мозжечке еще до появления характерных изменений при стандартных методах структурной нейровизуализации [53]. При болезни Гентингтона характерный двусторонний гипометаболизм в полосатом теле может служить важным диагностическим признаком, особенно на доклинических стадиях при отсутствии двигательных нарушений [54]. Не менее важным ограничением является субъективность интерпретации, когда минимальные, но статистически значимые изменения метаболизма могут остаться незамеченными, что говорит о необходимости обязательного сравнения с базами данных, полученных от здоровых людей, и применения объективных методов количественной оценки, таких как 3D-SSP [55]. Особую проблему представляют доклинические стадии НДЗ, что продемонстрировано в исследовании Chu M. et al., при генетической форме болезни Крейтцфельдта-Якоба, при которой гипометаболизм в островковой доле, лобных, теменных и височных отделах может предшествовать манифестации клинических симптомов за несколько лет [56]. Таким образом, с целью минимизации диагностических ошибок необходимо проведение исследований в специализированных исследовательских центрах с привлечением специалистов, имеющих опыт в интерпретации нейровизуализационных данных и доступом к мультимодальным диагностическим технологиям, включая методы количественного анализа и сравнения с базами данных, что имеет смысл при диагностике редких и атипичных форм деменций.

обсуждение

Данные проведенного обзора подтверждают высокую диагностическую эффективность ФДГ-ПЭТ на доклинических и ранних стадиях нейродегенеративных заболеваний (НДЗ), приводящих к деменции. Патофизиологической основой метода служит установленная корреляция между снижением церебрального метаболизма глюкозы и дисфункцией нейронов и синапсов, которая предшествует развитию макроскопических структурных изменений и развернутой клинической симптоматики [2, 3, 11]. ФДГ-ПЭТ демонстрирует высокую диагностическую значимость для дифференциальной диагностики основных нозологических форм деменций. Чувствительность и специфичность метода составляют 94% и 73% для болезни Альцгеймера (БА) и достигают 86,9% для деменции с тельцами Леви (ДТЛ) при условии корректной интерпретации метаболических паттернов [3, 30, 31].

Для каждой нозологии характерен специфичный метаболический профиль:

1.      Болезнь Альцгеймера (БА): Гипометаболизм в теменно-височной ассоциативной коре, задней поясной коре и предклинье [3, 20].

2.      Лобно-височная дегенерация (ЛВД): Преимущественное вовлечение лобных долей, передней поясной извилины и передних отделов височных долей [25, 26].

3.      Деменция с тельцами Леви (ДТЛ): Гипометаболизм в затылочной доле (включая первичную зрительную кору) при относительной сохранности метаболизма в задней поясной извилине [30, 31, 41].

Применение современных аналитических алгоритмов (визуальная оценка, семиометрические методы, включая SPM, технологии машинного обучения) повышает точность диагностики, обеспечивая совокупную эффективность до 80% и позволяя стратифицировать гетерогенные подтипы отдельных нозологий [4, 33, 45].

Интерпретация данных ФДГ-ПЭТ должна осуществляться в рамках интегративного подхода, сочетающего оценку клинической картины и данных МРТ. Это необходимо для исключения цереброваскулярной патологии, объемных образований и смешанных форм деменций [34, 36, 37]. Особую значимость представляет дифференциальная диагностика с обратимыми состояниями (например, депрессией), при которых могут регистрироваться транзиторные паттерны гипометаболизма, имитирующие метаболический профиль БА [9].

Визуальный анализ данных ФДГ-ПЭТ рекомендуется проводить в соответствии со следующим систематизированным алгоритмом:

1.      Оценка симметрии полушарий. Асимметрия метаболизма является частым дифференциальным признаком (например, левосторонний гипометаболизм при ДТЛ) [38].

2.      Оценка лобных долей. Анализ метаболической активности дорсолатеральной префронтальной коры и передней поясной извилины имеет ключевое значение для диагностики ЛВД [25, 39].

3.      Оценка теменно-височных областей и задней поясной коры. Гипометаболизм в этих зонах служит основным диагностическим маркером БА [3, 40].

4.      Оценка затылочных долей. Гипометаболизм в первичной зрительной коре является патогномоничным признаком ДТЛ [41].

5.      Оценка подкорковых структур и мозжечка. Метаболические изменения в этих областях могут указывать на атипичные или редкие формы деменций (болезнь Гентингтона, энцефалопатия Крейтцфельдта-Якоба) [53, 54].

Рекомендуемый диагностический алгоритм:

1.      Интеграция ФДГ-ПЭТ в общий диагностический алгоритм является обязательным условием.

2.      Оценка ведущего клинического синдрома (амнестический, поведенческий, зрительные галлюцинации, речевые нарушения).

3.      Анализ данных МРТ для исключения цереброваскулярной патологии [34, 37].

Интерпретация паттерна гипометаболизма на ФДГ-ПЭТ в соответствии с ведущим синдромом (рис. 6):

Рисунок 6. Диагностический алгоритм оценки соответствия клинических синдромов и метаболических паттернов

Figure 6. Diagnostic algorithm for assessing concordance between clinical syndromes and metabolic patterns

1.      Проявления амнезии и пространственной дезориентации: поиск паттерна БА.

2.      Изменения личности и поведенческие нарушения: поиск паттерна ЛВД.

3.      Зрительные галлюцинации и когнитивные флюктуации: поиск паттерна ДТЛ.

4.      Очаговая неврологическая симптоматика: поиск мультифокального паттерна СКН.

При расхождении данных ФДГ-ПЭТ и клинической картины применение ПЭТ со специфическими радиолигандами (амилоидными, тау) или исследование биомаркеров цереброспинальной жидкости для верификации иной нейропатологии [10, 51]. Комплексный подход, интегрирующий клинические, структурные (МРТ) и метаболические (ФДГ-ПЭТ) данные, позволяет минимизировать диагностические ошибки и создает основу для разработки персонализированных терапевтических стратегий.

Заключение

Проведенный анализ литературных данных подтверждает высокую диагностическую значимость ФДГ-ПЭТ в дифференциальной диагностике основных форм НДЗ, ведущих в исходе к развитию деменций. Выявлено, что для каждой нозологии характерны специфические паттерны снижения метаболической активности: при БА наблюдается преимущественное вовлечение теменно-височных ассоциативных областей коры ГМ и комплекса задней поясной извилины/предклинья, для ЛВД патогномонично избирательное поражение лобных долей и передней поясной извилины, при ДТЛ ключевым дифференциально-диагностическим признаком является гипометаболизм затылочной доли, включающей первичную зрительную кору. Современные алгоритмы интерпретации данных, полученных в результате проведения ФДГ-ПЭТ, предполагают интеграцию визуального анализа и количественных методов оценки, таких как SPM, которые значительно повышают диагностическую точность. С целью минимизации диагностических ошибок, особенно при смешанных или атипичных клинических формах деменций, необходима комплексная интеграция данных ФДГ-ПЭТ с детализацией клинической картины в совокупности с результатами МРТ, а в диагностически сложных случаях — с методами молекулярной визуализации и анализом биомаркеров цереброспинальной жидкости. Исходя из полученных в ходе обзора данных, ФДГ-ПЭТ является перспективным и высокоинформативным инструментом, эффективным для ранней и дифференциальной диагностики деменций, который вносит большой вклад в процесс разработки персонализированных подходов в области неврологии.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Вклад авторов. Назаров А.Ф. — разработка концепции и дизайна исследования, написание текста рукописи, итоговое утверждение версии для публикации. Федорова А.В. — сбор и обработка материала, статистическая обработка данных, написание текста. Гасимова А.А. — анализ литературных данных, участие в написании черновика рукописи. Крылова А.Д. —  интерпретация результатов. Зарипова А.Р. — сбор клинического материала/данных, работа с графическими материалами. Латфуллин В.А. — критический пересмотр рукописи на предмет важного интеллектуального содержания. Сахабиева М.И. — участие в анализе и интерпретации данных, техническая редакция текста. Садретдинов Э.Р. — выполнение расчетов, подготовка первичных данных. Медянская Т.И. — работа с базами данных, обеспечение достоверности первичной документации. Холматов Р.У. — анализ динамики показателей, проверка статистических методов. Ижутова Д.М. —  организация процесса исследования, сбор литературы.

Источники финансирования. Отсутствуют.

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности и интересов за последние три года, связанных с третьими лицами (коммерческими и некоммерческими), интересы которых могут быть затронуты содержанием статьи.

Оригинальность. При проведении исследования и создании настоящей работы авторы не использовали ранее опубликованные сведения (текст, иллюстрации, данные).

Доступ к данным. Редакционная политика в отношении совместного использования данных к настоящей работе не применима.

Генеративный искусственный интеллект. При создании настоящей статьи технологии генеративного искусственного интеллекта не использовались.

Рассмотрение и рецензирование. Рукопись направлена в редакцию в инициативном порядке.

About the authors

Anvar F. Nazarov

Bashkir State Medical University of the Russian Ministry of Health, Ufa, Russian Federation

Author for correspondence.
Email: anvarscience@mail.ru
ORCID iD: 0000-0002-1533-7154
SPIN-code: 3362-5230

Assistant of the department

Russian Federation

Anastasia V. Fedorova

Bashkir State Medical University of the Russian Ministry of Health, Ufa, Russian Federation

Email: anastasiafedorova5007@gmail.com
ORCID iD: 0009-0000-3094-801X

Resident

Russian Federation

Anastasia A. Gasimova

Bashkir State Medical University of the Russian Ministry of Health, Ufa, Russian Federation

Email: nasgasal@yandex.ru
ORCID iD: 0009-0004-8354-2602

Resident

Russian Federation

Alexandra D. Krylova

Bashkir State Medical University of the Russian Ministry of Health, Ufa, Russian Federation

Email: krylova-02@mail.ru
ORCID iD: 0009-0000-2694-3806

Assistant

Russian Federation

Adeliya R. Zaripova

Bashkir State Medical University of the Russian Ministry of Health, Ufa, Russian Federation

Email: adeliya_zaripova_2004@mail.ru
ORCID iD: 0009-0007-8181-7475

Assistant

Russian Federation

Vildan A. Latfullin

Kazan State Medical University of the Russian Ministry of Health, Kazan, Russian Federation

Email: vildanlatfullin2020@bk.ru
ORCID iD: 0009-0001-2683-3532

Resident

Russian Federation

Milyausha I. Sakhabieva

Kazan State Medical University of the Russian Ministry of Health, Kazan, Russian Federation

Email: milyashkai217@mail.ru
ORCID iD: 0009-0000-5571-1262

Assistant

Russian Federation

Eldar R. Sadretdinov

Reaviz Medical University, Moscow, Russian Federation

Email: sadretdinov.eldar@yandex.ru
ORCID iD: 0009-0003-2274-924X

Resident

Russian Federation

Tatiana I. Medyanskaya

Reaviz Medical University, Moscow, Russian Federation

Email: Taniushka121607@gmail.com
ORCID iD: 0009-0006-1323-2195

Resident

Russian Federation

Ruslan U. Kholmatov

Reaviz Medical University, Moscow, Russian Federation

Email: Kholmatovruslanchik@yandex.ru
ORCID iD: 0009-0000-4866-1068

Resident

Russian Federation

Dilyara M. Izhutova

Izhevsk State Medical University of the Russian Ministry of Health, Izhevsk, Russian Federation

Email: v1243605dilya.ru@yandex.ru
ORCID iD: 0009-0004-7879-1225

Resident

Russian Federation

References

Supplementary files