Магнитно-резонансная морфометрия головного мозга у детей с детальной оценкой височных долей

Введение. Постоянное совершенствование методов нейровизуализации и количественного анализа изображений способствует расширению наших знаний об анатомии головного мозга. В настоящее время методика магнитно-резонансной морфометрии позволяет проводить анализ структурных изменений головного мозга на разных уровнях – от крупных областей до отдельных извилин. Несмотря на значимость, количество исследований, посвященных изучению структурных изменений у детей в процессе нормального онтогенеза, остается ограниченным. В раннем детстве, когда происходит интенсивное развитие мозга, височные доли подвергаются значительным структурным изменениям. Исследование этих изменений у детей может расширить наше понимание в определении нормального развития нервной системы и помочь в выявлении патологий, связанных с неврологическими расстройствами, такими как эпилепсия и нейродегенеративные заболевания.

Цель исследования: провести морфометрический анализ структур височных долей головного мозга у неврологически здоровых детей с целью выявления возрастных и половых различий.

Материал и методы. В исследование включили 49 детей в возрасте от 6 мес до 18 лет. Наблюдения были разделены на 2 возрастные группы: первая группа – от 0 до 7 лет (17 человек), вторая группа – от 7 до 18 лет (32 человека). Для анализа была проведена автоматическая МР-морфометрия с использованием программного обеспечения FreeSurfer, в ходе которой определялись морфометрические показатели: объем для каждой структуры височных долей, площадь поверхности и толщина коры.

Результаты. В ходе исследования были обнаружены возрастные изменения в объеме, площади и толщине различных структур височной доли у детей. Несмотря на отсутствие статистически значимых гендерных различий в морфометрических показателях этих структур, наблюдалась тенденция к увеличению относительных размеров (рассчитанных относительно внутричерепного объема) у мальчиков по сравнению с девочками. Данные результаты свидетельствуют о сложной и разнонаправленной динамике развития височной доли в процессе взросления, проявляющейся в симметричных и асимметричных изменениях.

Заключение. Данное исследование демонстрирует эффективность МР-морфометрии для оценки развития структур височных долей у неврологически здоровых детей. Представленные морфометрические показатели могут быть использованы в качестве референсных значений при изучении детей с нейродегенеративными заболеваниями, позволяя выявлять отклонения от нормы.

1. Bartzokis G., Beckson M., Lu P.H. et al. Age-related changes in frontal and temporal lobe volumes in men: a magnetic resonance imaging study. Arch. Gen. Psychiatry. 2001; 58 (5): 461–465. https://doi.org/10.1001/archpsyc.58.5.461

2. Giedd J.N., Castellanos F.X., Rajapakse J.C. et al. Sexual dimorphism of the developing human brain. Prog. Neuropsychopharmacol. Biol. Psychiatry. 1997; 21 (8): 1185–1201. https://doi.org/10.1016/s0278-5846(97)00158-9

3. Lenroot R.K., Gogtay N., Greenstein D.K. et al. Sexual dimorphism of brain developmental trajectories during childhood and adolescence. Neuroimage. 2007; 36 (4): 1065–1073. https://doi.org/10.1016/j.neuroimage.2007.03.053

4. Sowell E.R., Trauner D.A., Gamst A., Jernigan T.L. Development of cortical and subcortical brain structures in childhood and adolescence: a structural MRI study. Dev. Med. Child. Neurol. 2002; 44 (1): 4–16. https://doi.org/10.1017/s0012162201001591

5. Wilke M., Schmithorst V.J., Holland S.K. Assessment of spatial normalization of whole-brain magnetic resonance images in children. Hum. Brain. Mapp. 2002; 17 (1): 48–60. https://doi.org/10.1002/hbm.10053

6. Мамажонов З.А. Анатомо-топографические особенности височной доли мозга в постнатальном онтогенезе. Экономика и социум. 2020; 73 (6): 867–872.

7. Воронова Н.В., Климова Н.М., Менджерицкий А.М. Анатомия центральной нервной системы: Учебное пособие для студентов вузов, обучающихся по направлению и специальности “Психология”. М.: Аспект Пресс, 2005. 128 с.

8. Giedd J.N., Blumenthal J., Jeffries N.O. et al. Brain development during childhood and adolescence: a longitudinal MRI study. Nat. Neurosci. 1999; 2 (10): 861–863. https://doi.org/10.1038/13158

9. Jernigan T.L., Tallal P. Late childhood changes in brain morphology observable with MRI. Dev. Med. Child. Neurol. 1990; 32 (5): 379–385. https://doi.org/10.1111/j.1469-8749.1990.tb16956.x

10. Pfefferbaum A., Mathalon D.H., Sullivan E.V. et al. A quantitative magnetic resonance imaging study of changes in brain morphology from infancy to late adulthood. Arch. Neurol. 1994; 51 (9): 874–887. https://doi.org/10.1001/archneur.1994.00540210046012

11. Tanaka C., Matsui M., Uematsu A. et al. Developmental trajectories of the fronto–temporal lobes from infancy to early adulthood in healthy individuals. Dev. Neurosci. 2012; 34 (6): 477–487. https://doi.org/10.1159/000345152

12. Vijayakumar N., Allen N.B., Youssef G. et al. Brain development during adolescence: A mixed-longitudinal investigation of cortical thickness, surface area, and volume. Hum. Brain. Mapp. 2016; 37 (6): 2027–2038. https://doi.org/10.1002/hbm.23154

13. Sowell E.R., Thompson P.M., Holmes C.J. et al. Localizing age-related changes in brain structure between childhood and adolescence using statistical parametric mapping. Neuroimage. 1999; 9 (6, Pt 1): 587–597. https://doi.org/10.1006/nimg.1999.0436

14. Rakic P., Ayoub A.E., Breunig J.J., Dominguez M.H. Decision by division: making cortical maps. Trends Neurosci. 2009; 32 (5): 291–301. https://doi.org/10.1016/j.tins.2009.01.007

15. Mills K.L., Goddings A.L., Herting M.M. et al. Structural brain development between childhood and adulthood: Convergence across four longitudinal samples. Neuroimage. 2016; 141: 273–281. https://doi.org/10.1016/j.neuroimage.2016.07.044

16. Gogtay N., Giedd J.N., Lusk L. et al. Dynamic mapping of human cortical development during childhood through early adulthood. Proc. Natl. Acad. Sci. USA. 2004; 101 (21): 8174–8179. https://doi.org/10.1073/pnas.0402680101

17. Martin A., Chao L.L. Semantic memory and the brain: structure and processes. Curr. Opin. Neurobiol. 2001; 11 (2): 194–201. https://doi.org/10.1016/s0959-4388(00)00196-3

18. Calvert G.A. Crossmodal processing in the human brain: insights from functional neuroimaging studies. Cereb. Cortex. 2001; 11 (12): 1110–1123. https://doi.org/10.1093/cercor/11.12.1110

19. Utsunomiya H., Takano K., Okazaki M., Mitsudome A. Development of the temporal lobe in infants and children: analysis by MR-based volumetry. Am. J. Neuroradiol. 1999; 20 (4): 717–723.

20. Backhausen L.L., Herting M.M., Tamnes C.K., Vetter N.C. Best Practices in Structural Neuroimaging of Neurodevelopmental Disorders. Neuropsychol. Rev. 2022; 32 (2): 400–418. https://doi.org/10.1007/s11065-021-09496-2

21. Fjell A.M., Walhovd K.B. Structural brain changes in aging: courses, causes and cognitive consequences. Rev. Neurosci. 2010; 21 (3): 187–221. https://doi.org/10.1515/revneuro.2010.21.3.187

22. Heinen R., Bouvy W.H., Mendrik A.M. et al. Robustness of Automated Methods for Brain Volume Measurements across Different MRI Field Strengths. PLoS One. 2016; 11 (10): e0165719. https://doi.org/10.1371/journal.pone.0165719

23. Fischl B. FreeSurfer. Neuroimage. 2012; 62 (2): 774–781. https://doi.org/10.1016/j.neuroimage.2012.01.021

24. Fischl B., Salat D.H., Busa E. et al. Whole brain segmentation: automated labeling of neuroanatomical structures in the human brain. Neuron. 2002; 33 (3): 341–355. https://doi.org/10.1016/s0896-6273(02)00569-x

25. Fischl B., Sereno M.I., Dale A.M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 1999; 9 (2): 195–207. https://doi.org/10.1006/nimg.1998.0396

26. Klein A., Tourville J. 101 Labeled Brain Images and a Consistent Human Cortical Labeling Protocol. Front. Neurosci. 2012; 6. https://doi.org/10.3389/fnins.2012.00171

27. Iglesias J.E., Augustinack J.C., Nguyen K. et al. A computational atlas of the hippocampal formation using ex vivo, ultra-high resolution MRI: Application to adaptive segmentation of in vivo MRI. Neuroimage. 2015; 115: 117–137. https://doi.org/10.1016/j.neuroimage.2015.04.042

28. The jamovi project. jamovi. Version 2.5 [Computer Software] — [cited 2025 Jan 25]. Available from: https://www.jamovi.org

29. Microsoft Corporation. Microsoft Excel. Version 16.88 [Computer Software]. — [cited 2025 Jan 25]. Available from: https://www.microsoft.com

30. Herting M.M., Johnson C., Mills K.L. et al. Development of subcortical volumes across adolescence in males and females: A multisample study of longitudinal changes. Neuroimage. 2018; 172: 194–205. https://doi.org/10.1016/j.neuroimage.2018.01.020

31. Tamnes C.K., Herting M.M., Goddings A.L. et al. Development of the Cerebral Cortex across Adolescence: A Multisample Study of Inter-Related Longitudinal Changes in Cortical Volume, Surface Area, and Thickness. J. Neurosci. 2017; 37 (12): 3402–3412. https://doi.org/10.1523/JNEUROSCI.3302-16.2017

32. Ананьева Н.И., Андреев Е.В., Саломатина Т.А. и др. МР-морфометрия субполей и субрегионов гиппокампа в норме и при ряде психических заболеваний. Лучевая диагностика и терапия. 2019; 2: 50–58. https://doi.org/10.22328/2079-5343-2019-10-2-50-58

33. Anand K.S., Dhikav V. Hippocampus in health and disease: An overview. Ann. Indian Acad. Neurol. 2012; 15 (4): 239–246. https://doi.org/10.4103/0972-2327.104323

34. Brain Development Cooperative Group. Total and regional brain volumes in a population-based normative sample from 4 to 18 years: the NIH MRI Study of Normal Brain Development. Cereb. Cortex. 2012; 22 (1): 1–12. https://doi.org/10.1093/cercor/bhr018

35. Потемкина Е.Г., Саломатина Т.А., Андреев Е.В. и др. Применение МР-морфометрии в эпилептологии: достижения и перспективы. Вопросы нейрохирургии им. Н.Н. Бурденко. 2023; 87 (3): 113–119. https://doi.org/10.17116/neiro202387031113

36. Dong H.M., Castellanos F.X., Yang N. et al. Charting brain growth in tandem with brain templates at school age. Sci. Bull. (Beijing). 2020; 65 (22): 1924–1934. https://doi.org/10.1016/j.scib.2020.07.027