Download PDF
Neuroradiologie Scan 2012; 02(02): 131-148
DOI: 10.1055/s-0031-1291830
Fortbildung
© Georg Thieme Verlag KG Stuttgart · New York

Demenz: Was kann der Radiologe sagen?

Dementia: What can the radiologist say?
H. Urbach
,
S. Flacke
,
H. J. Huppertz
Further Information

Publication History

Publication Date:
11 April 2012 (online)

Also available at
    Permissions and Reprints

Zusammenfassung

Aufgrund der zunehmenden Überalterung der Gesellschaft wird die Demenz zukünftig auch den Radiologen „beschäftigen“. Hauptindikation für die Bildgebung bleibt der Ausschluss einer unerwarteten und behandelbaren Ursache. In der Diagnostik der mit 60 % der Fälle häufigsten Demenzerkrankung, dem Morbus Alzheimer, ist die MRT neben Liquor und PET bzw. SPECT ein sog. Biomarker. Eine auf senkrecht zur C.a.-C.p.-Ebene quantifizierte temporomesiale Atrophie ist bei noch nicht symptomatischen Patienten prädiktiv für das rasche Auftreten von Symptomen. Für die Erfassung geringer Volumenveränderungen im Verlauf müssen jedoch voxelbasierte Analyseverfahren herangezogen werden. Einige seltene Demenzerkrankungen weisen pathognomonische MRT-Muster auf und sollten daher vom Radiologen zuverlässig erkannt werden.

Abstract

With the ageing of our population dementia will become a more relevant topic for radiologist in the near future. To date, the key clinical indication for imaging studies is the exclusion of unexpected but treatable conditions. MRI together with CSF, PET and SPECT is considered a biomarker in the diagnosis of Alzheimer’s disease, the most frequent dementia affecting approximately 60 % of patients with dementia. Atrophy of the mesial temporal lobe quantified on images acquired perpendicular to a plane defined by the anterior and posterior commissure predicts the rapid development of symptoms in otherwise asymptomatic patients. However, the detection of small changes in brain volume during follow-up imaging requires a voxel based analysis. Other types of dementia have characteristic patterns on MR images, which should be readily recognized by the radiologist.

Kernaussagen

  • Demenz besteht aus einer – mehr als 6 Monate anhaltenden – erworbenen Gedächtnisstörung und Denkstörung, die zu einer Beeinträchtigung der Alltagsbewältigung führt. 5 % der über 65-Jährigen und 20 % der über 80-Jährigen sind dement.

  • Die Rolle der Bildgebung bestand lange Zeit darin, sog. sekundäre Ursachen einer Demenz wie Tumor, Hydrozephalus, Abszess und andere auszuschließen. Heute können mit ihr relevante Erkrankungen klassifiziert und Prognosen gestellt werden.

  • Ein Morbus Alzheimer wird heute anhand der Klinik und sog. In-vivo-Biomarker gestellt. Letztere können bereits bei Patienten erfasst werden, die klinisch noch nicht oder nur wenig beeinträchtigt sind. Einer dieser Biomarker ist die temporomesiale und parietale Atrophie in der MRT.

  • Häufig können vaskuläre Demenzen und Mischformen zwischen vaskulärer Demenz und Alzheimer-Demenz nicht sicher unterschieden werden. Klinisch wird das u. a. mit dem Hachinski-Ischämie-Score versucht, radiologisch muss insbesondere darauf geachtet werden, seltene Ursachen einer Leukoenzephalopathie zu erkennen und Leukoenzephalopathien nicht vorschnell als mikroangiopathisch fehlzudeuten.

  • Bei den Mischformen zwischen vaskulären Demenzen und dem Morbus Alzheimer ist insbesondere die zerebrale Amyloidangiopathie von Bedeutung, die bei 27 – 32 % „gesunder“ älterer Menschen, aber bei 82 – 88 % der Alzheimer-Patienten auftritt. Hinweise darauf sind multiple Mikroblutungen an der Rinden-Mark-Grenze und eine superfizielle Siderose.

  • Eine frontotemporale, klassischerweise asymmetrische Atrophie ist typisch für eine frontotemporale Lobärdegeneration.

  • Bei der Lewy-Körper- und Parkinson-Demenz zeigen funktionelle nuklearmedizinische Untersuchungen die verminderte Dopamin-Transporter-Bindung im Striatum, die MRT ist nicht wegweisend.

Keywords

Dementia – atrophy – Alzheimer – amyloid – frontotemporal lobar degeneration – Atlas-based volumetry
 

  • Literatur

  • 1 O’Brien JT. Role of imaging techniques in the diagnosis of dementia. Br J Radiol 2007; 80: 71-77
    CrossrefGoogle Scholar
  • 2 Westman E et al. Sensitivity and Specificity of Medial Temporal Lobe Visual Ratings and Multivariate Regional MRI Classification in Alzheimer’s Disease. PLoS ONE 6 (07) e22506. doi: 10.1371/journal.pone.0022506
    Google Scholar
  • 3 Clarfield AM. The decreasing prevalence of reversible dementias: an updated meta-analysis. Arch Intern Med 2003; 163: 2219-2229
    CrossrefGoogle Scholar
  • 4 Good CD, Johnsrude IS, Ashburner J et al. A voxel-based morphometric study of ageing in 465 normal adult human brains. Neuroimage 2001; 14: 21-36
    CrossrefGoogle Scholar
  • 5 Alzheimer A. Über eine eigenartige Erkrankung der Hirnrinde. Allgemeine Zeitschrift für Psychiatrie 1907; 64: 146-148
    Google Scholar
  • 6 McKhann G, Drachman D, Folstein M et al. Clinical diagnosis of Alzheimer’s disease: report of the NINCDS-ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer’s Disease. Neurology 1984; 34: 939-944
    CrossrefPubMedGoogle Scholar
  • 7 Dilling H, Schmidt MH. WHO (eds). Internationale Klassifikation psychischer Störungen. ICD-10 Kapitel V (F) Klinisch-diagnostische Leitlinien. 6.. Aufl. Bern: Hans Huber; 2008
    Google Scholar
  • 8 Braak H, Braak E. Staging of Alzheimer's disease-related neuro-fibrillary changes. Neurobiol Aging 1995; 16: 271-278
    CrossrefGoogle Scholar
  • 9 Herholz K, Carter SF, Jones M. Positron emission tomography imaging in dementia. Br J Radiol 2007; 80: 160-167
    CrossrefGoogle Scholar
  • 10 Barthel H, Gertz HJ, Dresel S et al. Florbetaben Study Group. Cerebral Amyloid-β-PET with florbetaben (18F) in patients with Alzheimer's disease and healthy controls: a multicentre phase 2 diagnostic study.. Lancet Neurol 2011; 10: 424-435
    CrossrefGoogle Scholar
  • 11 Dubois B, Feldman HH, Jacova C et al. Research criteria for the diagnosis of Alzheimer's disease: revising the NINCDS-ADRDA criteria. Lancet Neurol 2007; 6: 734-746
    CrossrefGoogle Scholar
  • 12 Dubois B, Feldman HH, Jacova C et al. Revising the definition of Alzheimer's disease: a new lexicon. Lancet Neurol 2010; 9: 1118-1127
    CrossrefGoogle Scholar
  • 13 DGN, DGPPN. S3-Langversion der Behandlungsleitlinie Demenz der DGN und DGPPN vom 23.11.2009. Im Internet: http://www.dgn.org/images/stories/dgn/pdf/s3_leitlinie_demenzen.pdf 28.01.2012
    Google Scholar
  • 14 Mitchell AJ, Shiri-Feshki M. Rate of progression of mild cognitive impairment to dementia – meta-analysis of 41 robust inception cohort studies. Acta Psychiatr Scand 2009; 119: 252-265
    CrossrefGoogle Scholar
  • 15 Matthews FE, Stephan BC, McKeith IG et al. Two-year progression from mild cognitive impairment to dementia: to what extent do different definitions agree?. J Am Geriatr Soc 2008; 56: 1424-1433
    CrossrefGoogle Scholar
  • 16 Frisoni GB, Scheltens P, Galluzzi S et al. Neuroimaging tools to rate regional atrophy, subcortical cerebrovascular disease, and regional cerebral blood flow and metabolism: consensus paper of the EADC. J Neurol Neurosurg Psychiatry 2003; 74: 1371-1381
    CrossrefGoogle Scholar
  • 17 Scheltens P, Leys D, Barkhof F et al. Atrophy of medial temporal lobes on MRI in „probable“ Alzheimer’s disease and normal ageing: diagnostic value and neuropsychological correlates. J Neurol Neurosurg Psychiatry 1992; 55: 967-972
    CrossrefPubMedGoogle Scholar
  • 18 Duara R, Loewenstein DA, Potter E et al. Medial temporal lobe atrophy on MRI scans and the diagnosis of Alzheimer disease. Neurology 2008; 71: 1986-1992
    CrossrefGoogle Scholar
  • 19 Jack Jr CR, Bernstein MA, Fox NC et al. The Alzheimer’s Disease Neuroimaging Initiative (ADNI): MRI methods. J Magn Reson Imaging 2008; 27: 685-691
    CrossrefGoogle Scholar
  • 20 Urs R, Potter E, Barker W et al. Visual rating system for assessing magnetic resonance images: a tool in the diagnosis of mild cognitive impairment and Alzheimer disease. J Comput Assist Tomogr 2009; 33: 73-78
    CrossrefGoogle Scholar
  • 21 Karas G, Scheltens P, Rombouts S et al. Precuneus atrophy in early-onset Alzheimer's disease: a morphometric structural MRI study. Neuroradiology 2007; 49: 967-976
    CrossrefGoogle Scholar
  • 22 Thompson PM, Apostolova LG. Computational anatomical methods as applied to ageing and dementia. Br J Radiol 2007; 80: 78-91
    CrossrefGoogle Scholar
  • 23 Barnes J, Bartlett JW, van de Pol LA et al. A meta-analysis of hippocampal atrophy rates in Alzheimer's disease. Neurobiol Aging 2009; 30: 1711-1723
    CrossrefGoogle Scholar
  • 24 McEvoy LK, Fennema-Notestine C, Roddey JC. Alzheimer's Disease Neuroimaging Initiative et al. Alzheimer disease: quantitative structural neuroimaging for detection and prediction of clinical and structural changes in mild cognitive impairment. Radiology 2009; 251: 195-205
    CrossrefGoogle Scholar
  • 25 McEvoy LK, Holland D, Hagler Jr DJ. Alzheimer's Disease Neuroimaging Initiative et al. Mild cognitive impairment: baseline and longitudinal structural MR imaging measures improve predictive prognosis.. Radiology 2011; 259: 834-843
    CrossrefGoogle Scholar
  • 26 Klöppel S, Stonnington CM, Barnes J et al. Accuracy of dementia diagnosis: a direct comparison between radiologists and a computerized method. Brain 2008; 131: 2969-2974
    CrossrefGoogle Scholar
  • 27 Klöppel S, Stonnington CM, Chu C et al. Automatic classification of MR scans in Alzheimer's disease. Brain 2008; 131: 681-689
    CrossrefGoogle Scholar
  • 28 Desikan RS, Cabral HJ, Hess CP. Alzheimer's Disease Neuroimaging Initiative et al. Automated MRI measures identify individuals with mild cognitive impairment and Alzheimer's disease. Brain 2009; 132: 2048-2057
    CrossrefGoogle Scholar
  • 29 Vemuri P, Wiste HJ, Weigand SD et al. MRI and CSF biomarkers in normal, MCI, and AD subjects: Predicting future clinical change. Neurology 2009; 73: 294-301
    CrossrefGoogle Scholar
  • 30 Heister D, Brewer JB, Magda S. Alzheimer's Disease Neuroimaging Initiative et al. Predicting MCI outcome with clinically available MRI and CSF biomarkers.. Neurology 2011; 77: 1619-1628
    CrossrefGoogle Scholar
  • 31 Shattuck DW, Mirza M, Adisetiyo V et al. Construction of a 3D probabilistic atlas of human cortical structures. Neuroimage 2008; 39: 1064-1080
    CrossrefGoogle Scholar
  • 32 Ashburner J, Friston KJ. Unified segmentation. Neuroimage 2005; 26: 839-851
    CrossrefGoogle Scholar
  • 33 Huppertz HJ, Kröll-Seger J, Klöppel S et al. Intra- and interscanner variability of automated voxel-based volumetry based on a 3D probabilistic atlas of human cerebral structures. NeuroImage 2010; 49: 2216-2224
    CrossrefGoogle Scholar
  • 34 Frings L, Mader I, Landwehrmeyer B et al. Quantifying Change in Individual Subjects Affected by Frontotemporal Lobar Degeneration using Automated Longitudinal MRI Volumetry. Human Brain Mapping 2011; DOI 10.1002/hbm.21304
    Google Scholar
  • 35 Hachinski VC, Iliff LD, Zilhka E et al. Cerebral blood flow in dementia. Arch Neurol 1975; 32: 632-637
    CrossrefGoogle Scholar
  • 36 Roman GC, Tatemichi TK, Erkinjuntti T et al. Vascular dementia: diagnostic criteria for research studies. Report of the NINDS-AIREN International Workshop [see comments]. Neurology 1993; 43: 250-260
    CrossrefGoogle Scholar
  • 37 Yip AG, McKee AC, Green RC et al. APOE, vascular pathology, and the AD brain. Neurology 2005; 65: 259-265
    CrossrefGoogle Scholar
  • 38 Thal DR, Rub U, Orantes M et al. Phases of A beta-deposition in the human brain and its relevance for the development of AD. Neurology 2002; 58: 1791-1800
    CrossrefGoogle Scholar
  • 39 Ghebremedhin E, Schultz C, Thal DR et al. Gender and age modify the association between APOE and AD-related neuropathology. Neurology 2001; 56: 1696-1701
    CrossrefGoogle Scholar
  • 40 Cordonnier C, van der Flier WM. Brain microbleeds and Alzheimer’s disease: innocent observation or key player?. Brain 2011; 134: 335-344
    CrossrefGoogle Scholar
  • 41 Attems J, Jellinger K, Thal DR et al. Review: sporadic cerebral amyloid angiopathy. Neuropathology and Applied Neurobiology 2011; 37: 75-93
    CrossrefGoogle Scholar
  • 42 Linn J, Halpin A, Demaerel P et al. Prevalence of superficial siderosis in patients with cerebral amyloid angiopathy. Neurology 2010; 74: 1346-1350
    CrossrefGoogle Scholar
  • 43 Dhollander I, Nelissen N, Van Laere K et al. In vivo amyloid imaging in cortical superficial siderosis. J Neurol Neurosurg Psychiatry 2011; 82: 469-471
    CrossrefGoogle Scholar
  • 44 McKhann GM, Albert MS, Grossman M et al. Clinical and pathological diagnosis of frontotemporal dementia: report of the Work Group on Frontotemporal Dementia and Pick’s Disease [see comment]. Arch Neurol 2001; 58: 1803-1809
    CrossrefGoogle Scholar
  • 45 Gorno-Tempini ML, Dronkers NF, Rankin KP et al. Cognition and anatomy in three variants of primary progressive aphasia. Ann Neurol 2004; 55: 335-346
    CrossrefGoogle Scholar
  • 46 Mackenzie IR, Rademakers R, Neumann M. TDP-43 and FUS in amyotrophic lateral sclerosis and frontotemporal dementia. Lancet Neurol 2010; 9: 995-1007
    CrossrefPubMedGoogle Scholar
  • 47 Lu Y et al. Frontotemporal dementia and amyotrophic lateral sclerosis associated disease protein TDP-43 dendritic branching. Mol Brain 2009; 2: 30
    CrossrefGoogle Scholar
  • 48 McKeith IG, Dickson DW, Lowe J et al. Diagnosis and management of dementia with Lewy bodies: third report of the DLB Consortium. Neurology 2005; 65: 1863-1872
    CrossrefGoogle Scholar
  • 49 Hattingen E, Hattingen J, Clusmann H et al. Planar brain surface reformations for localization of cortical brain lesions. Zbl Neurochir 2004; 65: 75-80
    Google Scholar