Dokument: Prediction of Cognitive Functioning across the Lifespan Using Structural and Functional Neuroimaging Data

Titel:	Prediction of Cognitive Functioning across the Lifespan Using Structural and Functional Neuroimaging Data
Weiterer Titel:	Vorhersage kognitiver Funktionen über die Lebensspanne anhand struktureller und funktioneller Neurobildgebungsdaten
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=67637
URN (NBN):	urn:nbn:de:hbz:061-20241127-111347-5
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Nofal, Marisa Katharina Ronja [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 562,1 KB in einer Datei [ZIP-Datei erzeugen] Dateien vom 21.11.2024 / geändert 21.11.2024
Beitragende:	Prof. Dr. Eickhoff, Simon [Gutachter] Prof. Dr. med. Dr. rer. pol. Svenja Caspers [Gutachter] Prof. Dr. Markus Ullsperger [Gutachter]
Stichwörter:	Executive Functions Aging
Dewey Dezimal-Klassifikation:	600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit
Beschreibungen:	Gesundes Altern geht mit strukturellen und funktionellen Veränderungen des Gehirns einher, die besonders bei komplexen kognitiven Leistungen, wie exekutiven Funktionen (EF), ausgeprägt sind. EF sind wichtig für Prozesse der Entscheidungsfindung und des Problemlösens sowie allge- mein für adaptives Verhalten. Trotz Fortschritten in bildgebenden Verfahren sind die neuronalen Grundlagen von EF, insbesondere im Kontext kognitiver Alterungsprozesse, noch nicht vollständig verstanden. Angesichts des globalen demografischen Wandels hin zu einer älteren Bevölkerung gewinnt das Verständnis kognitiver Alterungsprozesse, insbesondere Veränderungen in EF, zuneh- mend an Bedeutung. Diese Dissertation zielt darauf ab, die neuronalen Grundlagen und Dynamiken altersbedingter Veränderungen in EF mittels verschiedener Methoden zu untersuchen, darunter Metaanalysen, Analysen funktioneller Konnektivität und Prädiktionsanalysen. Die linke inferior frontale Übergangszone und der linke anteriore Cuneus/Precuneus wurden me- taanalytisch als besonders alterssensitive Regionen identifiziert, deren Rekrutierungsmuster je nach Aufgabentyp und Alter variierten. Metaanalytisch wurde ein perzeptuo-motorisches Netz- werk aus visuellen, auditorischen und motorischen Regionen identifiziert, was eine Untersuchung von Altersunterschieden auf Ein- und Ausgabe-Ebene des Gehirns ermöglichte, die möglicher- weise die Performanz auf höherer kognitiver Ebene beeinflussen. Prädiktionsanalysen ergaben ins- gesamt mäßig bis niedrige Vorhersagegenauigkeiten, wobei funktionelle intraindividuelle Varia- bilitätsmaße eine überlegene Vorhersageleistung für jüngere und strukturelle Maße für ältere Er- wachsene lieferten. Überraschenderweise übertrafen über das gesamte Gehirn verteilte sowie zu- fällig generierte die EF-spezifischen Netzwerke bei der Vorhersage von EF-Fähigkeiten, was auf die Relevanz globalerer Netzwerkeigenschaften für individuelle Unterschiede in EF hindeutet. Insgesamt betonen die Ergebnisse das komplexe Zusammenspiel struktureller sowie funktioneller Gehirnveränderungen und kognitivem Altern und zeigen eine altersabhängige Modalitätsspezifität in den neuronalen Prädiktoren von EF-Leistung. Die unterschiedliche Relevanz von randomisier- ten, globalen im Vergleich zu EF-spezifischen Netzwerken bei der Vorhersage von EF weist darauf hin, dass die Berücksichtigung globaler Gehirnmerkmale und die Kombination mehrerer Metriken die Vorhersagegenauigkeit verbessern könnten. Moderat bis niedrige Vorhersagegenauigkeiten un- terstreichen die Notwendigkeit weiterer Forschung und Entwicklung effektiverer Biomarker für EF-Fähigkeiten, unter Berücksichtigung globaler Netzwerkdynamiken und der Anwendung adap- tiver behavioraler Tests, die die Leistungsfähigkeit über das gesamte gesunde Altersspektrum sen- sitiv erfassen. Healthy aging is associated with structural and functional changes in the brain. These changes are especially pronounced in complex cognitive tasks, like executive functioning (EF). EF is important for decision-making, problem-solving, and adaptive behavior. Advances in neuroimaging tech- niques have enabled a more detailed exploration of the neural substrates of cognitive aging, yet the neural underpinnings of EF, especially in the context of cognitive aging, remain incompletely un- derstood. The global demographic shift towards an older population underscores the importance of understanding cognitive aging, particularly changes in EF. This dissertation aimed to investigate the structural and functional neural substrates and dynamics of age-related differences in EF through a comprehensive methodological framework combining meta-analyses, functional connectivity analyses, and predictive modeling. Meta-analyses highlighted left inferior frontal junction and left anterior cuneus/precuneus as re- gions significantly affected by aging, with recruitment patterns varying by task type and age. Sub- sequently, a meta-analytic synthesis identified a common perceptuo-motor network, comprising visual, auditory, and motor-related brain regions. This allows for the investigation of age differ- ences already at the in- and output levels of the brain, which in turn could influence performance at higher cognitive levels. Prediction studies revealed moderate to low overall prediction accura- cies, with measures of functional within-subject variability showing superior predictive perfor- mance for younger and structural measures for older adults. Surprisingly, whole-brain and random network approaches outperformed EF-specific networks in predicting EF abilities, suggesting that broader network properties may be more indicative of individual differences in EF than previously thought. The findings highlight the complex interplay between structural and functional brain changes and cognitive aging, emphasizing an age-dependent modality specificity in the neural predictors of EF performance. The differential effectiveness of global versus EF-specific networks in predicting EF underscores the potential value of considering global brain characteristics and combining multiple metrics to enhance predictive accuracy. The modest to low prediction accuracies call for further research into developing more effective biomarkers for EF abilities, considering broader network dynamics, and adopting adaptive behavioral testing approaches to capture the full performance spectrum of healthy aging.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Medizinische Fakultät
Dokument erstellt am:	27.11.2024
Dateien geändert am:	27.11.2024
Promotionsantrag am:	19.04.0024
Datum der Promotion:	20.11.0024