Структурная морфометрия головного мозга у детей с синдромом дефицита внимания и гиперактивности и коморбидными легкими когнитивными нарушениями

Обоснование. Несмотря на то, что расстройства из группы легких когнитивных нарушений широко распространены при синдроме дефицита внимания и гиперактивности (СДВГ), изучение морфометрических параметров мозга у детей при коморбидных СДВГ легких когнитивных нарушениях еще нигде не проводилось. Цель исследования — определить и провести сравнительный анализ МР-морфометрических параметров мозга у детей с СДВГ в зависимости от наличия или отсутствия сопутствующих расстройств из группы легких когнитивных нарушений. Методы. Участники — дети в возрасте 7–8 лет, объединенные в 4 группы: страдающие СДВГ без коморбидной патологии (КП), СДВГ с легкими когнитивными нарушениями (ЛКН), ЛКН без СДВГ и здоровые дети. Всем участникам проводились магнитно-резонансная томография головного мозга и последующая морфометрия с получением количественных параметров крупных структур головного мозга, извилин коры больших полушарий, подкорковых ядер, мозжечка и боковых желудочков. Результаты. Обследовано 90 детей. В группе СДВГ с ЛКН выявлено достоверное снижение объемов хвостатых ядер с двух сторон и гиппокампа справа, а также снижение объемов коры правых верхнетеменной и супрамаргинальной извилин и полюса лобной доли. В группе СДВГ без КП выявлены другие изменения: снижение объема скорлупы с двух сторон и таламуса слева, увеличение объема шести и снижение объема коры четырех извилин, истончение коры четырех извилин при утолщении коры одной извилины, увеличение объемов четырех долек мозжечка. При ЛКН без СДВГ выявлены двустороннее расширение боковых желудочков, снижение объемов правого бледного шара и коры семи извилин, преимущественно правосторонних, а также снижение объемов четырех долек мозжечка. Прямое сравнение между двумя группами СДВГ показало выраженные различия вплоть до более низкого в группе СДВГ с ЛКН тотального объема коры головного мозга с включением коры пяти левополушарных и семи правополушарных извилин. Участники групп СДВГ, в отличие от нормы и группы ЛКН без СДВГ, не демонстрировали возрастного динамического снижения объемов коры больших полушарий. Заключение. Для СДВГ характерно одновременное наличие двух патогенетических процессов: недоразвития одних отделов коры больших полушарий и задержки возрастных изменений других отделов. Между СДВГ без КП и СДВГ с ЛКН выявлены существенные различия морфометрических параметров, что предполагает дифференцированный подход к лечению таких пациентов и пересмотр подходов к организации морфометрических исследований мозга при СДВГ. Увеличение боковых желудочков при ЛКН может свидетельствовать о вкладе перинатальной патологии в этиологию этих состояний.

1. Opel N, Goltermann J, Hermesdorf M, et al. Cross-Disorder Analysis of Brain Structural Abnormalities in Six Major Psychiatric Disorders: A Secondary Analysis of Mega- and Meta-analytical Findings From the ENIGMA Consortium. Biol Psychiatry. 2020;88(9):678–686. doi: https://doi.org/10.1016/j.biopsych.2020.04.027

2. Dipietro L, Gonzalez-Mego P, Ramos-Estebanez C, et al. The evolution of Big Data in neuroscience and neurology. J Big Data. 2023;10(1):116. doi: https://doi.org/10.1186/s40537-023-00751-2

3. Фирумянц А.И., Намазова-Баранова Л.С., Каркашадзе Г.А. и др. Морфометрия головного мозга — передовой метод нейровизуализационного картирования у детей // Вопросы современной педиатрии. — 2023. — Т. 22. — № 6. — С. 521–527. — doi: https://doi.org/10.15690/vsp.v22i6.2707

4. Yu M, Gao X, Niu X, et al. Meta-analysis of structural and functional alterations of brain in patients with attention-deficit/ hyperactivity disorder. Front Psychiatry. 2023;13:1070142. doi: https://doi.org/10.3389/fpsyt.2022.1070142

5. Albajara Sáenz A, Villemonteix T, Massat I. Structural and functional neuroimaging in attention-deficit/hyperactivity disorder. Dev Med Child Neurol. 2019;61(4):399–405. doi: https://doi.org/10.1111/dmcn.14050

6. Bedford SA, Lai MC, Lombardo MV, et al. Brain-charting autism and attention deficit hyperactivity disorder reveals distinct and overlapping neurobiology. medRxiv [Preprint]. 20237:2023.12.06.23299587. doi: https://doi.org/10.1101/2023.12.06.23299587

7. Hoogman M, Muetzel R, Guimaraes JP, et al. Brain Imaging of the Cortex in ADHD: A Coordinated Analysis of Large-Scale Clinical and Population-Based Samples. Am J Psychiatry. 2019;176(7): 531–542. doi: https://doi.org/10.1176/appi.ajp.2019.18091033

8. Narr KL, Woods RP, Lin J, et al. Widespread cortical thinning is a robust anatomical marker for attention-deficit/hyperactivity disorder. J Am Acad Child Adolesc Psychiatry. 2009;48(10): 1014–1022. doi: https://doi.org/10.1097/CHI.0b013e3181b395c0

9. Silk TJ, Beare R, Malpas C, et al. Cortical morphometry in attention deficit/hyperactivity disorder: contribution of thickness and surface area to volume. Cortex. 2016;82:1–10. doi: https://doi.org/10.1016/j.cortex.2016.05.012

10. Shaw P, Eckstrand K, Sharp W, et al. Attention-deficit/ hyperactivity disorder is characterized by a delay in cortical maturation. Proc Natl Acad Sci U S A. 2007;104(49):19649–19654. doi: https://doi.org/10.1073/pnas.0707741104

11. Almeida L, Ricardo-Garcell J, Prado H, et al. Reduced right frontal cortical thickness in children, adolescents and adults with ADHD and its correlation to clinical variables: a crosssectional study. J Psychiatr Res. 2010;44(16):1214–1223. doi: https://doi.org/10.1016/j.jpsychires.2010.04.026

12. Ambrosino S, de Zeeuw P, Wierenga LM, et al. What can cortical development in attention-deficit/hyperactivity disorder teach us about the early developmental mechanisms involved? Cereb Cortex. 2017;27(9):4624–4634. doi: https://doi.org/10.1093/cercor/bhx182

13. Wolosin SM, Richardson ME, Hennessey JG, et al. Abnormal cerebral cortex structure in children with ADHD. Hum Brain Mapp. 2009;30(1):175–184. doi: https://doi.org/10.1002/hbm.20496

14. Almeida Montes L, Prado Alcántara H, Martínez García R, et al. Brain cortical thickness in ADHD: age, sex, and clinical correlations. J Atten Disord. 2012;17(8):641–654. doi: https://doi.org/10.1177/1087054711434351

15. Luo X, Lin X, Ide JS, et al. Male-specific, replicable and functional roles of genetic variants and cerebral gray matter volumes in ADHD: a gene-wide association study across KTN1 and a region-wide functional validation across brain. Child Adolesc Psychiatry Ment Health. 2023;17(1):4. doi: https://doi.org/10.1186/s13034-022-00536-0

16. Chiang HL, Lin HY, Tseng WI, et al. Neural substrates underpinning intra-individual variability in children with ADHD: A voxel-based morphometry study. J Formos Med Assoc. 2022;121(2):546–556. doi: https://doi.org/10.1016/j.jfma.2021.06.003

17. Kaya BS, Metin B, Tas ZC, et al. Gray matter increase in motor cortex in pediatric ADHD: a voxel-based morphometry study. J Atten Disord. 2018;22(7):611–618. doi: https://doi.org/10.1177/1087054716659139

18. Makris N, Liang L, Biederman J, et al. Toward Defining the Neural Substrates of ADHD: A Controlled Structural MRI Study in Medication-Naïve Adults. J Atten Disord. 2015;19(11):944–953. doi: https://doi.org/10.1177/1087054713506041

19. Moreno-Alcázar A, Ramos-Quiroga JA, Radua J, et al. Brain abnormalities in adults with Attention Deficit Hyperactivity Disorder revealed by voxel-based morphometry. Psychiatry Res Neuroimaging. 2016;254:41–47. doi: https://doi.org/10.1016/j.pscychresns.2016.06.002

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

21. Mueller KL, Tomblin JB. Examining the comorbidity of language disorders and ADHD. Top Lang Disord. 2012;32(3):228–246. doi: https://doi.org/10.1097/TLD.0b013e318262010d

22. Katsarou DV, Efthymiou E, Kougioumtzis GA, et al. Identifying Language Development in Children with ADHD: Differential Challenges, Interventions, and Collaborative Strategies. Children (Basel). 2024;11(7):841. doi: https://doi.org/10.3390/children11070841

23. Tsui KW, Lai KY, Lee MM, et al. Prevalence of motor problems in children with attention deficit hyperactivity disorder in Hong Kong. Hong Kong Med J. 2016;22(2):98–105. doi: https://doi.org/10.12809/hkmj154591

24. DuPaul GJ, Gormley MJ, Laracy SD. Comorbidity of LD and ADHD: implications of DSM-5 for assessment and treatment. J Learn Disabil. 2013;46(1):43–51. doi: https://doi.org/10.1177/0022219412464351

25. Chan ESM, Shero JA, Hand ED, et al. Are Reading Interventions Effective for At-Risk Readers with ADHD? A Meta-Analysis. J Atten Disord. 2023;27(2):182–200. doi: https://doi.org/10.1177/10870547221130111

26. McGrath LM, Stoodley CJ. Are there shared neural correlates between dyslexia and ADHD? A meta-analysis of voxel-based morphometry studies. J Neurodev Disord. 2019;11(1):31. doi: https://doi.org/10.1186/s11689-019-9287-8

27. Jednoróg K, Gawron N, Marchewka A, et al. Cognitive subtypes of dyslexia are characterized by distinct patterns of grey matter volume. Brain Struct Funct. 2014;219(5):1697–1707. doi: https://doi.org/10.1007/s00429-013-0595-6.

28. Xia Z, Hoeft F, Zhang L, Shu H. Neuroanatomical anomalies of dyslexia: Disambiguating the effects of disorder, performance, and maturation. Neuropsychologia. 2016;81:8–78. doi: https://doi.org/10.1016/j.neuropsychologia.2015.12.003

29. Liégeois F, Mayes A, Morgan A. Neural Correlates of Developmental Speech and Language Disorders: Evidence from Neuroimaging. Curr Dev Disord Rep. 2014;1(3):215–227. doi: https://doi.org/10.1007/s40474-014-0019-1

30. Morgan A, Bonthrone A, Liégeois FJ. Brain basis of childhood speech and language disorders: are we closer to clinically meaningful MRI markers? Curr Opin Pediatr. 2016;28(6):725–730. doi: https://doi.org/10.1097/MOP.0000000000000420

31. Ullman MT, Clark GM, Pullman MY, et al. The neuroanatomy of developmental language disorder: a systematic review and metaanalysis. Nat Hum Behav. 2024;8(5):962–975. doi: https://doi.org/10.1038/s41562-024-01843-6

32. Lee MM, Drury BC, McGrath LM, Stoodley CJ. Shared grey matter correlates of reading and attention. Brain Lang. 2023;237:105230. doi: https://doi.org/10.1016/j.bandl.2023.105230

33. Jagger-Rickels AC, Kibby MY, Constance JM. Global gray matter morphometry differences between children with reading disability, ADHD, and comorbid reading disability/ADHD. Brain Lang. 2018;185:54–66. doi: https://doi.org/10.1016/j.bandl.2018.08.004

34. Langer N, Benjamin C, Becker BLC, Gaab N. Comorbidity of reading disabilities and ADHD: Structural and functional brain characteristics. Hum Brain Mapp. 2019;40(9):2677–2698. doi: https://doi.org/10.1002/hbm.24552

35. Brown TT, Jernigan TL. Brain development during the preschool years. Neuropsychol Rev. 2012;22(4):313–333. doi: https://doi.org/10.1007/s11065-012-9214-1

36. Vijayakumar N, Mills KL, Alexander-Bloch A, et al. Structural brain development: A review of methodological approaches and best practices. Dev Cogn Neurosci. 2018;33:129–148. doi: https://doi.org/10.1016/j.dcn.2017.11.008

37. O’Brien LM, Ziegler DA, Deutsch CK, et al. Statistical adjustments for brain size in volumetric neuroimaging studies: Some practical implications in methods. Psychiatry Res. 2011;193(2):113–122. doi: https://doi.org/10.1016/j.pscychresns.2011.01.007

38. Desikan RS, Ségonne F, Fischl B, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 2006;31(3):968–980. https://doi.org/10.1016/j.neuroimage.2006.01.021

39. Backhausen LL, Herting MM, Buse J, et al. Quality Control of Structural MRI Images Applied Using FreeSurfer-A Hands-On Workflow to Rate Motion Artifacts. Front Neurosci. 2016;10:558. doi: https://doi.org/10.3389/fnins.2016.00558

40. Hoogman M, Bralten J, Hibar DP, et al. Subcortical brain volume differences in participants with attention deficit hyperactivity disorder in children and adults: a cross-sectional mega-analysis. Lancet Psychiatry. 2017;4(4):310–319. doi: 10.1016/S2215-0366(17)30049-4

41. Klein M, Walters RK, Demontis D, et al. Genetic Markers of ADHD-Related Variations in Intracranial Volume. Am J Psychiatry. 2019;176(3):228–238. doi: https://doi.org/10.1176/appi.ajp.2018.18020149

42. Houk JC, Adams JL, Barto AG. A Model of How the Basal Ganglia Generate and Use Neural Signals that Predict Reinforcement. In: Models of Information Processing in the Basal Ganglia. Houk JC, Davis JL Beiser DG, eds. Cambridge, MA: MIT Press; 1995. Ch. 13. pp. 249–270. doi: https://doi.org/10.7551/mitpress/4708.001.0001

43. Haruno M, Kuroda T, Doya K, et al. A neural cor-relate of reward-based behavioral learning in caudate nucleus: a functional magnetic resonance imaging study of a stochastic decision task. J Neurosci. 2004;24(7):1660–1665. doi: https://doi.org/10.1523/JNEUROSCI.3417-03.2004

44. O’Doherty J, Dayan P, Friston K, et al. Temporal difference models and reward-related learning in the human brain. Neuron. 2003;38:329–337

45. Doidge JL, Flora DB, Toplak ME. A Meta-Analytic Review of Sex Differences on Delay of Gratification and Temporal Discounting Tasks in ADHD and Typically Developing Samples. J Atten Disord. 2021;25(4):540–561. doi: https://doi.org/10.1177/1087054718815588

46. Ziegler S, Pedersen ML, Mowinckel AM, Biele G. Modelling ADHD: A review of ADHD theories through their predictions for computational models of decision-making and reinforcement learning. Neurosci Biobehav Rev. 2016;71:633–656. doi: https://doi.org/10.1016/j.neubiorev.2016.09.002

47. Luman M, Tripp G, Scheres A. Identifying the neurobiology of altered reinforcement sensitivity in ADHD: a review and research agenda. Neurosci Biobehav Rev. 2010;34(5):744–754. doi: https://doi.org/10.1016/j.neubiorev.2009.11.021

48. Lisman JE, Grace AA. The Hippocampal-VTA Loop: Controlling the Entry of Information into Long-Term Memory. Neuron. 2005;46(5): 703–713. doi: https://doi.org/10.1016/j.neuron.2005.05.002

49. Prigge MBD, Lange N, Bigler ED, et al. A 16-year study of longitudinal volumetric brain development in males with autism. Neuroimage. 2021;236:118067. doi: https://doi.org/10.1016/j.neuroimage.2021.118067

50. Brovelli A, Nazarian B, Meunier M, Boussaoud D. Differential roles of caudate nucleus and putamen during instrumental learning. Neuroimage. 2011;57(4):1580–1590. doi: https://doi.org/10.1016/j.neuroimage.2011.05.059

51. Haruno M, Kawato M. Different neural correlates of reward expectation and reward expectation error in the putamen and caudate nucleus during stimulus-action-reward association learning. J Neurophysiol. 2006;95(2):948–959. doi: https://doi.org/10.1152/jn.00382.2005

52. Guida P, Michiels M, Redgrave P, et al. An fMRI metaanalysis of the role of the striatum in everyday-life vs laboratorydeveloped habits. Neurosci Biobehav Rev. 2022;141:104826. doi: https://doi.org/10.1016/j.neubiorev.2022.104826

53. Sowell ER, Thompson PM, Welcome SE, et al. Cortical abnormalities in children and adolescents with attention-deficit hyperactivity disorder. Lancet. 2003;362(9397):1699–1707. doi: https://doi.org/10.1016/S0140-6736(03)14842-8

54. Valera EM, Faraone SV, Murray KE, Seidman LJ. Meta-analysis of structural imaging findings in attention-deficit/hyperactivity disorder. Biol Psychiatry. 2007;61(12):1361–1369. doi: https://doi.org/10.1016/j.biopsych.2006.06.011

55. Hart H, Radua J, Nakao T, et al. Meta-analysis of functional magnetic resonance imaging studies of inhibition and attention in attention-deficit/hyperactivity disorder: exploring task-specific, stimulant medication, and age effects. JAMA Psychiatry. 2013;70(2):185–198. doi: https://doi.org/10.1001/jamapsychiatry.2013.277

56. Каркашадзе Г.А., Гогберашвили Т.Ю., Константиниди Т.А. и др. Одномоментное популяционное исследование распространенности легких когнитивных нарушений у детей среднего школьного возраста // Вестник Российской академии медицинских наук. — 2023. — Т. 78. — № 4. — С. 329–347. — doi: https://doi.org/10.15690/vramn12460

57. Shiohama T, Ortug A, Warren JLA, et al. Small Nucleus Accumbens and Large Cerebral Ventricles in Infants and Toddlers Prior to Receiving Diagnoses of Autism Spectrum Disorder. Cereb Cortex. 2022;32(6):1200–1211. doi: https://doi.org/10.1093/cercor/bhab283

58. Chao CP, Zaleski CG, Patton AC. Neonatal hypoxic-ischemic encephalopathy: multimodality imaging findings. Radiographics. 2006;26(Suppl 1):S159–S172. doi: https://doi.org/10.1148/rg.26si065504

59. Fichera G, Stramare R, Bisogno G, et al. Neonatal cerebral ultrasound: anatomical variants and age-related diseases. J Ultrasound. 2024;27(4):993–1002. doi: https://doi.org/10.1007/s40477-024-00914-8

60. Varghese B, Xavier R, Manoj VC, et al. Magnetic resonance imaging spectrum of perinatal hypoxic-ischemic brain injury. Indian J Radiol Imaging. 2016;26(3):316–327. doi: https://doi.org/10.4103/0971-3026.190421