Funktionelle Konnektivität und Morphologie des Gehirns bei Deutschen Schäferhunden ohne makromorphologische Neurodegeneration

In dieser Studie wurde mithilfe der funktionellen Magnetresonanztomographie (fMRT) beim Deutschen Schäferhund unter Isofluran Anästhesie die funktionelle Konnektivität des Hundegehirns untersucht. Aufgrund des evolutionären Prozesses finden sich gleiche oder ähnliche funktionell verknüpfte Gehirnregionen, von der Maus über den Hund bis hin zum Menschen. Die in Ruhe detektierbaren Netzwerke (Resting-state Netzwerke) sind Gehirnareale, in denen ohne Ausführung einer spezifischen Aufgabe spontane niederfrequente BOLD-Fluktuationen gemessen werden können, welche die zugrundeliegende neuronale Aktivität wiedergeben.
Für diese Studie wurden 14 reinrassige Deutsche Schäferhunde ohne makromorphologische Veränderungen und unter Anwendung einer Isofluran Anästhesie in einem 3 Tesla Magnetresonanztomographen untersucht. Diese veterinärmedizinische Studie verwendet zudem erstmals erfolgreich bei Durchführung einer Resting-state Untersuchung die MP2RAGE als anatomische MRT-Sequenz. Zudem wurde zur Minimierung des Signalausfalles („drop out“) im Bereich des Sinus frontalis eine spezielle Schnittführung der epi-BOLD-Sequenz angewendet. Des Weiteren wurde das Pre-Processing studienspezifisch modifiziert. Dafür wurden die Softwares FSL (FMRIB Software Library), ANTs (Advanced Normalization Tool), SPM12 (Statistical Parametric Mapping), FreeSurfer und GIFT Toolbox (Group ICA of fMRI Toolbox) kombiniert und im Anschluss die Ergebnisse der detektierten funktionellen Aktivitätsareale in ihrer Lokalisation und Ausdehnung beim Deutschen Schäferhund im Resting-state ausführlich beschrieben.
Die publizierten Ergebnisse der group-ICA (Gruppen-independet component analysis) weisen unter Anwendung von 20 Komponenten insgesamt auf 14 mögliche Ruhenetzwerke beim Deutschen Schäferhund hin. Hierbei konnten insgesamt 106 funktionell verknüpfte Aktivitätsareale in der grauen Substanz des Neocortex detektiert werden. Erstmals konnte beim Hund ein konnektiertes Default-mode-Netzwerkes (Komponente 8), eine frontales (Komponente 13) und orbitofrontales Netzwerk (Komponente 4) sowie ein dissoziiertes rechtes (Komponente 17) und linkes auditives (Komponente 14) Netzwerk dargestellt werden. Zudem konnte ein „zweites“ dissoziiertes Default-mode-Netzwerk (Komponente 0 und Komponente 11) sowie ein visuelles Netzwerk (Komponente 19), zwei lateralisierte striatale Netzwerke (Komponente 6 und Komponente 7), ein cerebelläres Netzwerk (Komponente 10), ein olfaktorisches Netzwerk (Komponente 15) und möglicherweise ein subkortikales Netzwerk (Komponente 18) detektiert werden. Außerdem bestehen Hinweise für das Vorliegen eines thalamokortikalen Netzwerkes (Komponente 3, Komponente 5, Komponente 12) sowie eines Formatio reticularis-Netzwerkes (Komponente 1, Komponente 9).
Ein weiteres Ergebnis ist, dass es in multiplen Komponenten zu einer Aktivierung des Bulbus olfactorius, der Amygdala sowie des Hippocampus kommt. Dieses Überlappen von funktionellen Aktivitätsarealen in verschiedenen Komponenten deutet auf wichtige Gehirnregionen hin, welche für die kognitive Leistungsfähigkeit verantwortlich sind. Zudem werfen die hier detektierten Aktivitätsareale die Frage auf, wie unsere Hunde ihre Umwelt wahrnehmen und ob sich diese Wahrnehmung möglicherweise mit dem Phänomen der Synästhesie beim Menschen deckt. So ist es anhand der hier erhobenen Daten denkbar, dass Hunde Gerüche regelrecht „sehen“ (siehe Komponente 15 und 19 mit Aktivierung von visuellem Cortex und Bulbus olfactorius sowie Lobus piriformis beidseits). Dies stellt aber zum aktuellen Zeitpunkt lediglich eine Hypothese dar, die es zukünftig weiterführend zu untersuchen gilt.
Die hier erhobenen funktionellen Daten im Resting-state sollen zukünftig helfen das Verhalten unserer Hunde besser zu verstehen und individuelle Charaktereigenschaften von Hunden zu detektieren, welche besonders für spezifische Aufgaben (z.B. Assistenzhunde) geeignet sind. Des Weiteren kann diese Arbeit einen Beitrag leisten zukünftig neurodegenerative Erkrankungen wie z.B. die canine cognitive Dysfunktion intra vitam mittels fMRT zu diagnostizieren und im weitesten Sinne die Basis für die Etablierung neuer Therapieoptionen für vergleichbare humanmedizinische Erkrankungen wie Alzheimer, Parkinson oder die Aufmerksamkeitsdefizit- und Hyperaktivitätsstörung (ADHS) darstellen. In this study, functional connectivity of the canine brain was investigated using functional magnetic resonance imaging (fMRI) in the German shepherd dog under isoflurane anesthesia. Due to the evolutionary process the same or similar functionally connected brain regions can be found from mice to dogs to humans. The resting-state networks are brain areas in which spontaneous low-frequency BOLD fluctuations can be measured without performing a specific task, reflecting the underlying neuronal activity.
For this study, 14 purebred German shepherd dogs without macromorphologic changes and using isoflurane anesthesia, were examined in a 3 Tesla magnetic resonance imaging scanner. This veterinary study is also the first to successfully use MP2RAGE as an anatomical MRI sequence when performing a resting-state examination. In addition, to minimize signal dropout in the frontal sinus region, a special sectioning of the epi-BOLD sequence was applied. Furthermore, the pre-processing was modified for the specific study. For this purpose, the software FSL (FMRIB Software Library), ANTs (Advanced Normalization Tool), SPM12 (Statistical Parametric Mapping), FreeSurfer and GIFT Toolbox (Group ICA of fMRI Toolbox) were combined and the results of the detected functional activity areas in their localization and extension in the German shepherd dog in the resting-state were described in detail.
The published results of the group-ICA (group-independent component analysis), using 20 components, indicate a total of 14 possible resting networks in the German shepherd dog. A total of 106 functionally linked activity areas were detected in the gray matter of the neocortex. For the first time, a connected default-mode network (component 8), a frontal (component 13) and an orbitofrontal network (component 4) as well as a dissociated right (component 17) and left auditory network (component 14) could be shown in the dog. In addition, a "second" dissociated default-mode network (component 0 and 11) as well as a visual network (component 19), two lateralized striatal networks (component 6 and 7), a cerebellar network (component 10), an olfactory network (component 15) and possibly a subcortical network (component 18) could be detected. In addition, there is evidence for the presence of a thalamocortical network (component 3, component 5, component 12) as well as a formatio reticularis network (component 1, component 9).
Another finding is that there is activation of the olfactory bulb, amygdala, and hippocampus in multiple components. This overlapping of functional activity areas in different components indicates important brain regions that are responsible for cognitive performance. In addition, the activity areas detected here raise the question of how our dogs perceive their environment and whether this may be similar to the phenomenon of synesthesia in humans. Thus, based on the data collected here, it is conceivable that dogs literally "see" odors (see components 15 and 19 with activation of visual cortex and bulbus olfactorius as well as lobus piriformis on both sides). However, at the present time this is only a hypothesis that needs to be further investigated in the future.
The functional data collected here in the resting-state will help to better understand the behavior of our dogs in the future and to detect individual character traits of dogs that are particularly suitable for specific tasks (e.g. assistance dogs). Furthermore, this work can contribute to diagnose neurodegenerative diseases such as canine cognitive dysfunction intra vitam using fMRI in the future and in the broadest sense, provide the basis for establishing new therapeutic options for comparable human medical diseases such as Alzheimer's disease, Parkinson's disease or attention deficit hyperactivity disorder (ADHD).