目的:本文研究了颅内小血管病神经网络连通的损害特征,探讨了神经连通损害与MRI疾病标志及认知障碍之间的关系。
一、 前言
颅内小血管病(small-vessel disease,SVD)是血管性认知障碍的主要病因,认知障碍以早期执行功能和信息处理速度损害为特征,但其中的病理生理学机制尚不完全明朗。弥散张量成像可以反映白质纤维束的超微结构损伤,如腔隙性梗塞、白质密度增高和脑萎缩。白质纤维束连通而成的脑网络,认知功能依赖于这种脑网络功能的效率。SVD的病理导致神经网络连通及其功能、以及认知功能受损。
二、方法
实验设计
对115名腔隙性梗塞和脑白质疏松症的患者、50名健康人进行横断面研究,采用基于图论的效率分析(graph-based efficiency analysis)获得弥散张量纤维束成像(diffusion tensor tractography)数据,通过分析90个皮质和皮质下脑区评价结构性连通,对结果图进行效率测量,比较SVD和对照组之间的网络、连通效率、MRI的疾病标志和认知功能。
认知功能评价
神经心理学测试包括:全国成人阅读测验(National Adult Reading Test,NART)的智商参数,执行功能、信息处理速度、工作记忆以及情景记忆(长期记忆)。
传统MRI测量的疾病指标
脑容量:采用SIENAX软件 (FMRIB Software Library, FSL v4.1;http://www.fmrib.ox.ac.uk/fsl/)测量T1加权相的脑实质容量,之后与颅骨尺寸进行标准化校正,可作为脑萎缩的指标。
白质损伤:采用半自动的DISPUNC程序,在液体衰减反转恢复图像(FLAIR)上,对损伤直径≥2mm高密度白质区划出边界,描绘出全脑损伤地形图。白质损伤负荷(white matter lesion load ,WMLL)是白质损伤与非为标准化脑容量之间的百分比。
腔隙性梗塞:在T1加权像上计算。
白质纤维束弥散张量成像
网络连通点:根据Automated Anatomical Labeling (AAL) atlas,定义了90个感兴趣区。
网络分析:跟Brain Connectivity Toolbox (www.brain-connectivity-toolbox.net),计算网络连通的效率。
三、结果
SVD的脑弥散张量纤维束成像网络连通显著降低:网络密度更小、连通权重更低、网络效率显著被破坏。这种脑网络被破坏的程度与MRI测量的疾病程度、认知功能均相关。在多元回归模型中,纠正混杂变量后,与传统MRI测量的疾病指标相比,认知功能与神经网络测量指标的关联性更强。各向异性分数值(fractional anisotropy,FA )、平均扩散系数(mean diffusivity)和执行功能、信息处理速度之间存在总的中介效应。
图1. 正常受试者的网络连通(灰线)示意图,全脑观(A)、左半球(B)和右半球(C)的矢状观。红线示SVD患者受损的亚网络连通。根据大体解剖,标记神经连通点的颜色。淡蓝色:额叶皮质,蓝灰色:皮质下区域,珊瑚色:边缘及旁边缘系统,暗红色:颞叶皮质,黄色:顶叶皮质,奶白色:运动皮质,暗蓝色:枕叶皮质。
图2. 各向异性分数(图A,B)和平均弥散度(图C,D)的中介模型。图A和C预测了处理速度,图B和D预测了处理速度。
四、结论
SVD的脑网络连通受损,其损害与疾病的严重程度相关;对神经网络相关指标的测定在治疗性研究中可作为疾病的标记物。