睡眠剝奪的功能磁共振影像學研究進展

邱淦濱 馬立恒（通訊作者） 劉謀源 梁鈺瑩 紀亞蕓（廣東藥科大學附屬第一醫院影像科 廣東 廣州 510000）

引言

隨著現代人生活節奏的加快，社會、環境等因素的壓力增加，熬夜、睡眠時間不足已經成為年輕人的新常態，睡眠質量低下成為大多數現代人的通病。SD是指由于環境或自身原因無法滿足正常睡眠的一種情況，表現為睡眠減少或中斷，一般指在24h內睡眠時間小于4h。大量的實驗表明：SD可以引起個體在情緒、認知、學習記憶及注意力等多方面的改變，如增加患抑郁癥風險、記憶力下降及反應時間延長等[1-2]。隨著現代睡眠醫學的建立，越來越多的學者在關注SD的機制，但迄今為止仍沒有一種學說或理論可以完整解釋SD后人腦發生一系列的變化。現在SD的研究方法仍比較單一，這或許是制約學者進一步探究其本質的重要原因之一。筆者就rs-fMRI、DTI及人腦連接組分析方法進行簡要綜述。

1.靜息態腦功能MRI對睡眠剝奪研究的進展

21世紀初，一些學者注意到人腦在不執行任何任務時并不完全處于靜止狀態，而是保持著一種低能量代謝狀態，學者們把這一現象稱為靜息態（Resting-state）。血氧水平依賴功能磁共振成像是近年來廣泛應用于自閉癥[3]、雙相情感障礙[4]等心理學及神經系統疾病影像學的一種新興功能成像技術。其原理是根據機體血液內脫氧血紅蛋白與氧合血紅蛋白比例不同，在磁共振圖像上呈現不同強度的信號，繼而間接反應大腦某個時刻的功能狀態。BOLD-fMRI是目前SD研究中最常用的一種方法。其常用的數據分析方法有：局部一致性ReHo、低頻振幅 ALFF、獨立成分分析ICA及功能連接。本文側重介紹前兩種分析方法的研究進展。

1.1 局部一致性（Reho）

由Zang[5]等在2004年首次提出，該團隊認為腦活動是基于多個體素為單位或腦區來實現的，利用肯德爾系數(KCC)分別計算感興趣體素與相鄰體素的ReHo值，確定感興趣區內各體素之間時間順序的一致性，從而可以反應局部腦活動的同步性。該方法最大特點就是突破以往線性時不變理論假設，是腦fMRI數據分析的新假說，近年來得到廣泛應用。Peng等[6]首次將ReHo分析方法用于研究重度阻塞性睡眠呼吸暫停患者的腦功能變化，他們發現實驗組的右額內側回、右額上回、楔前葉、角回的ReHo值較對照組顯著降低，其中楔前葉是構成默認網絡的關鍵腦區，并且在認知功能中起到重要作用。以前的睡眠相關研究均留意到楔前葉的異常變化，學者們相信長期睡眠剝奪人群存在的不同程度認知能力低下與楔前葉受損有關。他們認為楔前葉的功能損害有部分原因可能是由于連接減少導致形態受損區域的“遠隔效應”造成的，睡眠時間減少是導致楔前葉障礙的一個重要因素。此外，上述腦功能區還負責行為、情緒、記憶等信息處理，與Xu H[7]等通過行為學數據和執行任務實驗探討SD前后有關工作記憶和執行能力方面腦區變化的研究結果基本一致，說明SD是通過“損傷”相應功能腦區、引起多個腦區網絡紊亂而導致的。

1.2 低頻振幅(ALFF)

該方法同樣是由Zang等人[8]在2007年提出并闡述其具體計算方法。其基本原理是將fMRI掃描數據進行傅里葉變換得到功率譜，再計算感興趣區內各體素在0.01～0.08Hz內振蕩幅度，通常用平均值來表示該體素自發活動的強弱。ALFF主要是根據局部腦活動引起的能量代謝來反應各體素間神經活動的一致性。Xi-Jian Dai等[9]同時用ALFF及ICA兩種方法分析12名健康男性經72小時睡眠剝奪后的影響，該研究表明SD組任務反應時間較對照組明顯延長，這與Kreutzmann[10]在研究睡眠剝奪與認知、注意力等關系中得出的結論趨于一致。但是上述兩種方法得出有顯著性的腦功能區并不是完全一致的，這可能是因為上述評價指標都是衡量神經細胞自發活動，與某個時刻腦血流有關。另一方面，ALFF反映的是目標體素的低頻振蕩振幅，而后者則反映的是目標體素與周圍體素在時間序列上的一致性。說明在研究睡眠剝奪與腦認知過程中，單一的分析方法或許不能完整解釋其內在聯系。

2.DTI在睡眠剝奪的研究進展

腦白質最主要的一個功能就是連接各腦區，而不同方向的神經纖維束是構成白質的基礎，神經纖維束走向、形態可以反映腦結構完整性。DTI的基本原理是假設生物組織內水分子的布朗運動呈高斯分布，通過測量腦結構中水分子彌散方向和擴散速率，進而觀察和示蹤腦白質神經纖維束的走向及完整性。DTI在三維空間定量分析水分子彌散情況，屬于二階張量，常用參數包括FA、ADC及平均擴散率（mean diffusivity，MD）。定量評價白質纖維各項異性程度最常用的指標是FA、MD，FA取值為0～1，0代表各項同性彌散，各項異性越低數值越接近0，信號強度越低，例如：腦脊液；1則代表最大各項異性，腦白質則是另一個典型的代表。Basser等人在1994年就比較詳細闡述了擴散張量成像的基本理論[11-12]。纖維束追蹤算法是DTI最主要的分析方法，而它可以分為確定性算法和概率性算法兩大類。這兩種算法有各自的特點，前者只能追蹤一個方向的纖維并且不能處理纖維交叉的問題，隨著纖維束的延長容易出現方向偏差，其優勢是計算量較小；而后者由于其計算大，不可避免會產生一些偽連接，但是它精度較確定性算法高，能有效減少噪聲及部分容積效應的影響。近幾年隨著大數據崛起和圖像處理新理論的突破，高角分辨率彌散成像數據分析方法逐漸成為該領域的熱點[13-14]。Elvs?shagen等[15]對21名健康志愿者用DTI成像技術采集了三次全腦數據，分別是23h睡眠剝奪前后和距離第一次采集數據的第14小時。他們分析第二次與第一次的數據發現，右額顳葉、右枕葉、左前額葉等腦區的FA、MD和是普遍增加的，FA尤為顯著。隨后他們對SD前后的數據進行分析，SD后的AD在整個大腦呈普遍性降低，雙側額顳葉和枕葉、丘腦的FA也是呈下降改變，MD則沒有顯著性差異。該實驗研究表明了腦白質神經纖維具有生理可塑性及對睡眠剝奪具有較高敏感性，白天覺醒狀態下白質纖維束連接會顯著增加，隨著疲勞程度的增加其連接纖維束又趨于下降；這一結果與其它學者觀察到的實驗結果基本一致，并且Elvs?shagen等人認為SD后FA值出現較大的變化，與白質纖維束的髓磷脂和軸突膜發生了改變有關。這與Li等[16]提出的觀點一致，但SD后白質內微細結構的改變仍有待進一步被證實。

3.人腦連接組分析方法對睡眠剝奪研究的進展

20世紀末，一些神經科學家已經認識到構建人腦結構網絡的重要性及必要性，并首次提出了人腦連接組(human connectome)這一概念[17-19]，以期喚起各領域科學家的重視。隨著現代腦成像技術和統計物理學的突破，尤其是復雜網絡理論的建立，為人腦連接組的分析研究提供了有力支持。2005年，美國著名復雜腦網絡分析專家Sporns[20]教授認為人腦連接組理論上可以從微尺度(microscale)、中間尺度(mesoscale)和大尺度(large-scale) (分別代表神經元、神經元集群和大腦腦區3個水平)上進行復雜網絡的構建，但人類大腦的神經元和神經元集群數量龐大，相互聯系極為復雜，現階段的技術難以構建，因此目前該領域的研究主要集中在大尺度層面上。

圖論是目前分析復雜網絡領域中最主要的數學工具，由于它非常直觀、簡潔，且功能強大，已經在社會網絡[21]、信息網絡[22]及生物網絡[23]廣為應用。復雜網絡的基本單元是節點和邊，因此如何定義網絡的節點和邊是構建網絡的關鍵。常用的復雜網絡模型有：隨機網絡、規則網絡、小世界網絡。復雜網絡的拓撲屬性通常包括以下幾個：平均最短路徑（the characteristic path length，Lp）、全局效率、聚類系數（the clustering coefficient，Cp）。研究者通常也是以上面幾個指標評價研究對象之間是否存在差異。小世界網絡屬性則是指同時具有高聚類系數、較短平均最短路徑的網絡。1998年，美國物理學家Watts和Strogatz[24]首次提出了“小世界網絡”模型，此后復雜網絡引起了各領域學者的關注。Ferri等人[25]發現睡眠期間EEG慢波同步的網絡組織顯示了小世界網絡的特征,隨后他們利用網絡拓撲特性中的聚類系數及平均最短路徑對19名健康志愿者進行分析，發現受試者Cp在清醒階段比睡眠期間顯著降低，而Lp則沒有顯著性差異，他們還發現大腦某些網絡修復或重塑是在深度睡眠期間進行的，睡眠剝奪則會干擾這一過程產生更多隨機網絡。這或許可以解釋睡眠期間“網絡重構”可能是了解“全腦”與“局部”神經可塑性的關鍵機制之一。

4.結語與展望

目前，關于睡眠領域相關的研究已經取得了不少成果，特別是在晝夜節律方面的研究已經達到基因水平[26]。功能磁共振成像(fMRI)的發展進一步拓寬了探討睡眠功能的思路，為更深入了解睡眠剝奪的作用機制提供了新手段。而復雜網絡及圖論分析的應用則突破了目前僅能從某個功能區來研究腦科學、認知科學的局限性，圖論分析方法為我們從全腦尺度、深層次地了解大腦的機制及病變原理提供了可能性，為探索生命本質打開了一個全新的大門。

最近，Andres等人[27]利用無創深部腦刺激技術在小鼠海馬深處激活神經元，這預示著對人類大腦深層目標的非侵入性、空間精確性刺激成為可能。近年來由于各個學科的不斷細化，分工更加精細、明確，這使得我們需要跨學科、多層次、全方位交叉深入研究，隨著人工智能的發展、大數據的整合及影像組學等技術的興起，筆者認為有關睡眠剝奪的內在機制會得到進一步揭示，并且具有重要的臨床價值和應用前景。

[1] Avinun R,Nevo A,Knodt A R,et al.Reward-Related Ventral Striatum Activity Buffers Against the Experience of Depressive Symptoms Associated with Sleep Disturbances.[J].Journal of Neuroscience, 2017, 37(40):9724.

[2] Angel J D,Cortez J,Juárez D,et al.Effects of sleep reduction on the phonological and visuospatial components of working memory[J]. Sleep Sci, 2015, 8(2):68-74.

[3] Barbeau E B,Lewis J D,Doyon J,et al.A greater involvement of posterior brain areas in interhemispheric transfer in autism:fMRI,DWI and behavioral evidences.[J].Neuroimage Clin,2015, 8:267-280.

[4] Gruber S A,Dahlgren M K,Sagar K A, et al.Decreased Cingulate Cortex activation during cognitive control processing in bipolar disorder[J].Journal of Affective Disorders,2017,213:86-95.

[5] Zang Y,Jiang T,Lu Y,et al.Regional homogeneity approach to fMRI data analysis.[J].Neuroimage, 2004, 22(1):394-400.

[6] Peng D C,Dai X J,Gong H H,et al.Altered intrinsic regional brain activity in male patients with severe obstructive sleep apnea:a resting-state functional magnetic resonance imaging study[J].Neuropsychiatric Disease &Treatment,2014, 10(default):1819.

[7] Xu H,Shen H,Wang L,et al.Impact on resting-state dynamic functional connectivity following 36 hours of total sleep deprivation[J]. Brain Research, 2017.

[8] Yang H,Long X Y,Yang Y,et al.Amplitude of low frequency fluctuation within visual areas revealed by resting-state functional MRI.[J].Neuroimage,2007, 36(1):144-152.

[9] Dai X J,Liu C L,Zhou R L,et al.Long-term total sleep deprivation decreases the default spontaneous activity and connectivity pattern in healthy male subjects:a restingstate fMRI study[J].Neuropsychiatric Disease & Treatment,2015,11(default):761-772.

[10] Kreutzmann J C,Havekes R,Abel T,et al.Sleep deprivation and hippocampal vulnerability:changes in neuronal plasticity,neurogenesis and cognitive function[J].Neuroscience,2015,309:173-190.

[11] Basser P J,Mattiello J,Lebihan D.MR Diffusion Tensor Spectroscopy and Imaging[J].Biophysical Journal,1994,66(1):259-67.

[12] Basser P J,Mattiello J,Lebihan D. Estimation of the effective self-diffusion tensor from the NMR spin echo.[J].Journal of Magnetic Resonance,1994, 103(3):247.

[13] Varentsova A,Zhang S,Arfanakis K.Development of a high angular resolution diffusion imaging human brain template.[J].Neuroimage,2014,91(2):177-186.

[14] Xie S,Zuo N,Shang L,et al.How does B-value affect HARDI reconstruction using clinical diffusion MRI data?[J].Plos One,2015,10(3):e0120773.

[15] Elvs?shagen T,Norbom L B,Pedersen P ?,et al.Widespread Changes in White Matter Microstructure after a Day of Waking and Sleep Deprivation[J]. Plos One, 2015, 10(5):e0127351.

[16] Li S,Tian J,Bauer A,et al.Reduced Integrity of Right Lateralized White Matter in Patients with Primary Insomnia:A Diffusion-Tensor Imaging Study.[J]. Radiology,2016,280(2):152038.

[17] Sporns O,Tononi G,Kotter R.The human connectome:A structural description of the human brain. PLoS Comput Biol,2005,1:42.

[18] Lehrer J.Neuroscience:Making connections.Nature,2009,457: 524-527.

[19] Varela,Lachaux F,Rodriguez J P,et al. The brainweb:Phase synchronization and large-scale integration.Nat Rev Neurosci,2001,2:229-239

[20] Sporns O,Tononi G,Kotter R.The human connectome:A structural description of the human brain.PLoS Comput Biol,2005,1: 42.

[21] Varentsova A,Zhang S,Arfanakis K.Development of a high angular resolution diffusion imaging human brain template.[J].Neuroimage,2014,91(2):177-186.

[22] Abbott J T,Austerweil J L,Griffiths T L.Random walks on semantic networks can resemble optimal foraging.[J].Psychological Review,2015,122(3).

[23] Podani J,Oltvai Z N,Jeong H, et al.Comparable systemlevel organization of Archaea and Eukaryotes.[J].Nature Genetics,2001,29(1):54-56.

[24] Watts DJ,Strogatz SH.Collectivedynamics of’smallworld’ networks[C]// Nature. 1998:440-442.

[25] Ferri R,Rundo F,Bruni O,et al.Small-world network organization of functional connectivity of EEG slow-wave activity during sleep.[J].Clinical Neurophysiology,2007,118(2):449-456.

[26] El-Athman R,Genov NN,Mazuch J,et al.The Ink4a/Arf locus operates as a regulator of the circadian clock modulating RAS activity[J].PLoS biology,2017,15(12):e2002940.

[27] Lozano A M.Waving Hello to Noninvasive Deep-Brain Stimulation.[J].New England Journal of Medicine, 2017,377(11):1096.