2型糖尿病腦白質微結構網絡拓撲結構改變的相關研究

秦新， 魯毅， 孫學進

隨著人們生活水平的提高及社會老齡化的加劇，糖尿病(diabetes mellitus,DM)已成為危害人類健康的一類重要慢性疾病，且呈現年輕化的趨勢。DM主要以2型糖尿病(type 2 diabetes mellitus,T2DM)多見，約占90%以上。同時，糖尿病還會引起包括心臟、視網膜、腎臟、血管和神經系統不同程度的損害。其中，大腦是最易受到損害的部位，往往導致認知障礙和中樞神經系統的病理生理改變，形成糖尿病腦病(diabetic encephalopathy,DE)[1]。DE起病隱匿，進展緩慢，臨床上常把糖尿病患者視網膜病變視為糖尿病腦病發生的標志，但此時腦組織及功能往往已經發生較明顯改變[2]，形成了不可逆的腦結構和功能損傷，預后往往不好。因此，早期發現與診斷，及時恰當的臨床干預是改善患者生活質量和保障良好預后的關鍵[3]。然而，DE主要依靠臨床醫生根據臨床表現作出主觀判斷，缺乏客觀的診斷依據，因此在疾病早期難以作出準確診斷。以擴散張量成像(diffusion tensor imaging,DTI)為代表的MRI新技術為探討T2DM患者早期腦結構功能改變提供了可能。本文試圖通過DTI技術探究T2DM患者腦白質結構網絡拓撲結構的改變，探討糖尿病腦病的發生發展機制，為預測糖尿病腦病的發生和發展提供一些客觀依據。

材料與方法

1.研究對象

選取2017年9月-2018年9月就診于本院內分泌科的門診及住院患者，具有完整臨床資料、病程為5～20年的T2DM患者50例，選取年齡、性別、教育年限等條件相匹配的健康對照組(Healthy Controls,HCs)志愿者35例，搜集必要的臨床資料。T2DM診斷標準參照美國糖尿病協會2013年制定的糖尿病診斷和分類標準[4]。

病例排除標準：①頭部常規T2WI發現病變(如外傷、腦梗、腫瘤等)明顯小血管病變(如腔隙性梗死灶)者；②患有及曾經患有癲癇等神經精神性疾病者；③有磁共振檢查禁忌(如體內磁性金屬植入物、幽閉恐懼癥等)者；④頭顱MRI圖像偽影嚴重，影響后續腦白質網絡后處理分析者。

最終篩選出圖像質量較好，病程為5～20年的30例2型糖尿病患者，其中男21例，女9例，年齡(52.4±5.5)歲，教育年限(10.30±3.5)年)，病程5～10年(不含)11例，10～15年(不含)11例，15～20年(含)8例。同時選取相匹配的25例正常志愿者作為健康對照(HCs)組，其中男14例，女11例，年齡(50.0±6.0)歲，教育年限(10.96±4.0)年(表1)。所有受試者均為右利手，沒有嚴重或急性疾病治療的醫療記錄。本研究已獲得昆明醫科大學倫理委員會批準，所有參與者均對參與的研究知情并簽署知情同意書。

2.檢查方法

所有被試者均在3.0T磁共振下進行頭顱掃描，采用16通道頭部線圈，掃描時囑被試者閉眼，盡量保持靜息不思考狀態。軸位掃描線平行于前后聯合連線。掃描序列及參數如下：①高分辨率Ax FSPGR BRAVO(3D T1)序列，TR 8.7 ms,TE 3.2 ms,矩陣256×256,視野256 mm×256 mm,激勵次數1.0,層厚1.0 mm,層間距0 mm,翻轉角12°, 156層,掃描時間4 min 23 s；②DTI序列，TR 9359 ms,TE 78 ms,矩陣115×115,視野240 mm×240 mm,激勵次數1.0,層厚2.5 mm,層間距0 mm,b值=0、1000 s/mm2,擴散方向64,60層,掃描時間13 min 55 s；③軸面T2WI(用來排除腦實質內有病變的參與者)，TR 4255 ms,TE 120 ms,矩陣225×225,視野240 mm×240 mm,激勵次數1.5,層厚6 mm,層間距2 mm，翻轉角15°，16層,掃描時間55 s。

3.腦結構網絡的分析方法

在本研究中，腦結構網絡的構建使用PANDA軟件(version 1.3.1)進行處理[5](http://www.nitrc.org/projects/panda/)。該軟件主要由Diffusion Toolkit[6]、FMRIB軟件庫[7]、MRIcron[8]、MATLAB的流程系統(PSOM)[9]幾部分構成。

DTI圖像預處理。①數據轉換：使用MRIcron軟件的dcm2nii工具包將DICOM文件轉化為NIFTI文件；②去除頭皮：使用PANDA軟件將頭皮等非腦組織去除；③糾正偽影：使用PANDA軟件仿射變換來糾正渦流引起的扭曲和簡單頭部運動產生的偽影。

網絡節點(Node)的定義：本研究采用加拿大蒙特利爾神經研究所(Montreal Neurological Institute，MNI)的解剖學自動標記(anatomical automatic labeling，AAL)模板[10]將預處理后的大腦皮層和皮質下灰質結構自動分割為90個區域，并把每個腦區定義為一個節點(Node)。

網絡的邊(Edge)的定義：在構建大腦結構網絡時，網絡的邊(Edge)的選取也至關重要。網絡的邊即大腦區域的成對網絡連接，其依賴不同模態的成像技術。本研究主要是通過確定性追蹤算法得到各腦區間的白質纖維束，根據局部擴散張量方向等相關信息追蹤下一體素的確定方向，直到滿足終止條件(FA<0.2)。利用任意兩個腦區間的白質纖維束的纖維束數量(fiber number，FN)作為各節點間的結構連接，從而得到腦結構網絡的邊(Edge)。

圖1 本研究被試者DTI數據處理方法及步驟示意圖。

腦結構網絡屬性參數分析：腦結構網絡的構建需要依靠擴散張量成像的白質纖維追蹤技術，本研究主要采用基于張量域纖維追蹤算法(如Streamlines Tractography)來進行纖維束的追蹤[11-13]。采用Diffusion Toolkit軟件庫(http://trackvis.org/dtk/)中的dti_recon和dti_tracker命令[14]，以大腦白質內每個定義的腦區/網絡節點區域中所有體素作為種子點，同時采用纖維束連續跟蹤算法(fiber assignmentby continuous tracking，FACT)來對全腦白質纖維束的走行進行追蹤[15]。根據既往研究及經驗，將起始點的FA值范圍設定為0.2～1.0，并將纖維束追蹤的夾角限制在45°[16]。

利用上述追蹤方法獲得腦白質纖維束后，再采用PANDA軟件計算出以90個腦區為節點(Node)，節點間纖維束數量(FN)為邊(Edge)所構成的(90×90)矩陣。

腦結構網絡屬性參數：構建完腦結構網絡以后，再使用Matlab 2013b平臺下的Gretna軟件包(http://www.nitrc.org/projects/gretna/)對腦結構網絡進行圖論分析。同時，結合既往研究，將網絡稀疏度(sparsity)的閾值(Sthr)設定為0.05

通過圖論分析，計算腦結構網絡的“小世界”網絡屬性(σ)、全局網絡屬性[全局效率(global efficiency，Eglob)、局部效率(local efficiency，Eloc)]及局部網絡屬性[節點效率(nodal efficiency，Enodal)]，數據處理方法及步驟見圖1。

4.腦結構網絡特性參數

全局網絡特性參數：“小世界”網絡屬性(σ)：在大腦中，小世界網絡代表大腦“整合”與“分離”功能的能力，即信息的加工和處理能力。如果其參數值σ>1 ，說明網絡具有小世界網絡屬性，并且σ值越大，其小世界網絡屬性越強[18]。其計算公式如下：

(1)

其中，C表示聚類系數，L表示特殊路徑長度，無下標的代表真實網絡，帶“r”下標的代表隨機網絡。

全局效率(Eg)：表示所有節點的全局效率的平均值，用來衡量網絡全局的信息傳輸能力，反映了網絡中某一節點的信息到達另一節點最短路徑長度的平均值。網絡全局效率越高，則整個網絡范圍內節點間的信息傳遞的速率就越快。其計算公式如下[19]：

(2)

其中dij代表網絡中某一節點i到另一節點j的最短路徑長度，N代表網絡中節點數目，N(N-1)/2為節點在網絡中的最大連接邊數。

局部效率(Eloc):表示所有節點的局部效率的平均值，用來衡量網絡局部的信息傳輸能力，同理，網絡局部效率越高，則局部網絡范圍內信息傳遞的速率就越快。其計算公式如下[20]：

(3)

其中NGi是子圖G中的節點數，Lj,k代表網絡中某一節點j到另一節點k的最短路徑長度。

局部網絡特性指標:節點的局部效率(Enodal)：用來衡量網絡的集團化程度，是某一節點與其他節點之間距離倒數之和的平均值，節點的效率越高則該節點的信息傳輸能力就越強，其在網絡中的地位也越重要[19]，則該節點的局部效率越高[21]。計算公式如下[20]：

(4)

其中Lij代表網絡中某一節點i到另一節點j的最短路徑長度；N代表網絡中節點數目。

5.統計學分析

腦結構網絡屬性參數的統計分析:首先觀察T2DM患者組及對照組是否存在“小世界”網絡屬性(σ>1)，然后采用Gretna軟件分別比較T2DM患者組與對照組之間全局及局部的網絡屬性值之間差異是否存在統計學意義(取P<0.05，FDR校正)，這些屬性值包括Eg、Eloc及Enodal，并以相關臨床資料[包括病程、體重指數(body mass index，BMI)、空腹血糖(fasting plasma glucose，FPG)、糖化血紅蛋白(HBA1c)、總膽固醇(total cholesterol，TC)、甘油三酯(triglyceride，TG)]作為協變量，計算各網絡屬性參數與上述臨床指標之間是否存在相關性。

網絡連接(Egde)的統計：采用基于網絡的統計分析軟件(The network-based statistic,NBS)(http://www.nitrc.org/projects/nbs)來分析T2DM患者組與健康對照組之間大腦腦區之間的網絡連接差異是否存在統計學意義。采用獨立雙樣本t檢驗對被試者每個網絡連接(Edge)進行分別計算。計算時，為了評估被試者每個子網絡是否存在統計學差異，采用非參數置換檢驗(5000次置換)，選取P<0.05，并采用FWE矯正。網絡連接的復合屬性的統計結果均采用BrainNet Viewer軟件(http://www.nitrc.org /projects/bnv)來顯示。

結 果

1.受試者一般情況和臨床信息

兩組被試者臨床數據信息均使用SPSS 22.0軟件進行分析，性別差異的組間比較進行皮爾森卡方檢驗；年齡、教育年限的組間比較則采用雙樣本獨立t檢驗。兩組被試者的年齡(P=0.141)、性別(P=0.283)及教育年限(P=0.528)差異均無統計學意義(表1)。

表1 T2DM患者組與健康對照組的臨床資料比較

注：對連續性變量采用非成組t檢驗進行統計，對性別差異則采用皮爾森卡方檢驗；*為χ2值。

2.T2DM患者網絡屬性的改變

T2DM患者組及健康對照(HCs)組均表現出“小世界”網絡屬性(σ)，其中T2DM組σ=1.80±0.32， HCs組σ=1.61±0.19。統計學分析結果顯示，兩組被試者在“小世界”網絡屬性(σ，FDR校正，t=2.507，P<0.05)、全局網絡效率(Eg，t=-2.846，P<0.05)及局部網絡效率(Eloc，t=-2.246，P<0.05)上均表現不同，差異具有統計學意義，且在稀疏度為0.05～0.10的范圍內時，小世界屬性σ值隨稀疏度的增加而減小(圖2)。

3.T2DM患者網絡連接(邊)的改變

NBS軟件分析結果顯示，與健康對照(HCs)組相比，T2DM患者組存在著網絡復合屬性顯著降低的子網絡，主要由九條邊(Edge)和十一個節點(Node)組成(t=-3.41～-2.23，P<0.05，NBS校正)。這個子網絡主要包括雙側額上回前部(ORBsup.L、ORBsup.R)、雙側背外側額上回(SFGdor.L、SFGdor.R)、左內側額上回(SFGMed.L)、右側中扣帶和扣帶旁回(DCG.R)、左側額中回(MFG.L)、左側嗅皮質(OLF.L)、左側尾狀核(CAU.L)、左側腦島(INS.L)、左側中央前回(PreCG.L)(圖3)。

4.T2DM患者異常腦結構網絡連接(邊)的相關指標改變與臨床相關指標的相關性分析

本研究將T2DM患者組的異常腦結構網絡連接的全局和局部網絡相關特征性指標與臨床相關指標(包括病程、BMI、FPG、HBA1c、TC、TG)進行了相關性分析；結果顯示，在進行FDR校正并去除年齡、性別等因素后，左側額中回(MFG.L)的局部效率Eloc值與糖化血紅蛋白(HBA1c)值呈負相關(r=-0.433,P=0.017，圖4)。

討 論

1.T2DM患者小世界屬性的改變

本研究探討了T2DM患者腦功能連接網絡的拓撲結構，結果顯示T2DM患者組與健康對照組(HCs)之間腦結構網絡均具有小世界屬性，但T2DM組的小世界屬性值σ較HCs組升高，差異有統計學意義；且在稀疏度為0.05～010(0.01步長)的范圍內時，σ值隨稀疏度值的增加而減小。

人腦結構網絡中，小世界屬性反映的是大腦功能的分離與整合的能力，且其參數σ值越大，代表其上述兩種能力越強，越能說明大腦功能分離與整合功能之間的平衡。按照這個理論，本研究中T2DM患者組σ值的增大，表明T2DM患者大腦兩種屬性(分離與整合)的平衡性增強，這種提法有待商榷，因為T2DM造成的是腦結構網絡的破壞，應該是打破了兩種屬性的平衡，造成σ值降低。既往有學者解釋出現這一現象的原因可能是納入研究的患者大腦功能連接處于代償階段，造成了大腦分離與整合的平衡性暫時性增強[22]；但本研究中的其他指標(Eg和Eloc)反映了T2DM患者大腦的連接功能較HCs是降低的，這無法用代償來解釋。因此，至于T2DM患者小世界屬性σ值到底是增加還是減小以及其變化代表的意義，需要更大樣本量及更多研究來探究。

對于其他全局網絡特征性指標，如Eg和Eloc ，T2DM組較HCs組也有不同程度的減低，說明了T2DM組腦結構網絡的全局及局部傳遞效率受到影響，顯示出較HCs組的明顯下降，這可能與T2DM患者糖尿病腦病形成的神經病理機制有關。

圖2 T2DM患者組與健康對照(HCs)組之間全局網絡特性指標的改變。T2DM組與HCs組在“小世界”網絡屬性、全局網絡效率(Eg)、局部網絡效率(Eloc)值及曲線下面積(AUC)均表現出不同，差異均具有統計學意義。a)“小世界”網絡屬性；b)全局網絡效率(Eg)；c)局部網絡效率(Eloc)。

2.T2DM患者網絡連接的改變

本研究發現，T2DM組在左側嗅皮質(OLF.L)區域的腦網絡結構連接較HCs組減低，差異具有統計學意義。嗅皮質位于海馬區，該區域對于記憶特別是短時記憶的形成至關重要，海馬是大腦功能網絡連接主要的中轉站，與多個腦區存在結構連接和功能連接[23-25]。相關病理學研究證實，內嗅皮質是阿爾茲海默病(Alzheimer disease,AD)最先累及的腦區。同時，Van Bussel等[23]研究指出，海馬與其他腦區(如額葉、顳葉)腦網絡連接的減低，導致了T2DM患者認知和記憶功能的降低，而非海馬自身微結構損害造成的。海馬與顳葉腦結構網絡的降低，導致T2DM患者記憶力的下降和損害。本研究發現海馬區腦結構網絡連接的降低，驗證和提示了上述結論。由此可見，T2DM引起的記憶方面的損害，可能是海馬區本身大腦微結構網絡的損害與其他記憶相關腦區(如顳葉)網絡連接降低共同造成的，后者可能為主要因素。

本研究還發現T2DM患者在包括雙側額上回眶部(ORBsup.L，ORBsup.R)、雙側背外側額上回(SFGdor.L，SFGdor.R)、左側內側額上回(SFGMed.L)、左側額中回(MFG.L)、左側中央前回(PreCG.L)等額葉腦結構網絡連接均存在連接度的明顯減低和異常。上文已提及，海馬與多個腦區存在結構連接和功能連接，其中與額葉的功能連接，與人體認知功能相關[26]。額葉的主要功能是控制隨意運動、語言、情感和智能，并與內臟活動和共濟運動有關，并參與注意力對感覺信息處理相關神經活動的調控[27]，上述發生改變的區域主要集中在額葉前部，這一區域主要與人的精神、情感、人格行為及智能障礙有關，文獻報道糖尿病患者的認知功能損害是糖尿病在中樞神經系統的常見并發癥[28]，先前研究發現早期額葉輕度腦白質病變與多項認知功能損傷相關，包括整體認知功能、執行功能和情景記憶功能等[29]。本研究結果顯示T2DM患者海馬區及額葉腦結構網絡連接度均較Hcs組發生了改變，提示T2DM對大腦結構網絡連接造成了損害，且這種損害可能與患者認知功能障礙相關，其機制可能與海馬同額葉這一影響認知功能的主要腦區之間的功能連接降低有關。先前的動物及人腦MRI研究發現額葉皮層與包括下丘腦、杏仁核、腦干等在內的多個腦區之間存在功能連接[30-32]，而額葉腦結構網絡的損害，會影響其與上述腦區的功能連接，從而間接影響下丘腦等腦區在能量平衡控制中的作用，減弱下丘腦對攝食行為的調節，造成T2DM患者飲食控制不佳，從而引起血糖紊亂。由此，筆者推測T2DM不僅會造成額葉腦結構網絡的直接損害，導致與其相關的認知功能及精神癥狀的損害和出現，還影響額葉與其他腦區的功能連接，從而引起一系列其他問題，如血糖紊亂、記憶力損害等。

圖3 與HCs組相比，T2DM患者組表現出網絡復合屬性降低(P<0.05)的子網絡。其中紅色圓球代表網絡節點，為各個腦區，綠色連線代表網絡連接(邊)。ORBsup.L=左側額上回眶部；ORBsup.R=右側額上回眶部；SFGdor.L=左側背外側額上回；SFGdor.R=右側背外側額上回；SFGMed.L=左側內側額上回；DCG.R=右側中扣帶和扣帶旁回；MFG.L=左側額中回；OLF.L=左側嗅皮質；CAU.L=左側尾狀核；INS.L=左側腦島；PreCG.L=左側中央前回。

值得指出的是，上述腦結構網絡改變的區域，大多屬于皮層獎賞結構，包括額葉眶回、嗅皮質、腦島及海馬旁回[33]，相關研究發現T2DM患者雙側皮層獎賞系統的體積較正常對照組下降，尤以左側島葉存在統計學差異，并提出T2DM皮層結構獎賞系統結構的變化影響了患者的飲食行為，從而引起體內血糖代謝及調節的紊亂[34]。由此可見，上述腦結構網絡發生改變的腦區，除了自身結構網絡改變對大腦造成損傷外，還可能由于彼此間腦結構網絡功能和結構連接的減低，共同導致了T2DM患者記憶力減退、情感精神障礙、血糖代謝及調節異常等病理過程，造成T2DM患者多系統的損害。

3.T2DM患者異常腦結構網絡連接(邊)的相關指標改變與臨床相關指標的相關性分析

本研究將T2DM患者異常腦結構網絡連接(邊)的相關指標與臨床相關指標的相關性進行了分析，結果顯示左側額中回(MFG.L)的全局屬性Eloc值與血清糖化血紅蛋白(HBA1c)值呈負相關。

左側額中回負責信息的整合及認知資源的配置，可被看作控制腦區[26]，蘇艷華[35]借助fMRI及事件相關電位(event-related potential，ERP)技術進行研究，結果提示限制性飲食者在面對美食誘惑時,左側額中回抑制和控制能力減弱是導致過度進食現象的原因。本研究結果顯示T2DM患者左側額中回腦結構網絡損害的Eloc值降低，且與HBA1c值呈負相關，提示左側額中回腦結構網絡的損害可能造成了T2DM患者攝食行為控制能力的減弱，引起血糖控制不佳，影響體內糖代謝的平衡。此外有學者認為額葉皮層與下丘腦區的功能連接參與體內能量的平衡及攝食行為的調節，額葉腦結構的損害，破壞了上述功能連接，從而影響了血糖的平衡[36]。由此可見，T2DM患者血糖代謝的紊亂，可能與額葉本身(如左側額中回)損害及額葉與其他腦區間的功能連接減弱(如下丘腦)兩方面因素有關，這也進一步證實了前述結論。

圖4 T2DM患者左側額中回(MFG.L)Eloc值與糖化血紅蛋白(HBA1c)值之間呈負相關(r=-0.433,P=0.017)。

4.本研究的局限性

本研究是初步研究，存在以下局限性：①本研究未進行認知功能、記憶功能方面的評估，因此對于T2DM對腦結構網絡的破壞與認知功能、記憶功能損害之間的相關性無法評估，導致研究結果較局限；②本研究T2DM組患者病程跨度較大，對腦結構網絡的損害范圍和程度不同，可能對結果產生一定影響；③本研究僅涉及大腦，既往研究指出T2DM患者在中腦及小腦也存在腦網絡結構的改變，可見中腦及小腦也是一個研究方向。未來的研究中，我們需要加入被試者認知及記憶等相關方面的評估，縮小被試者病程跨度，或按病程進行分組，進行組間對比分析，同時，可以研究中腦及小腦結構網絡的改變，進一步闡釋和豐富T2DM患者腦結構網絡改變的特征性。

綜上所述，本研究通過基于腦結構網絡的統計分析(NBS)和圖論分析相結合的方法，發現T2DM患者在小世界屬性及多個腦區白質網絡結構較正常對照組發生了改變，這些改變影響了大腦網絡處理信息的能力及效率。此外，某些腦區(左側額中回)腦網絡結構的損害還可能與T2DM患者血糖代謝紊亂有關。