輕型缺血性卒中后認知障礙與腦動態功能連接狀態改變的功能磁共振成像研究

肖瑞珠，左麗君，周怡君，陳姚靜，劉艷亭，劉濤

卒中后認知功能障礙的患者比例高達59%[1-2]，盡早對卒中患者的認知功能障礙進行預測和評價，是卒中后認知功能障礙干預的關鍵[3]。靜息態功能磁共振成像（resting statefunctional magnetic resonance imaging，rsfMRI）可通過計算不同腦區間血氧水平依賴信號（blood oxygen level dependent，BOLD）的相關性，構建特定的功能連接（functional connectivity，FC）網絡來研究大腦的功能異常[4-8]。FC網絡的相關研究多假設FC在靜息掃描過程中是保持恒定的，但實際上FC也會隨著時間波動[9]，而基于rs-fMRI的動態功能網絡連接（dynamic functional network connectivity，dFNC）是一種可用于研究大腦短期內FC動態變化的新方法[10-11]。近年來，已有研究通過dFNC方法在一些精神類疾病中觀察到FC狀態的明顯變化[12-15]，但卒中后認知功能與大腦動態FC狀態之間的關系尚不清楚。本研究以卒中后有認知障礙（cognitive impairment，CI）患者與卒中后無認知障礙（no cognitive impairment，NCI）患者為研究對象，利用dFNC方法探索CI、NCI的缺血性卒中患者與健康人之間動態FC狀態的差異，并在基線與3個月隨訪期探索CI與NCI患者動態FC狀態的變化。

1 對象與方法

1.1 研究對象 2014年12月1日-2016年5月31日，首都醫科大學附屬北京天壇醫院神經病學中心連續招募年齡在35～65歲的首次輕型急性缺血性卒中（NIHSS≤3分）患者進行前瞻性研究。受試者均接受標準基線評估，包括完整的人口社會學調查、血管危險因素評估、神經心理學評估和多模態MRI檢查。

納入標準：①年齡35～65歲；②患者的病變位于前循環皮質下（基底節、丘腦、放射冠、腦室周圍白質或內囊）；③NIHSS≤3分；④發病時間為7 d內的急性卒中；⑤無既往卒中或TIA病史；⑥急性缺血性卒中根據世界衛生組織標準進行診斷[16]，并經頭顱CT或MRI證實；⑦患者有一位知情者，在患者被招募前至少5年內每周均與患者見面。

排除標準：①有癲癇發作、偏頭痛病史；②非皮質下卒中；③文盲（小學以下文化程度）；④存在無法配合神經心理學測試的身體或精神狀況；⑤漢密爾頓抑郁量表（Hamilton depression scale，HAMD）評分≥17分[17]；⑥老年人認知功能減退知情者問卷（informant questionnaire on cognitive decline in the elderly，IQCODE）評分＞3.38分[18]；⑦有癡呆病史，或發病前已存在認知功能障礙；⑧頭顱MRI掃描頭動＞3 mm或3 °。

為與卒中患者的認知功能進行對比，本研究還招募了志愿者作為健康對照（healthy control，HC），所有HC均接受神經心理學評估和頭顱MRI檢查。納入標準為年齡、性別與卒中組相匹配，無精神障礙病史，且頭顱MRI顯示無明顯腔隙性梗死。

本研究由首都醫科大學附屬北京天壇醫院倫理審查委員會批準（審查編號：KY2015-001-01），受試者均簽署知情同意書。

1.2 神經心理學評估及分組 所有急性缺血性卒中患者在發病后10 d（基線）和3個月（隨訪期）由神經內科醫師進行神經心理學評估。NIHSS評估卒中的嚴重程度、HAMD評估抑郁程度、基礎性日常生活活動（basic activities of daily living，BADL）量表和工具性日常生活活動（instrumental activities of daily living，IADL）量表分別評估基本日常功能和復雜日常功能。此外，所有患者還接受全認知域神經心理學測試，包括：①總體認知，采用MoCA進行評估；②記憶功能，采用聽覺詞語學習測驗（auditory verbal learning test，AVLT）進行評估；③視覺延遲記憶，采用Rey-Osterrieth復雜圖形測驗（Rey-Osterrieth complex figure test，ROCFT）進行評估；④視覺運動速度，采用符號數字模式測驗（symbol digit modality test，SDMT）進行評估；⑤語言功能，采用波士頓命名測驗（Boston naming test，BNT）、動物流暢性測驗（animal fluency test，AFT）進行評估；⑥注意和執行功能，采用數字連線測驗A/B（trail making test-A/B，TMT-A/B）進行評估。

根據MoCA評分將患者分成CI組（MoCA≤22分）和NCI組（MoCA≥23分）[1]。

1.3 影像學數據采集 受試者在首次卒中10 d內（基線）和3個月后（隨訪期）均采用西門子3.0T Prisma MRI掃描儀進行數據采集。使用單次激發平面回波成像（single shot echo planar imaging，single-shot EPI）獲取rs-fMRI圖像，主要掃描參數為：重復時間（repetition time，TR）2500 ms，回波時間（echo time，TE）30 ms，翻轉角度90 °，體素大小2.86 mm×2.86 mm×3 mm，圖像矩陣70×70×43。另外，采集高分辨T1WI圖像，主要參數為：TR 2300 ms，TE 2.3 ms，翻轉角度8 °，體素大小0.94 mm×0.94 mm×1 mm，圖像矩陣256×256×192。

1.4 數據處理與分析

1.4.1 數據預處理 基于MATLAB 2018a，使用DPABI工具包（http：//rfmri.org/DPABI）對頭顱MRI數據進行預處理，主要步驟：①去除前10個時間點，保留穩定的信號；②時間層矯正與頭動矯正；③使用EPI模板將所有圖像配準到蒙特利爾神經病學研究所（Montreal Neurological Institute，MNI）標準腦空間；④對圖像進行平滑，平滑參數為全寬半高（full-width of half-maximum，FWHM）值=8 mm；⑤去線性漂移；⑥對腦脊液和腦白質信號進行回歸；⑦濾波去噪，帶寬為0.01～0.1 Hz。

1.4.2 獨立成分分析與腦網絡劃分 通過獨立成分分析（independent component analysis，ICA）方法劃分腦區?；贛ATLAB 2018a，使用GIFT（https：//trendscenter.org/software/gift/）工具箱中的infomax算法進行組水平ICA，并設定獨立成分（independent component，IC）為100。使用icasso算法確保所估計IC的穩定性，然后根據既往文獻[19]的IC挑選方法選出24個有意義的IC，并通過Allen等[10]的IC分區模板劃分成7個腦網絡：執行控制網絡（executive control network，EC）、聽覺網絡（auditory network，AUD）、視覺網絡（visual network，VIS）、默認網絡（default-mode network，DMN）、感覺運動網絡（sensorimotor network，SM）、小腦（cerebellum，CB）和皮層下網絡（subcortical network，SC）（圖1）。

圖1 各網絡獨立成分的空間位置示意圖

1.4.3 dFNC與動態FC狀態劃分 設定時間窗=20TR、步長=1TR，對各IC進行滑窗操作，計算每個窗口中所有BOLD信號兩兩之間的Pearson相關系數，構建一系列動態FC矩陣，各組樣本均執行以上操作。然后結合各組所有樣本的動態FC矩陣進行聚類，劃分為多個具有代表性的動態FC狀態（圖2）。根據以上步驟，動態功能網絡最終聚類成4個代表性FC網絡狀態：①模塊化連接狀態，表現為AUD、SM、VIS之間具有明顯模塊化特征的強連接；②強連接狀態，表現為整個大腦每個網絡內及網絡間均存在較強的正連接；③局部連接狀態，表現為各網絡之間存在局部性連接；④稀疏連接狀態，表現為每個網絡內和網絡間都僅存在少量弱連接（圖3）。

圖2 動態功能連接網絡構建過程示意圖

圖3 動態功能連接網絡狀態

1.4.4 動態特征的計算 根據劃分的動態FC狀態，在各組中分別計算以下動態特征：①時間比例（fraction time），表示每個狀態占總時間的百分比；②駐留時間（dwell time），表示每個狀態的平均持續停留時間；③轉換次數（transition），表示每個狀態之間相互轉換的總次數。

1.5 統計學方法 采用SPSS 26.0軟件包進行一般臨床資料和dFNC動態特征的統計分析。連續變量進行正態性檢驗，符合正態分布的用表示，兩組間比較采用獨立樣本t檢驗，多組間比較采用單因素方差分析；不符合正態分布的用M（P25～P75）表示，兩組間比較采用Mann-WhitneyU檢驗，多組間比較采用Kruskal-Wallis檢驗。分類變量以頻數（%）表示，兩組間或多組間比較采用χ2檢驗。同組兩個時間點之間的比較采用配對樣本t檢驗（正態分布）或Wilcoxon符號秩檢驗（非正態分布）。以P＜0.05為差異有統計學意義。多重比較均對P值進行Bonferroni校正（其中分類變量三組間的事后兩兩比較，P值調整為0.05/3=0.017，即P＜0.017為差異有統計學意義）。

2 結果

2.1 基線資料與兩個時間點認知功能比較 本研究共納入CI組15例，NCI組11例，HC組29例。對于人口社會學信息，與NCI組相比，CI組的受教育年限更少；與HC組和NCI組相比，CI組的IADL評分更高，差異有統計學意義（均P＜0.05）。對于血管危險因素，與HC組相比，CI組與NCI組吸煙、飲酒、高血壓、脂代謝紊亂者比例更高，CI組的糖尿病患者比例更高，差異有統計學意義（均P＜0.017）。在認知方面，與HC組比較，CI組MoCA、AVLT、ROCFT、SDMT、BNT、AFT評分均更低，TMT-A/B的反應時長更長，而NCI組只有AVLT和SDMT評分更低，差異有統計學意義（均P＜0.05）；與NCI組比較，CI組MoCA、ROCFT、AFT評分均更低，TMT-A的反應時長更長，差異有統計學意義（表1）。

表1 三組人口社會學、血管危險因素、認知功能比較

在基線和隨訪期兩個時間點之間，CI組隨訪期只有ROCFT評分較基線明顯升高（P=0.023），其他認知功能項目評分或反應時長比較差異均無統計學意義（表2）。

表2 卒中后有認知障礙組患者基線與隨訪期認知功能比較

2.2 dFNC動態特征比較 HC組、CI組和NCI組在基線和隨訪期各連接狀態的時間比例差異均無統計學意義。在基線，HC組、CI組和NCI組僅在稀疏連接狀態的駐留時間差異有統計學意義（P=0.035），經過Bonferroni校正后，兩兩間的駐留時間差異均無統計學意義；在隨訪期，各連接狀態的駐留時間差異均無統計學意義?？v向比較中，與基線相比，CI組隨訪期在模塊化連接狀態的時間比例明顯下降（P=0.035），在稀疏連接狀態的時間比例明顯上升（P=0.025），在模塊化連接狀態的駐留時間明顯減少（P=0.012）；NCI組隨訪期各連接狀態的時間比例和駐留時間差異均無統計學意義。對于轉換次數，所有組間的差異均無統計學意義（表3）。

表3 各功能連接狀態動態特征比較

3 討論

本研究通過基于rs-fMRI構建dFNC的方法為CI與NCI患者的大腦功能變化提供了一種新的測量手段，以動態的角度更深入地了解卒中后認知功能恢復過程中潛在的腦網絡連接機制，為卒中后認知功能障礙相關的研究提供新的認識。

本研究發現，雖然HC組、CI組和NCI組在基線和隨訪期各連接狀態的時間比例差異均未達統計學意義，但與HC組相比，CI組基線和NCI組基線在局部連接狀態的時間比例存在上升趨勢、在稀疏連接狀態的時間比例存在下降趨勢，而CI組隨訪期和NCI組隨訪期在這兩個狀態中則存在向HC組恢復的趨勢。局部連接狀態的特點是各腦區之間都有可能出現小部分的強連接。在基線，即卒中急性期，這種局部腦區FC增加的現象可能是一種功能代償[20]，這種機制可讓大腦更靈活地調用其他腦區來對部分缺失的大腦功能進行替補，從而加強卒中患者大腦功能的調控。這種代償機制并不少見，如在卒中患者運動功能的相關研究中，有研究表明在卒中兩周內初級運動皮層、聽覺皮層和視覺皮層與其他腦區間的連接會更為頻繁[21]；一項專門針對急性卒中患者運動執行網絡的研究發現，初級運動皮層與其他腦區FC的動態變化明顯增多[22]。這些研究均發現卒中梗死區附近通常會和其他遠處的腦區構成新的FC[23]，以補償部分受損腦區的缺失功能。同時隨著大腦功能的恢復，FC將逐漸恢復正常[24]。本研究的結果進一步支持了這種代償現象的解釋，說明卒中患者無論有無認知障礙，急性期時只要大腦出現了組織損傷，可能都會出現一定程度的功能代償以保持大腦基本功能的穩定；同時在隨訪期，大腦功能逐漸恢復，這種功能代償逐漸減弱，因此其大腦FC狀態也逐漸往正常狀態恢復。

從基線到隨訪期，只有CI組在模塊化連接狀態的時間比例與駐留時間明顯降低，同時在稀疏連接狀態的時間比例明顯增加。這可能說明模塊化連接狀態的變化與認知功能的變化存在一定聯系。模塊化連接狀態最明顯的特征為AUD、SM和VIS網絡之間的FC增強，CI患者基線模塊化連接狀態的增多可能同樣是一種代償，但與前面局部連接狀態的增多不同，這更可能是一種認知功能的代償。從所有認知量表的評價結果可知CI患者基線的總體認知、視覺、語言等功能都有明顯的缺陷，可能是基底節損傷破壞了皮層下組織與額葉腦區等認知相關腦區的信息交流而導致的[25]，為了彌補部分認知功能的嚴重缺陷，AUD、SM和VIS腦區的FC增加，以維持部分語言、感覺、視覺等功能。在有運動障礙的卒中患者中，代償機制是運動功能動態恢復的標志[24]，因此推測，在CI患者中，這種代償機制的出現可能同樣意味著認知功能有逐漸恢復的趨勢。近年來，已有研究表明有語言障礙的卒中患者存在大腦半球內FC增加以恢復語言功能的代償現象[26]，也有研究通過動態因果模型分析方法發現CI患者的神經元模型中出現了額外的連接路徑[27]，還有研究通過基于種子點的FC發現CI患者梗死周圍相關腦區的FC顯著增加，提示損傷和代償共存[28]。另外，還有研究提示認知功能網絡的FC在認知功能受損的初期會先增加，然后逐漸減少，最終隨著認知功能的恢復達到正常水平[24]。本研究結果顯示CI患者模塊化連接狀態的變化趨勢與此相一致，說明CI患者在隨訪期時，認知功能可能已逐漸出現好轉，但從主觀的量表評分中卻沒有太多明顯的變化，僅能觀察到視覺延遲記憶功能的改善，意味著在主觀量表評分出現明顯變化之前，大腦的動態FC狀態已出現了顯著改變，因此dFNC或許能夠為卒中患者認知功能的恢復效果提供一種新的客觀評價手段。

本研究的優點是采用了新的dFNC方法來探索卒中后認知功能障礙與動態FC狀態之間的關系，并且進行了縱向研究。局限性是本研究的樣本量較少，個體差異較大，因此在進行組間比較時可能因為方差較大導致有些趨勢顯然存在但卻并不顯著。但在小樣本的研究中，在P＞0.05的統計水平并不意味著差異一定不存在統計學意義，相反地，如果直接忽略這些結果很可能會錯過重要信息，因此小樣本的均值趨勢結果同樣應引起關注[29]。

本研究通過dFNC方法發現CI和NCI患者的動態FC狀態均發生改變，這些改變可能意味著受損大腦的一種代償和恢復的過程。尤其在卒中患者認知功能的評價上，動態FC狀態的改變可能比主觀的量表評分能夠更早地發現認知功能的恢復，從而為卒中患者認知功能的預測與評價提供更為客觀的影像學依據。

【點睛】動態功能網絡能更早、更客觀地反映卒中患者認知功能的改變，未來將可能成為一種卒中患者認知功能的新的臨床輔助診斷工具。