結構網絡拓撲屬性改變對早期帕金森病伴輕度認知障礙的預測價值

趙曉巖，張維，鐘維佳，郭大靜，李傳明，周百萬，吳小佳

作者單位：重慶醫科大學附屬第二醫院放射科，重慶400010

輕度認知障礙(mild cognitive impairment，MCI)是帕金森病(Parkinson′s disease，PD)的主要非運動癥狀之一[1]。約42%的PD 患者在疾病早期伴有輕度認知障礙(PD patients with MCI，PD-MCI)[2]，并且約39%的PD-MCI 患者在5 年內會進展為癡呆[3]，從而嚴重降低患者生活質量并增加殘疾及死亡率。因此，進一步研究PD-MCI 發生、發展的神經病理機制，對其早診斷、早干預具有重要的臨床意義。

既往腦結構磁共振成像研究發現PD患者額顳葉的灰質萎縮和白質完整性改變與認知能力下降有關[4-6]。然而，上述研究僅局限于局部腦區結構的異常，人類的認知功能是依賴各腦區之間的相互作用形成一個復雜而龐大的網絡共同完成的，并可以利用圖論原理進行分析。目前僅有少數文獻報道過PD-MCI 網絡拓撲結構的橫向改變[7-9]，然而對于短期內由認知正常進展為MCI 的PD 患者其腦白質網絡的縱向改變仍然缺乏相關研究。因此，本研究利用圖論原理對彌散張量成像(diffusion tensor imaging，DTI)數據進行分析，通過研究短期內發展為PD-MCI患者腦白質結構網絡的縱向改變，以期尋找早期認知正常的PD 患者向PD-MCI 轉化的影像學標志物，從而建立預測模型對疾病的早期診斷及干預治療提供幫助。

1 資料和方法

1.1 一般資料

本研究所用被試者均來自Parkinson′s Progression Markers Initiative (PPMI)數據庫(http://www.ppmi-info.org)。根據PPMI 協議，每個站點均獨立獲得倫理審查委員會的批準，且所有被試均簽署知情同意書。

本研究共納入83 例在該數據庫基線時(2011～2013 年)認知能力正常的PD 患者，且均完成4 年后的影像學及完整的認知功能的評估隨訪，具體流程如圖1所示。基線時PD患者納入標準：(1)靜止性震顫、運動遲緩、肌強直，或不對稱的靜止性震顫或運動遲緩具有兩種及以上；(2) PD診斷少于2年且沒有接受藥物或手術治療；(3) Hoehn 和Yahr (H & Y)分級Ⅰ或Ⅱ期；(4)影像學表現出多巴胺轉運蛋白缺陷；(5) DTI和3D-T1WI結構成像的圖像質量良好，且使用Siemens MAGNETOM Trio 3.0 T儀器采集。排除標準：(1)因藥物或代謝紊亂、腦炎或退行性疾病引起的非典型PD 綜合征；(2)近期服用PD 藥物；(3)有輕度認知障礙及癡呆的臨床診斷；(4)磁共振檢查顯示有其他神經疾病證據。

所有受試者于基線及4 年后隨訪時均行一系列量表評估。運動癥狀：(1)國際運動障礙學會統一帕金森病評估量表第三部分(the Movement Disorder Society-Sponsored Revision Unified Parkinson′s Disease Rating Scale-Ⅲ，MDS-UPDRS-Ⅲ)；(2) Hoehn& Yahr (H & Y)量表。總體認知功能：蒙特利爾認知評估量表(Montreal Cognitive Assessment，MoCA)。區域認知狀態用神經心理學量表評估：(1)記憶：霍普金斯詞語學習測驗修訂版(Hopkins Verbal Learning Test-Revised，HVLT-R)；(2)執行：語義流暢性測試(Semantic Fluency，SF)；(3)工作記憶力：數字字母排序 測 試 (Letter-Number Sequencing， LNS)；(4)視空間能力：Benton 直線定向判斷(Benton Judgment of Line Orientation，BJLO)；(5)注意力：符號數字模式測試(Symbol Digit Modalities Test，SDMT)。此外，所有受試者還收集了年齡、性別、受教育年限、病程等一般臨床資料。

PD-MCI 患者依據2012 年國際帕金森病和運動障礙學會推薦的Ⅰ級標準診斷，即進行有限的神經心理測試時，至少有兩項測驗評分低于正常對照組平均值1.5 個標準差[10]。認知正常的PD 患者診斷標準為MoCA≥26 分，5 項神經心理測試異常數目≤1 個。最終，所有的83例基線時認知能力正常的PD患者中，有26例在4年后的隨訪中轉換為PD-MCI，57例仍保持認知正常(PD patients with normal cognition，PD-NC)。因此，我們將所有研究對象分為兩組：PD-MCI組(n=26)和PD-NC組(n=57)，見圖1。

1.2 儀器與方法

納入對象的MRI數據均由Siemens MAGNETOM Trio 3.0 T核磁共振掃描儀采集。參數如下：(1) 3D-T1WI：矢狀位，重復時間/回波時間= 2300 ms/2.98 ms，層厚=1 mm，翻轉角=9°，體素：1.0×1.0×1.0 mm3，掃描矩陣=240×256；(2) DTI 序列：橫軸位，重復時間/回波時間=500～9000 ms/88 ms，翻轉角=90°，體素：2.0×2.0×2.0 mm3，掃描矩陣=1044×1044，b值=1000 s/mm2，梯度方向=64。

1.3 數據分析

1.3.1 數據預處理

采用Pipeline for Analyzing braiN Diffusion imAges (PANDA)軟件對圖像進行預處理(https://www.nitrc.org/projects/panda)[11]。預處理步驟包括：(1)將DICOM 格式數據轉換為NIFTI 格式；(2)頭動及渦流校正；(3)用Brain Extraction Tool (BET)去除非腦組織；(4)使用Diffusion Tensor Model fit (DTIFIT)計算彌散張量指標各向異性分數(fractional anisotropy，FA)，并生成原始的FA圖。

1.3.2 腦結構網絡構建

由PANDA軟件完成，使用自動解剖標定(automated anatomical labeling，AAL)模板將大腦分割為90 個腦區，即腦結構網絡的節點；首先將個體的3D-T1WI圖像配準到B0圖像空間中，然后非線性配準到Montreal Neurological Institute 152 (MNI-ICBM152)模板上，再使用逆轉換過程將AAL 模板從MNI 空間轉換到DTI空間，從而得到個體AAL模板。接下來，使用PANDA中的確定性連續追蹤算法(the fiber assignment by continuous tracking，FACT)進行全腦白質纖維束追蹤，纖維跟蹤在跟蹤偏轉角度大于45°或體素的FA 值小于0.2 時停止。然后結合全腦白質纖維束和個體AAL模板，提取每兩個腦區之間所有纖維束的平均FA值，最后生成一個90×90的加權FA網絡矩陣。

1.3.3 腦結構網絡拓撲屬性分析

使用GRETNA軟件計算腦結構網絡拓撲屬性[12]，其中全局屬性包括：全局效率(global efficiency，Eg)、局 部 效 率(local efficiency，Eloc)、聚 類 系 數(clustering coefficients，Cp)、特 征 路 徑 長 度(shortest path length，Lp)、標 準 化 聚 類 系 數(normalized clustering coefficient，Gamma)，標準化特征路徑長度(normalized shortest path length，Lambda)和小世界屬性(small-worldness，Sigma)。節點屬性包括節點度(betweenness centrality，Bc)，節點介數(degree centrality，Dc)和節點效率(nodal efficiency，Ne)。

1.4 統計學分析

使用SPSS 25.0 統計軟件進行分析，P＜0.05 認為差異具有統計學意義。年齡、受教育年限、病程、運動和認知相關評分及網絡拓撲屬性在基線及第4年隨訪時的組間比較采用獨立樣本t檢驗，將年齡、性別、受教育年限、病程、UPDRS 評分作為網絡屬性分析的協變量；性別、H & Y分期采用χ2檢驗；PD-MCI組在4 年內網絡屬性的縱向改變采用配對樣本t檢驗。為避免多重檢驗誤差，局部屬性的組間比較用FDR校正。

參考Sun 等的研究方法[13-14]，我們將在三個節點屬性(Bc，Dc 和Ne)中的至少兩個中表現出顯著差異的節點定義為差異腦區，然后在這些差異腦區之間使用基于網絡統計的分析方法(network-based statistics，NBS)來檢測PD-MCI 患者中有異常連接的邊構成的子網絡[15]。然后我們設置一個最初閾值(本文是t=2.3)，找到閾值以上的邊的連接成分，再使用非參數置換檢驗(5000 次置換)找到P＜0.05 的顯著異常連接的邊。

為了便于計算，我們將每個時間點的各個患者的原始影像數據和認知評分轉換為Z值(即原始數據減去PD-NC 組的基線平均值，再除以PD-NC 的基線標準差)，然后用第4 年隨訪的Z值減去基線的Z值得到各數據的δ值。使用受試者工作特征(receiver operating characteristic，ROC)曲線的曲線下面積(area under curve，AUC)來評估各認知數據(δ值)及表現出顯著縱向改變的網絡屬性(δ值)區分PD-MCI和PD-NC 的能力，其最佳界值為約登指數(即敏感度+特異度-1)。對于ROC 分析的陽性結果，采用向前逐步邏輯回歸分析，以組(PD-MCI vs. PD-NC)作為因變量，δ值作為自變量來建立最佳預測模型。

2 結果

2.1 臨床資料

在基線時，PD-MCI 組的SF 及SDMT 評分低于PD-NC組(P＜0.05)；但其他人口統計學和臨床資料差異無統計學意義(P＞0.05)。在第4 年的隨訪時，PD-MCI 組的所有認知量表的得分均低于PD-NC 組(P＜0.05)；MDS-UPDRS-Ⅲ差異無統計學意義(P=0.40)，詳見表1。

表1 人口統計學及臨床數據的統計分析結果Tab.1 Statistical analysis results of demographic and clinical data

2.2 小世界屬性、全局屬性分析

在基線和在第4 年的隨訪時，兩組腦網絡的Sigma、Gamma 值均大于1，Lambda 值均約為1，說明兩組被試的結構腦網絡均呈典型的小世界網絡拓撲結構。在基線時，兩組的Eloc 和Cp 差異具有統計學意義(P＜0.05)；其他全局屬性差異無統計學意義(表2)。在第4 年的隨訪時，兩組的Eg、Eloc 和Cp 差異存在統計學意義(P＜0.05)；其他全局屬性差異無統計學意義(表2)。在PD-MCI 組的自身縱向對比中，PD-MCI 患者隨訪后的Eg、Eloc、Gamma 和Sigma 較基線時顯著降低，Lp 顯著增加(P＜0.05)；Cp 及Lambda差異無統計學意義(圖2)。

表2 PD-MCI組與PD-NC組全局屬性、小世界屬性參數比較Tab.2 Comparison of global and small-world attributes parameters between PD-MCI group and PD-NC group

圖2 PD-MCI(帕金森病伴輕度認知障礙)組患者全局屬性、小世界屬性參數的組內縱向改變。Eg：全局效率；Eloc：局部效率；Cp：聚類系數；Lp 特征路徑長度；Gamma：標準化聚類系數；Lambda：標準化特征路徑長度；Sigma：小世界屬性；*：P＜0.05。Fig. 2 Longitudinal changes of global and small-world properties in PD-MCI (Parkinson′s disease with mild cognitive impairment) group.Eg: global efficiency; Eloc: local efficiency; Cp: clustering coefficients;Lp: shortest path length; Gamma: normalized clustering coefficient;Lambda: normalized shortest path length; Sigma: small-worldness; * :P＜0.05.

2.3 節點屬性分析

我們將差異腦區定義為至少兩個局部屬性(Bc，Dc 和Ne)存在顯著差異的大腦區域(P＜0.05，FDR 校正)。在基線時，兩組間差異無統計學意義的腦區。在第4 年的隨訪時，與PD-NC 組相比，PD-MCI 組存在廣泛節點中心性的降低，主要在額枕頂葉、左側顳上回顳極和紋狀體-邊緣系統等25 個腦區(圖3A)。在PD-MCI 組的縱向對比中，PD-MCI 患者隨訪后的節點中心性在額葉：左側眶部額上回、左側三角部額下回、左側和右側眶內額上回，枕葉：左側和右側距狀裂周圍皮層、左側和右側舌回，頂葉：右側中央后回、左側頂下緣角回、左側楔前葉，顳葉：左側顳上回、左側和右側顳中回，和紋狀體-邊緣系統：左側前扣帶、左側后扣帶回、右側尾狀核多個區域較基線時降低(圖3B)。

2.4 NBS分析

在PD-MCI 組內的縱向差異腦區中，我們使用NBS方法檢測出一個由11 個點和10 個邊組成的連接強度降低的子網絡；未發現連接強度增加的子網絡。該子網絡主要涉及默認網絡(default mode network，DMN)，包括左側眶部額上回、左側和右側眶內額上回、左側后扣帶回、左側楔前葉，顯著性網絡(saliencenetwork，SN)，包括左側前扣帶，中央控制網絡(central-executive network，CEN)，包括左側三角部額下回、基底神經節(右側尾狀核)和枕葉腦區(左側和右側距狀裂周圍皮層、右側舌回) (P＜0.009，FDR校正；圖3B)。

圖3 節點屬性及NBS 分析結果。3A：在第4 年隨訪時，與PD-NC(帕金森病認知正常)組相比，PD-MCI(帕金森病伴輕度認知障礙)組節點中心性顯著下降的區域；3B：縱向隨訪中，PD-MCI 組內節點中心性顯著降低的區域及連接異常降低的子網絡；綠色節點代表出現在節點屬性和NBS 分析結果中的大腦區域，藍色節點代表僅出現在節點屬性分析結果中的大腦區域。使用BrainNet Viewer軟件包(http://www.nitrc.org/projects/bnv)將結果可視化。SFGdor.L：左側背外側額上回；ORBsup.L：左側眶部額上回；MFG.L：左側額中回；IFGtriang.L：左側三角部額下回；ORBsupmed.L：左側眶內額上回；ORBsupmed.R：右側眶內額上回；ACG.L：左側前扣帶和旁扣帶腦回；ACG.R：右側前扣帶和旁扣帶腦回；PCG.L：左側后扣帶回；HIP.R：右側海馬；CAL.L：左側距狀裂周圍皮層；CAL.R：右側距狀裂周圍皮層；CUN.R：右側楔葉；LING.L：左側舌回；LING.R：右側舌回；SOG.L：左側枕上回；SOG.R：右側枕上回；MOG.R：右側枕中回；PoCG.R：右側中央后回；SPG.L：左側頂上回；SPG.R：右側頂上回；IPL.L：左側頂下緣角回；ANG.L：左側角回；PCUN.L：左側楔前葉；PCUN.R：右側楔前葉；PCL.L：左側中央旁小葉；PCL.R：右側中央旁小葉；CAU.R：右側尾狀核；THA.L：左側丘腦；THA.R：右側丘腦；STG.L：左側顳上回；TPOsup.L：左側顳極，顳上回；MTG.L：左側顳中回；MTG.R：右側顳中回；L：左側，R：右側。Fig. 3 Results of regional properties and NBS analysis. 3A: Regions showing decreased nodal centralities in the PD-MCI (Parkinson′s disease with mild cognitive impairment) group compared with the PD-NC (Parkinson′s disease retained normal cognition) group at the 4-year follow-up; 3B: Longitudinally altered node centralityies within the PD-MCI group over time.Green nodes represent the brain regions that appeared in the results of the node and edge analyses,blue nodes represent the brain regions that appeared only in the results of the node analysis. The results were visualized using the BrainNet Viewer package (http://www.nitrc.org/projects/bnv). SFGdor.L: left dorsolateral superior frontal gyrus;ORBsup.L:left superior frontal gyrus orbital part;MFG.L:left middle frontal gyrus;IFGtriang.L:left triangular part of the inferior frontal gyrus; ORBsupmed.L: left superior frontal gyrus (medial orbital); ORBsupmed.R: right superior frontal gyrus (medial orbital);ACG.L: left inferior cingulate;ACG.R: right inferior cingulate;PCG.L:left posterior cingulate;HIP.R:right hippocampus;CAL.L:left calcarine;CAL.R:right calcarine;CUN.R:right cuneus;LING.L:left lingual gyrus;LING.R:right lingual gyrus;SOG.L:right superior occipital gyrus;SOG.R:left superior occipital gyrus;MOG.R:right middle occipital gyrus;PoCG.R:right postcentral gyrus;SPG.L:left superior parietal gyrus;SPG.R:right superior parietal gyrus;IPL.L:left inferior parietal gyrus;ANG.L:left angular gyrus;PCUN.L:left precuneus;PCUN.R:right precuneus;PCL.L:left paracentral lobule;PCL.R:right paracentral lobule;CAU.R:right caudate;THA.L:left thalamus;THA.R:right thalamus;STG.L:left superior temporal gyrus;TPOsup.L:left temporal pole:superior temporal gyrus;MTG.L:left middle temporal gyrus;MTG.R:right middle temporal gyrus;L:left,R:right.

表3 網絡拓撲屬性和認知數據在區分帕金森病伴輕度認知障礙和帕金森病認知正常的ROC曲線分析Tab.3 ROC curve analysis of network topology attributes and cognitive data distinguishing Parkinson′s disease with mild cognitive impairment and Parkinson′s disease retained normal cognition

圖4 區分PD-MCI(帕金森病伴輕度認知障礙)患者和PD-NC(帕金森病認知正常)患者的ROC 曲線。4A：右側眶內額上回的Dc 和Ne 值的ROC 曲線；4B：MoCA和LNS評分的ROC曲線；4C：上述指標組合的ROC曲線。Dc：節點介數；Ne：節點效率。Fig. 4 The ROC curves for distinguishing PD-MCI (Parkinson′s disease with mild cognitive impairment) from PD-NC (Parkinson′s disease retained normal cognition) patients. 4A: ROC curve of the right medial orbital superior frontal gyrus; 4B: ROC curve of MOCA and LNs scores; 4C: ROC curve of the above index combination.Dc:degree centrality;Ne:nodal efficiency.

2.5 ROC曲線及邏輯回歸分析

3 討論

3.1 PD-MCI患者小世界網絡的縱向改變

人腦復雜的網絡系統是大腦信息傳遞和處理的基礎[16]，且具有“小世界”特征[17]；在小世界網絡中，網絡的功能整合和分化達到最佳的平衡狀態，既保證全局效率又具有較高的局部效率。本研究中PD-MCI患者的小世界屬性參數較PD-NC 患者差異不大，但PD-MCI組在4年隨訪后小世界屬性顯著降低，提示早期PD 患者由認知正常向MCI 轉換時網絡拓撲結構有一定的破壞。本研究試圖通過研究在基線時沒有MCI但在4年內發展為MCI的PD患者的結構網絡拓撲結構的縱向改變，來揭示PD-MCI 發生的潛在神經生物學機制。

3.2 PD-MCI患者結構網絡全局屬性的縱向改變

在全局屬性分析中，本研究發現PD-MCI 患者4 年隨訪后的Eg、Eloc 較基線顯著降低，同時伴有Lp的增加。Eg、Lp 反映腦結構網絡全局水平的信息整合能力，而Eloc 和Cp 反映網絡的局部信息處理能力，因此推測早期PD 患者在由認知正常向MCI 轉換的過程中白質纖維發生變性，導致網絡功能整合和分化能力降低。既往有橫向研究也發現PD-MCI患者的Eg 和Eloc 的降低和Lp 的增加[7-9]。由此可以推斷腦網絡拓撲結構的紊亂可能是PD患者出現認知障礙的原因。

3.3 PD-MCI患者結構網絡局部屬性的縱向改變

局部屬性分析顯示，PD-MCI在第4年隨訪時廣泛腦區的節點中心性較PD-NC 患者降低。節點中心性反映了節點與其他腦區相互作用及促進功能整合的能力[18]；節點中心性的下降提示該節點可能受到損傷，從而與鄰近節點的連接減少?？v向隨訪中，PD-MCI 患者前額葉、顳葉、枕葉、頂葉及紋狀體-邊緣系統多個節點的中心性降低，與既往結構網絡研究基本相符[7-9]。隨后，我們在上述PD-MCI 組縱向顯著差異腦區內使用NBS工具，檢測出主要涉及三個核心神經認知網絡(即DMN，SN 和CEN)、基底神經節(尾狀核)和枕葉(距狀裂周圍皮層、舌回)的異常子網絡。人腦三個核心神經認知網絡之間的動態相互作用是認知等高級功能實現的基礎[19-20]；而基底神經節和前額葉皮質及枕葉之間具有廣泛的纖維連接。因此，基底神經節的異?？梢赃M一步導致枕葉皮層及DMN的異常，從而引起DMN、SN 和CEN 之間相互作用異常，最終導致認知障礙。因此本研究進一步從結構的角度為PD-MCI 的早期病理損害提供了影像依據。此外，近期兩項研究表明，PD-MCI 患者功能網絡中DMN 和DEN 的節點中心性降低，功能拓撲網絡結構的異常改變也可以導致PD-MCI 的產生[21-22]。本研究PD-MCI 患者的結構網絡與上述功能網絡的拓撲結構的改變有相似的發現，即PD-MCI 患者全局屬性中Eloc、Cp 降低，而Lp 的增加，局部屬性中DMN 及CEN節點中心性降低，但兩者之間的關聯性有待進一步研究。

3.4 結構網絡拓撲屬性改變對PD-MCI的預測價值

本研究進一步探討了網絡拓撲屬性及認知量表區分PD-MCI 患者和PD-NC 患者的能力，結果顯示右側眶內額上回的節點中心性的降低(Dc，Ne)以及MoCA、LNS 評分是早期PD 認知障礙的敏感預測標志物。既往研究發現PD-MCI患者的左側眶內額上回的節點效率與整體認知及多個認知亞域相關，可能是PD-MCI的病理基礎[7]。因此，我們的研究發現進一步擴展了先前的橫斷面研究，并提示眶內額上回可能是預測PD-MCI 的潛在特征性影像學標志物。此外，本研究發現網絡拓撲屬性和認知量表的聯合使用可以更敏感、更高效地識別向由PC-NC 向PD-MCI 進展的高風險患者，若能及早識別并進行臨床干預，可以預防患者由MCI向癡呆進展，極大改善患者預后及生活質量。

3.5 本研究的局限性

本研究存在一定的局限性。首先，本研究中使用確定性纖維示追蹤算法進行纖維追蹤時，對在交叉纖維追蹤可能不準確，下一步研究考慮采用概率性纖維示蹤算法進行改善[23]；其次，本研究使用AAL90 模板行腦區分割，空間尺度較大，將來可在不同空間尺度下研究PD-MCI 患者的腦網絡拓撲結構；最后，PD-MCI 患者樣本量小，仍需擴大樣本量增加研究結果的可靠性。

綜上所述，本研究結果表明腦白質結構網絡拓撲屬性的異常改變是PD-MCI可能的神經病理機制之一；并發現右側眶內額上回的網絡改變可能是識別早期PD患者由認知正常向MCI轉化的潛在影像學標志物，為PD-MCI的早期診斷及治療提供了新的幫助和依據。

作者利益沖突聲明：全部作者均聲明無利益沖突。