進展型及穩定型輕度認知障礙的動態功能連接對比分析

喬真，袁磊磊，趙曉斌，王凱，張姝，李曉桐，陳謙，艾林

作者單位：首都醫科大學附屬北京天壇醫院核醫學科，北京 100070

阿爾茨海默病（Alzheimer disease, AD）[1]是一種最常見的癡呆，其起病隱匿且呈進行性發展，進展至終末階段，藥物治療無法逆轉，因此目前AD的干預重點轉向AD 前階段，包括輕度認知障礙（mild cognitive impairment, MCI）階段[2]。MCI表現為記憶和認知功能輕度損害的一種疾病狀態，是一種介于正常老化與癡呆之間的一種狀態，而尚未達到癡呆的診斷標準。目前研究普遍認為MCI 患者是發展為癡呆的高危人群，但并不是所有MCI都有一致的轉歸，每年有10%～15%的MCI最終發展為癡呆[3]，可稱為進展型MCI，另有部分患者可保持當前認知水平不變甚至逆轉為正常，為穩定型MCI[3]，早期檢測或預測出進展為AD的MCI患者并給予有效的藥物治療或采取其他干預手段，或許可以延緩MCI向AD轉化的速度，改善AD的預后。因此早期鑒別進展型MCI和穩定型MCI至關重要。

靜息態功能磁共振成像（resting-state fuctional magnetic resonance imaging, rs-fMRI）主要根據神經元興奮后局部耗氧與血流不一致的原理，通過測量腦血氧依賴水平（blood oxygen level dependency,BOLD）信號間接反映神經元活動，是一種無創的研究人腦功能和結構的有效手段。通過對不同腦區之間的BOLD信號進行相關性分析來測量不同大腦區域之間的功能連接，從而構建腦功能連接網絡。已有研究證實AD 患者較MCI 患者網絡連接減低[4-5]，MCI 較正常人群也存在網絡連接減低[6-7]，但是其變化程度沒有AD顯著；因此應用rs-fMRI有利于診斷存在高風險認知障礙的MCI個體，以及篩選出潛在的MCI患者[8-9]。

然而，靜態功能連接不足以反映出大腦復雜神經系統的時變特征，動態功能連接[10-11]可捕捉短時間尺度上的時變連續特征，反映腦復雜功能組織的變化和聯系，可用于對大腦的多種功能和疾病進行機制及機理研究，如大腦的認知體制、功能損害或缺失、神經精神疾病的病理機制及臨床診療應用等。腦動態功能連接變化[12]是AD 患者的重要特征，研究表明[13]AD 患者的腦功能具有在弱連接狀態下駐留時間較長的特點，動態功能連接可能有望成為AD 的生物學標志物[14]，然而基于rs-fMRI 的動態功能連接分析用于篩查進展型MCI 的研究鮮有報道。本研究通過對MCI 患者的rs-fMRI 數據行動態功能連接分析，以評估進展型MCI 及穩定型MCI 的動態功能連接特征并比較二者的差異，從而探討動態功能連接分析對鑒別進展型及穩定型MCI患者的價值。

1 材料與方法

1.1 研究對象

本研究為回顧性研究，所用數據均來自于阿爾茨海默病神經影像學計劃（Alzheimer's Disease Neuroimaging Initiative, ADNI）數據庫（http://adni.loni.usc.edu）。ADNI數據庫創立于2003年，其目的是評估能否通過系列MRI、正電子發射計算機斷層顯像（positron emission tomography, PET）、各種生物學標記物以及臨床神經癥狀評估等多種手段來監測MCI 及早期AD 的疾病進展，該數據庫的設立符合赫爾辛基宣言，納入的被試者均已簽署知情同意書。于ADNI 數據庫檢索MCI 患者，時間截至2021年12月，收集其rs-fMRI及隨訪數據，根據隨訪結果篩選出進展型MCI患者入組。進展型MCI 組納入標準為：（1）具有基線rs-fMRI 顯像；（2）隨訪進展為癡呆的患者。選擇年齡性別匹配的穩定型MCI 患者納入本研究，穩定型MCI 入組標準：（1）在隨訪期間病情無進展；（2）隨訪時間不小于4 年。排除標準：有腦梗、腦病或其他神經精神疾病。最終納入患者的rs-fMRI 顯像時間為2011 年2 月至2016年4月期間。

1.2 影像數據采集

所有受試者的影像數據及掃描參數的相關信息在ADNI 官方網站（http://adni.loni.usc.edu）下載獲得。納入被試者磁共振數據均使用3.0 T 飛利浦醫學系統掃描，rs-fMRI 采用平面回波（echo-plannar imaging,EPI）序列，掃描參數：翻轉角80°，TE 30 ms，TR 3000 ms，層厚3.3 mm，矩陣64 mm×64 mm，像素3 mm×3 mm×3 mm，視野220 mm×220 mm，每名患者均采集140個時間點。

1.3 數據處理與分析

數據預處理基于MATLAB 2021a（MathWorks，美國），使用DPABI工具包（http://rfmri.org/DPABI）對rs-fMRI數據進行預處理，主要步驟：（1）為了保留穩定的信號，去除前10個時間點，保留130幀圖像；（2）時間層校正，使每個切片的數據具有相同時間點；（3）頭動校正至同一位置，并為后面的圖像質量控制提供數據；（4）通過結構MRI（T1WI）行顱骨剝離、配準、分割；（5）評估頭部旋轉平移（質量控制在任何方向平移不超過3 mm，轉動不超過3°）；（6）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；對圖像進行平滑，平滑參數為全寬半高（full-width of half-maximum, FWHM）值 4 mm；（7）去線性漂移；（8）對腦脊液和腦白質信號進行回歸。

獨立成分分析（independent component analysis,ICA）[15]使用GIFT 4.0（group ICA of fMRI toolbox 4.0，https://sourceforge.net/projects/icatb/）工具包完成。應用工具包中的infomax 算法進行組水平ICA，并設定獨立成分（independent component,IC）數為35。使用icasso算法確保所估計IC的穩定性，然后根據既往文獻[16]及工具箱自帶的模板選出17個感興趣的IC 并劃分成9 個腦網絡：默認網絡（default mode network,DMN）、執行控制網絡（executive control network,ECN）、突顯網絡（salience network, SN）、背側注意網絡（dorsal attention network, DAN），額頂網絡（frontoparietal network, FP）、聽覺網絡（auditory network,AUN）、視覺網絡（visual network,VN）、感覺運動網絡（sensorimotor network, SMN）及小腦網絡（cerebellum network,CBN）（圖1）。

圖1 各功能網絡的空間位置示意圖。1A：感覺運動網絡（IC19）；1B：背側注意網絡（IC12）；1C：執行控制網絡（IC14/29/32）；1D：視覺網絡（IC2/3/4）；1E：聽覺網絡（IC7/21）；1F：小腦網絡（IC23）；1G：突顯網絡（IC26）；1H：額頂網絡（IC10/25）；1I：默 認 網 絡（IC8/15/19）。Fig. 1 Spatial distribution of functional network. 1A:Sensorimotor network(IC19);1B: Dorsal attention network (IC12); 1C: Executive control network (IC14/29/32); 1D: Visual network (IC2/3/4); 1E: Auditory network (IC7/21); 1F: Cerebellum network(IC23);1G:Salience network(IC26);1H:Frontoparietal network(IC10/25);1I:Default mode network(IC8/15/19).

將所選的IC 進行動態功能連接分析，設定時間窗為22 TR、步長為1 TR，對各IC 進行滑窗操作，計算每個窗口中所有BOLD 信號之間的Pearson 相關系數，構建一系列動態功能連接矩陣。選擇k-means算法對全部動態功能連接矩陣進行聚類，根據elbow方法選擇最佳聚類集群數[17]，按照該最佳聚類集群數劃分具有代表性的動態功能連接狀態。根據劃分的動態功能連接狀態分別提取以下動態特征參數：（1）時間比例（fraction time），表示每種狀態占總時間的百分比；（2）駐留時間（dwell time），表示每種狀態的持續停留時間；（3）轉換次數（number of transition），表示每種狀態之間相互轉換的總次數。

1.4 統計學分析

兩組動態功能連接狀態經GIFT 4.0軟件進行統計學分析，組間比較采用獨立樣本t檢驗，需通過FDR多重比較校正。兩組間動態功能連接特征參數及臨床資料比較使用SPSS 20.0軟件包進行統計分析，計數資料采用卡方檢驗，連續變量進行正態分布檢驗，正態分布檢驗應用夏皮洛-威爾克（S-W）檢驗，符合正態分布的用獨立樣本t檢驗，不符合正態分布的兩組間比較采用Mann-WhitneyU檢驗，P＜0.05為差異有統計學意義。

2 結果

2.1 入組人群一般資料

數據庫中篩選出24 例MCI 患者行rs-fMRI 后隨訪進展為癡呆，診斷為進展型MCI，其中1例患者在顯像后1732 天后隨訪診斷為癡呆，剔除出試驗組。最終23 名進展型MCI 及26 名穩定型MCI 患者納入本研究。基本信息見表1。兩組間性別比例及年齡差異無統計學意義（P均＞0.05）。

表1 研究對象的人口學資料Tab.1 Demographic data of the subjects

2.2 動態功能連接狀態及比較

根據elbow 方法獲得最佳聚類集群數目為4，最終將一系列動態功能連接矩陣劃分為4 種動態功能連接狀態：（1）弱連接狀態a，占比28%，表現為大部分網絡及網絡間連接強度較低，其中VN 保留強連接；（2）局部強連接狀態，占比25%，表現為VN、AUN、SMN、CBN 正相關強連接，DMN 與視覺聽覺網絡負相關強連接；（3）弱連接狀態b，占比28%，表現為VN、AUN、SMN、CBN 正相關弱連接，DMN 與VN、AUN 負相關弱連接，DMN與ECN負相關中等強度連接；（4）正相關強連接狀態，占比20%，表現為大部分網絡內和網絡間存在較強的正相關連接。結果見圖2A～2E。兩組在四種狀態下的功能連接差異均無統計學意義（FDR校正后）。

圖2 動態功能連接狀態及聚類結果。2A：弱連接狀態a；2B：局部強連接狀態；2C：弱連接狀態b；2D：正相關強連接狀態；2E：elbow 結果曲線圖。DMN：默認網絡；ECN：執行控制網絡；FP：額頂網絡；DAN：背側注意網絡；SN：突顯網絡；SMN：感覺運動網絡；AUN：聽覺網絡；VN：視覺網絡；CBN：小腦網絡。 圖3 駐留時間與狀態的分布圖。PMCI：進展型輕度認知障礙；SMCI：穩定型輕度認知障礙。Fig. 2 Dynamic function connection status and clustering results. 2A:Decreasing connection state-a; 2B: Increasing local connection state; 2C:Decreasing connection state-b; 2D: Increasing positive-connection state; 2E:The elbow results. DMN: default mode network; ECN: executive control network;FP:frontoparietal network;DAN:dorsal attention network;SN:salience network; SMN: sensorimotor network; AUN: auditory network; VN: visual network; CBN: cerebellum network. Fig. 3 Distribution of dwell time and states.PMCI:progressive mild cognitive impairment;SMCI:stable mild cognitive impairment.

2.3 動態功能連接特征數據比較

穩定型MCI 處于狀態（1）～（4）的平均時間比例依次為38.1%、31.7%、12.8%及17.4%，平均駐留時間分別為33.9、23.4、9.9、12.9 s。進展型MCI 處于狀態（1）～（4）的平均時間比例依次為28.5%、13.0%、38.5%及20.0%，平均駐留時間分別為23.6、10.8、28.4、17.5 s。與穩定型MCI 組比較，進展型MCI 處于狀態（2）的時間比例減少、駐留時間縮短（P=0.049，P=0.049），而處于狀態（3）的時間比例增加、駐留時間延長（P=0.045，P=0.033）。結果見圖3。兩組之間狀態轉換次數差異無統計學意義。

3 討論

本研究通過對MCI 患者的rs-fMRI 數據進行動態功能連接分析，為評估進展型MCI 及穩定型MCI 患者的腦功能連接特征及差異提供了一種新的方法，研究發現與穩定型MCI 患者比較，進展型MCI 患者弱連接狀態增多，這與AD的動態功能連接特點類似，為探索進展型MCI 向AD 轉化的功能連接機制提供了一種新的研究思路。

3.1 隨訪時間的確定

MCI患者向AD的轉化速度各不相同，盡早識別可能在數年迅速進展的進展型MCI患者并采取積極的干預措施，對改善AD 的預后至關重要。Steenland 等[18]利用ADNI 數據建立了一個4 年預測模型，預測從認知正常到MCI 和從MCI 到AD 的進展。該研究納入了MCI 被試者424 例，經4 年隨訪后150 例（35%）轉化為AD。參考該文獻，本研究納入穩定型MCI患者時將隨訪時間設定為4 年；本研究納入進展型MCI 患者時，發現有一例患者首次rs-fMRI 顯像后近5 年后才進展為癡呆，為了與穩定型MCI 患者進行鑒別，將該患者排除出試驗組。

3.2 功能連接特點

已有研究表明AD患者較正常人群的小世界屬性退化，腦網絡拓撲結構存在異常[19]，全腦功能連接下降[20-22]，區域內及區域間功能連接也出現下降，如顳葉內部及顳葉與丘腦、顳葉與紋狀體、額葉與丘腦、枕葉與丘腦等均存在功能連接下降[4,23-24]；此外，在機體代償作用下，部分區域則存在功能連接增強的趨勢。MCI是介于AD與正常人群之間的一種疾病狀態，其功能連接強度是否也介于二者之間呢？與MCI 患者比較，AD 患者存在網絡功能連接下降，甚至有研究表明，功能連接與認知功能存在相關性[4-5]。與正常人群比較，MCI 也存在網絡連接下降[6-7]，但下降程度較AD 減輕。有研究表明[25]與正常人群比較，AD 患者的DMN 網絡內部楔前葉及后扣帶回間功能連接強度減低，而MCI 與正常人群及AD 之間差異無統計學意義；該研究也將MCI 分為了穩定型MCI 及進展型MCI，穩定型MCI 與AD 之間連接強度差異具有統計學意義，而與正常對照組之間差異無統計學意義，進展型MCI 與AD 組及正常人群的功能連接強度差異均無統計學意義，然而該研究納入樣本量較少，穩定型及進展型MCI 患者分別為14 例及7 例。本研究中心對兩組MCI 患者功能連接進行比較結果顯示進展型MCI組與穩定型MCI 組之間的全腦功能連接強度無顯著差異，網絡間功能連接比較結果顯示進展型MCI 的SMN 與DMN 之間的功能連接強度較穩定型MCI 的SMN與DMN 之間功能連接強度減低，然而未能通過FDR 校正（該部分結果為陰性結果，本文未顯示）。亦有研究應用FDG PET 構建腦功能連接[26]，對MCI 的縱向數據進行預測研究，提示進展型及穩定型MCI患者均具有小世界屬性，而進展型MCI 患者的DMN 區域的聚類系數下降且范圍向周圍擴散。此外，在對腦功能連接進行分析比較時，機體的代償功能也至關重要。2017 年國內有一項縱向研究結果[27]顯示MCI 轉化組（即進展型MCI）的DMN 功能連接強度較未轉化組（即穩定型MCI）下降，而轉化組較健康人群在雙側眶額皮層、右側中央前回、左側小腦的功能連接強度增強，這可能是機體代償的結果。另一項研究[28]與上述研究結果不一致，該研究對AD/MCI 及健康人群的全腦功能連接強度進行比較，發現MCI 較健康人群在上額葉、中央前回/中央后回（運動感覺皮層）、顳葉、扣帶回區域的功能連接強度下降，與AD 比較，MCI 的小腦連接強度增高。一項執行視覺工作記憶的任務態fMRI 顯像研究顯示[29]，AD 及MCI 患者激活區域（右側額上回、雙側額中回、顳中回、前扣帶回等）較正常對照組更為廣泛，研究人員認為其可能也是機體代償的結果。眾所周知海馬萎縮與記憶下降有關[30]，然而有研究[8]表明MCI 患者隨著記憶功能下降，海馬激活區域進一步增大，這可能也是機體代償的表現。

3.3 動態功能連接狀態

一項針對AD、MCI及主觀認知障礙（subject cognitive impairment,SCI）的rs-fMRI 的研究[31]使用靜態功能連接分析和動態功能連接分析方法，發現與MCI 和SCI 相比，AD 在靜態功能連接和動態功能連接（額葉、顳葉和DMN）狀態均表現出功能連接強度的改變，且全腦網絡亞穩態降低，腦網絡亞穩態的下降與認知功能存在一定相關性[32]。腦功能狀態處于動態變化中，靜態功能連接不能完全反映復雜的腦功能連接狀態。Schumacher 等[13]的動態功能連接分析表明AD 患者在弱連接狀態下停留時間較長，VN、SMN 內部連接減弱，DMN 與任務積極網絡之間缺乏負相關。本研究的研究對象為進展型MCI 及穩定型MCI 患者，動態功能連接分析結果顯示進展型MCI處于狀態（2）弱連接狀態b的時間比例及駐留時間較長，即表現為高級功能網絡（如視覺、聽覺、運動等）之間為弱連接；同時進展型MCI處于狀態（3）局部強連接狀態的時間比例及駐留時間縮短。狀態（2）與狀態（3）最主要的區別在于VN、AUN、SMN連接強度及DMN與VN、AUN連接強度。進展型MCI 于靜息狀態下更傾向于處于VN、AUN、SMN 弱連接狀態及DMN 與VN、AUN 弱連接狀態。應用前述代償機制或許可以解釋進展型MCI 局部強連接狀態減少的現象，進展型MCI患者多數時間不能保持網絡連接（視聽覺感覺運動功能）增加，而更傾向于維持弱連接狀態，同時DMN 與ECN 表現為更強的負相關，可能也是進展型MCI 的一種代償現象，犧牲了部分功能，而側重于保證執行控制功能的正常。盡管進展型MCI 及穩定型MCI 動態功能連接特征存在差異，但二者臨床量表評分類似，是否也是由于功能下降及代償能力之間的平衡作用尚未被打破，而MCI 向AD 的轉化可能也經歷了功能下降—代償—失代償的過程，這些假設尚需要大量研究證實。

3.4 本研究的局限性

此外，本研究存在幾個問題仍需進一步考慮。本研究納入樣本量較小，且納入數據來源于數據庫，人群為歐美人群，目前國內尚缺乏大規模亞洲人群的數據，下一步可前瞻性納入MCI人群并對其進行長期隨訪，縱向研究進展型MCI 向AD 轉化過程中的腦功能連接狀態變化特點；此外可結合多種影像學手段（如PET/MRI）以篩選出進展型MCI進行早期干預從而改善MCI及AD的預后[2]。

綜上所述，MCI 是癡呆早期干預的目標人群，區別進展型MCI 及穩定型MCI 對判斷認知減退速度、改善AD 預后具有重要意義。本研究結果顯示進展型MCI 與穩定型MCI 動態功能連接狀態特征存在差異，進展型MCI患者具有局部強連接狀態減少，而弱連接狀態增多的趨勢。動態功能連接分析可能較主觀的量表評分更早發現進展型MCI患者，具有篩選進展型MCI 患者的潛能，從而為預測MCI 向AD 轉化提供影像學依據。

作者利益沖突聲明：全部作者均聲明無利益沖突。