帕金森病伴抑郁患者大腦復雜度的靜息態腦功能成像研究

李海東，王峻，牛金亮

帕金森病（Parkinson's disease, PD）是常見于中老年人的神經系統退行性疾病[1]，帕金森病伴抑郁（Parkinson's disease patients with depression,PD-Dep）是指確診PD后出現的抑郁癥狀[2]，是PD最常見的非運動癥狀之一，發生率高達40%[3]，嚴重影響患者生活質量。基于血氧水平依賴（blood oxygenation level dependent, BOLD）的靜息態功能磁共振成像（resting state functional magnetic resonance imaging, rs-fMRI）有高空間、時間分辨率、無創性研究腦高級功能等優勢，廣泛應用于神經精神類疾病。目前用于分析腦網絡的功能連接模式及其自發活動的rs-fMRI 分析方法對BOLD 信號的研究僅限于使用傳統的線性統計數據，缺乏對其非線性動態特性的分析及復雜度研究[4]，與線性相比，非線性更接近客觀事物本身性質，通過非線性方法研究能夠反映動力學的不可預測性，反映某個系統可能發生的狀態的概率分布，并且揭示了系統的復雜度，更適用于直接分析任意真實世界數據[5]。熵作為一種用于預測體系復雜程度非線性動力學參數[6]，可以定量表征大腦區域中BOLD信號復雜度的動態變化。腦熵具有算法簡單、抗干擾能力強、對突變信息有較強可識別性等優點[7-8]，可以反映大腦處理傳入或傳出信息的能力[9]，評估大腦狀態和功能。通過對大腦的復雜性進行表征和分析，有助于更好地理解神經精神疾病導致大腦功能障礙的機制。既往研究顯示PD-Dep患者存在大腦功能性活動及神經環路連接的異常[10-11]，影響信息的傳遞及處理，可能存在大腦復雜度的改變。本研究擬采用排列熵（permutation entropy, PE）分析法對PD-Dep 患者、PD-NDep 患者與健康對照組（healthy controls, HCs）的fMRI 數據進行分析，研究PD-Dep 患者異常的腦區及其與臨床評分的關系，進一步探索PD-Dep 的發病機制，以期為PD-Dep 的早期診斷和治療提供影像學依據。

1 材料與方法

1.1 研究對象

本研究獲山西醫科大學第二醫院倫理委員會審批[批準文號：（2021）YX第（156）號]，所有受試者均簽署知情同意書。前瞻性納入2020 至2021 年在山西醫科大學第二醫院就診的PD患者。納入標準：（1）按中華醫學會神經病學分會帕金森病及運動障礙學組的《中國帕金森病診斷標準（2016 版）》[12]，納入臨床確診的帕金森病；（2）患者臨床資料詳細真實，能完成相關量表的評測；（3）患者近2 個月未服用抗抑郁藥物；（4）右利手；（5）無MRI掃描禁忌證。排除標準：（1）患者有嚴重認知功能障礙，患有焦慮、雙相情感障礙、精神分裂癥等其他精神類疾病或有精神疾病家族史；（2）患有嚴重軀體性疾病、腦外傷或器質性疾病；（3）酗酒、藥物依賴、藥物濫用。共納入PD患者45例，男20例，女25例，年齡51～74（59.27±9.02）歲。

收集同期在本院就診的23例年齡、性別、受教育程度匹配的健康受試者（男12 例，女11 例）作為HCs，納入標準：（1）無中樞神經系統疾病史及頭顱外傷史；（2）無嚴重其他系統疾病；（3）右利手。HCs 排除標準：（1）有焦慮、抑郁等精神類疾病或有精神疾病家族史的患者；（2）存在認知障礙的患者。

1.2 一般資料采集及臨床量表評定

詳細詢問病史并記錄患者一般資料及病程、首發癥狀等資料。PD 患者抑郁狀態由受過培訓的高年資精神科醫師對患者進行測評。根據美國《精神疾病診斷與統計手冊第4 版》（the Diagnostic and Statistical Manual of Mental Disorders, 4thedition, DSM-Ⅳ）抑郁發作診斷標準[13]將PD 患者分為PD-Dep 組22 例（男性11 例，女性11 例），PD-NDep組23 例（男性9 例，女性14 例）。抑郁評估采用漢密爾頓抑郁量表-24（24-item Hamilton Depression Scale, HAMD-24）。認知功能評估采用簡易智能狀態檢查量表（Mini-Mental State Examination, MMSE）。

1.3 PE的計算

PE[14]是用于測量非平穩時間序列不規則性的新方法。PE 具有抗噪能力強、計算復雜度低、魯棒性好等優點[14-15]。由于其可較好地識別突變信息[8]，使用PE 分析BOLD 信號，可以發現BOLD 信號中的微小變化。其計算方法如下：

（1）對一維時間序列{X（i），1≤i≤N}進行相空間重構:

m為嵌入維數；λ為延遲時間；X（i）是重構矩陣的第i行分量。

（2）將X（i）的所有元素按升序排列:

當兩個元素相等時，按j值從小到大排列。

為保證算法的意義和有效性，避免無法檢測到時間序列的動態突變。本研究設置嵌入維數m=4，延遲時間λ=2進行計算分析。

1.4 MRI數據采集及預處理

1.4.1 MRI數據采集

使用美國GE SIGNA Pioneer 3.0 T 超導型MRI系統和8 通道相控陣頭線圈。掃描前用軟墊充分固定受試者頭部，塞入耳塞減少噪聲干擾，囑其閉目、身體靜止放松，不入睡。采集矢狀面3D T1WI 高分辨結構MRI及靜息態BOLD fMRI。矢狀面3D T1WI高分辨結構MRI掃描參數：TR 6.7 ms，TE 2.9 ms，翻轉角12°，帶寬31.25 kHz，視野256 mm×256 mm，矩陣256×256，體素大小1 mm×1 mm×1 mm，層厚1.0 mm，零層間隔采集，掃描時間為4 min 41 s。靜息態BOLD fMRI 掃描參數：TR 2000 ms，TE 30 ms，翻轉角90°，帶寬250 kHz，視野224 mm×224 mm，矩陣64×64，體素大小3.5mm×3.5mm×3.5mm，層厚3.5 mm，層間隔0.7 mm，共采集140個時相，掃描時間為280 s。

1.4.2 圖像預處理

實驗基于DPARSF V2.3（Data Processing Assistant for Resting-State fMRI）[16]工具，并在Matlab2014b上對圖像進行預處理。針對每例數據的預處理流程為：首先去除被試所采集數據的前10 個時間點；然后將每個被試剩余的130幅圖像進行時間層校正、頭動校正；最后對頭動校正后的圖像使用平面回波成像（echo planar imaging, EPI）模板進行空間標準化。

1.5 fMRI數據PE計算

采用自動解剖標記（automated anatomical atlas,AAL）模板[17]將大腦分割為90 個感興趣區（regions of interest, ROI），其中左右半腦各45個，提取90個腦區的時間序列。每個被試可獲得一個90（腦區）×130（時間序列）的矩陣。根據各腦區的時間序列計算其PE。

1.6 統計學分析

符合正態分布的計量資料以xˉ±s 表示，非正態分布數據用M（Q1,Q3）表示。三組被試年齡、受教育年限及量表評分比較采用單因素方差分析及Kruskal-WallisH檢驗，性別等計數資料采用χ2檢驗。每個受試者的ROI的平均PE值采用單因素方差分析檢驗三組被試（HCs組、PD-Dep組和PD-NDep組）之間的差異，LSD-t檢驗兩兩比較組內有差異的腦區（P＜0.05，cluster size＞20）。對PD-Dep 患者組間顯著差異腦區PE 值與量表評分進行Pearson 相關性分析。所有統計學分析均采用SPSS 25統計軟件進行。

2 結果

2.1 三組人口統計學及臨床資料的比較結果

納入分析三組性別、年齡、受教育年限、MMSE 評分差異無統計學意義（P＞0.05）。PD-Dep 組較另兩組HAMD評分顯著增高（P＜0.01），具體內容見表1。

表1 人口統計學及臨床資料評估結果Tab.1 Demographic and physiologic data of studied cohort

2.2 三組PE差異分析

HCs 組、PD-Dep 組及PD-NDep 組平均PE 值有3 個腦區存在明顯差異（P＜0.01，表2，圖1），包括：右側顳下回、左側前扣帶回、右側扣帶回中部。組間分析結果如圖2 所示，PD-Dep 組及PD-NDep 組右側顳下回PE 值較HCs 組增高（P=0.022，P=0.004），PD-Dep 組與PD-NDep 組PE 值差異無統計學意義（P=0.515）。PD-Dep 組及PD-NDep 組左側前扣帶回PE 值較HCs 組減低（P=0.007，P＜0.01），PD-Dep 組與PD-NDep 組PE值差異無統計學意義（P=0.114）。PD-Dep組及HCs組右側扣帶回中部PE 值較PD-NDep 組增高（P=0.007,P=0.019），HCs 組與PD-Dep 組PE 值差異無統計學意義（P=0.738）。

表2 帕金森病伴/不伴抑郁患者組及健康對照組顯著差異的腦區信息Tab.2 Brain regions with differences between HCs,PD-Dep and PD-NDep

圖1 帕金森病伴/不伴抑郁患者組及健康對照組排列熵差異腦區主要分布于右側顳下回、左側前扣帶回及右側扣帶回中部。Fig. 1 PE value showed significant differences in the right inferior temporal gyrus, left anterior cingulate and right median cingulate gyrus among the HCs,PD-Dep and PD-NDep.

表3 三組顯著差異的腦區排列熵值（xˉ±s）Tab.3 Comparison of PE value between 3 groups（xˉ±s）

2.3 相關性分析結果

將得到的PD-Dep 組差異腦區PE 與HAMD 評分做相關分析，結果如圖3 所示，右側扣帶回中部PE 值與HAMD呈正相關（P＜0.01，r=0.790）。

圖3 PD-Dep 患者PE 值與HAMD 評分相關腦區。右側扣帶回中部PE值與HAMD 呈正相關（P＜0.01，r=0.790）。PD-Dep：帕金森病伴抑郁患者；PE：排列熵；HAMD：漢密爾頓抑郁量表。Fig. 3 Relevant brain regions for PE value and HAMD scale scores in PD-Dep patients. The PE values positively correlate with HAMD scores in the right median cingulate gyrus (P＜0.01, r=0.790). PD-Dep: Parkinson's disease patients with depression; PE: Permutation Entropy; HAMD:Hamilton Depression Scale.

3 討論

本研究通過基于靜息態腦功能磁共振成像的PE算法對HCs、PD-Dep、PD-NDep患者的大腦復雜度進行分析，結果顯示三組被試的PE值在右側顳下回、左側前扣帶回、右側扣帶回中部腦區存在明顯差異，并且PD-Dep 患者右側扣帶回中部PE 值與HAMD 評分呈正相關。本研究創新性地采用目前國內較少應用的PE算法分析PD-Dep 患者的fMRI 數據反映大腦復雜性的改變，為探索PD-Dep 患者大腦神經活動的變化提供了新的方法，對于PD 伴發抑郁的臨床輔助診斷和及時干預也有一定的價值。

3.1 腦熵分析法的研究現狀

目前fMRI是神經影像學研究發現大腦功能的異常的主要方法，腦熵作為一種非線性信號處理技術是探測大腦fMRI 動力學復雜度的新方法[18]。大腦活動的熵等同于根據香農信息理論[6]的信息，可以反映大腦活動的變化。但既往研究中采用的傳統香農熵仍存在如下缺點：未對數據中存在的任何時間結構進行解釋，存在于時間動態中的信息可能遺漏；必須事先指定概率分布函數；無法描述系統的混沌狀態[19]。鑒于上述原因本研究采用穩健、快速、簡單且可量化動態系統的組織屬性和時間結構的PE方法作為衡量大腦復雜度的指標。PE 是由Bandt 等[14]提出的通過統計某些排列模式的出現或缺失概率來衡量信號復雜度的算法。相比其他常用的熵度量，如近似熵[20]（approximate entropy, ApEn）和樣本熵[21]（sample entropy, SampEn），PE 具有簡單性、計算復雜度低、無需進一步的模型假設及在動態噪聲存在下的魯棒性等優勢。ApEn 和SampEn 都僅基于幅度，而忽略了時間序列的順序。作為基于時間序列自然序數模式的符號動態度量，PE 只考慮樣本的等級，而不考慮它們的指標。目前，PE 已用于人類失神癲癇的EEG 信號研究[8]、典型失神發作[22]等多種疾病，多種PE 算法還應用于雙相情感障礙[23]、重度抑郁癥[24]、主觀認知下降[4]等疾病的fMRI研究，但目前較少有研究將其應用于PD 及PD-Dep 的相關研究。PE 作為研究大腦復雜性異常的有效手段，將其應用于PD 及PD-Dep 的研究為未來的神經影像學發展提供了新思路。此外，既往研究中PE 分析廣泛應用于EEG 數據，但卻較少應用于fMRI 數據[25]。fMRI 較EEG 有較高的空間分辨率，本研究采用PE 分析法可以定位發生時間動態或局部信息變化的大腦區域[26]，因此將PE 應用于fMRI數據是可行且具有一定意義的。本研究將PE 的復雜度分析方法應用于高空間分辨率的HCs、PD-NDep、PD-Dep 患者的fMRI 數據的分析中，并發現腦區復雜度上的變化，通過PE 反映大腦處理傳入或傳出信息的能力有助于PD伴抑郁的診斷和治療。

3.2 PD-Dep患者異常腦區PE改變的可能機制

本研究中PD 患者右側顳下回PE 較HCs 升高，提示被試組患者右側顳下回在靜息狀態下的信息處理容量增加[27]，處理信息的能力增強，時間信號的復雜性及變異性升高，意味著該腦區大腦活動的混亂程度比其他腦區增加，這可能是由PD 導致的組織內部之間或與外部的聯系存在異常造成的[28]。顳下回參與高級認知功能，如視覺辨認、語言理解、決策及情緒調節等，是默認網絡的一個重要功能區域[29-30]。顳葉在情緒調節中發揮關鍵作用，與杏仁核、眶額葉、前額葉、基底前腦和下丘腦等與情緒相關的關鍵結構密切相關，既往文獻報道顳葉與嚴重的抑郁和焦慮癥以及各種疾病導致的抑郁和焦慮癥狀有關[31-32]，同時PD-Dep患者顳葉的自發活動及功能連接存在異常[33-34]。PD 患者顳葉復雜度的改變反映了其神經活動的異常，情緒調節能力受損，導致PD患者出現抑郁癥狀，因此本研究結果支持以往的研究結果。既往研究還發現PD 患者腦干中的中縫核和藍斑，在疾病的早期階段就已受到損傷，部分大腦皮層受損晚于腦干[35]。而主要來源于中縫核、藍斑、黑質和腹側被蓋區的單胺類神經遞質缺乏及受體敏感性異常是原發性抑郁癥的重要發病機制[36]。PD 患者與原發性抑郁癥患者都存在中縫核及藍斑的異常，二者間是否有共同的病理生理機制仍有待進一步研究。本研究中顳下回的PE 值改變，為PD 患者抑郁的病理機制提供了新的理論支持。顳下回的復雜度異常可能與PD伴隨的認知、情緒障礙等抑郁癥狀有關，顳下回局部神經元活動異常可能導致PD患者出現抑郁癥狀。

本研究中PD-Dep 組右側扣帶回中部的PE 值較PD-NDep 組增高，左側前扣帶回PE 值較HCs 組減低。扣帶回負責注意力和情感信息的整合,與認知控制和情感行為相關[37-38]，作為構成邊緣系統的重要組成部分其神經元損傷會導致PD 神經精神癥狀的出現[39-40]。扣帶回PE 的改變可能是由于PD 神經退行性改變所導致相應腦區損傷，引起大腦處理情感信息的能力改變產生抑郁癥狀，抑郁癥狀產生后相關腦區靜息態腦活動增強以維持患者的注意力及情緒管理功能，由此我們推測這些腦區的復雜度改變可能是一種代償機制[28]，其復雜度改變可能對應神經元網絡受損的不同階段。前扣帶回損傷會影響神經系統條件反射的能力，使情緒控制能力下降，引起PD的抑郁癥狀，其PE 值減低提示PD-Dep 患者腦區活動的復雜性降低。在本研究中左側前扣帶回熵值的降低可能意味著損傷已超過了可代償范圍，系統平衡無法繼續維持，相應損傷腦區信息處理能力減弱，同時導致大腦處理各種傳入和傳出信息的靈活性較低，繼而出現抑郁癥狀。Wang 等[25]的研究也證實了神經元損傷會引起大腦復雜度的減低。在本研究中還發現PD-Dep 組PE 值較PD-NDep 組升高，表明在可代償的范圍內，右側扣帶回中部熵值增高可能是損傷后大腦功能的維持，通過代償提高信息處理的能力，增加靜息態腦活動，但目前仍需進一步的研究來探索其相關機制。與此同時，右側扣帶回中部與HAMD 評分之間的相關性分析表明隨著大腦活動復雜性的增加，癥狀嚴重程度增加。值得注意的是，有研究發現原發性抑郁癥患者前扣帶回ALFF較HCs升高[41]，表明局部腦區神經元自發性活動亢進，研究得出的結論不一致的原因可能是本研究中PD-Dep 患者年齡較大，后續研究中應進一步分析前扣帶回PE 值減低是由于PD 神經元退行性改變引起局部腦區損傷所導致，還是由于衰老引起的復雜度減低的正常后果。由此可推測前扣帶回異常導致PD患者產生抑郁癥狀的機制與原發性抑郁癥患者存在差異。多項研究[34,42]發現由于抑郁癥狀的存在，扣帶回存在自發活動及連接功能的異常，由于該區域功能紊亂，患者相關腦區活動復雜度發生改變，提示扣帶回的功能狀態可作為評估PD伴抑郁嚴重程度的重要生物標記。

3.3 局限性

本研究尚存在一些局限：（1）本研究是橫斷面研究，樣本量較小；（2）抑郁癥是一種異質性疾病，PD-Dep 的神經機制可能與一般人群的抑郁癥不同；（3）缺乏原發性抑郁癥組，PD-Dep 是否與原發性抑郁癥具有共同的病理生理學機制仍有待進一步探索。后續研究需要進行縱向隨訪觀察，并通過增加樣本量進一步提高我們對PD 患者抑郁的神經機制的理解。在未來使用多模態MRI 技術的大規模研究并結合不同的分區方案多種算法分析，進一步探索PD-Dep的發病機制。

綜上所述，PD-Dep 的病理生理起源非常復雜，涉及多個神經遞質系統和廣泛的大腦區域。采用PE分析HCs、PD-NDep組及PD-Dep組的fMRI數據的復雜度得到局部差異腦區，一定程度上反映了其病理機制的復雜性，表明PE 可以作為研究PD 伴抑郁患者大腦復雜度的一種新方法，同時為疾病輔助診斷、病情評估及治療提供參考。

作者利益沖突聲明：全部作者均聲明無利益沖突。