腦功能連接及非線性動力學分析在發作控制的嬰兒痙攣癥患兒腦功能評估中的應用

葉小飛 胡盼盼 楊陽 汪曉翠 高丁 李強 楊斌

（1.復旦大學附屬兒科醫院安徽醫院/安徽省兒童醫院神經科，安徽合肥 230022；2.安徽醫科大學第一附屬醫院神經內科，安徽合肥 230032）

嬰兒痙攣癥（infantile spasm, IS）是一種嬰兒早期癲癇綜合征，以癲癇性痙攣為特征，通常伴有神經發育倒退/遲滯和腦電圖（electroencephalogram,EEG）高度失律。據報道，其發病率為（2～4.5）/10 000 存活嬰兒［1-2］。2022 年最新的國際抗癲癇聯盟（International League Against Epilepsy, ILAE）分類中，IS 及其相關綜合征被重新命名為“嬰兒癲癇性痙攣綜合征”（infantile epileptic spastic syndrome, IESS）［3］。IS大多預后不良，存在發作類型轉換或難以控制、智力障礙等，其中認知損傷最為突出。一項長達11.3 年的隨訪研究證實86%IS患者有認知障礙，65%存在持續癲癇發作［4］。

EEG 是診斷癲癇最重要的方法。傳統EEG 醫師的目視檢查在IS 的診治中發揮重要作用。但少數發作控制且EEG 目測正常的患兒仍存在認知損傷，目測EEG 無法評估其腦功能狀態，因此需要尋找新的方法。定量EEG 分析可挖掘腦區間的相互作用，反映腦功能障礙［5］。Shrey等［6］對癲癇性痙攣嬰兒的EEG 進行定量分析發現，痙攣組比對照組有更強、更穩定的功能網絡。所有治療有效者（定義為痙攣發作終止）腦功能連通性強度均下降，治療無反應者則出現了連通性強度的增加。傳統的EEG 特征不能反映腦網絡情況并對其預后進行預測。因此，本研究擬對治療后發作控制且目測EEG 正常的IS 患兒的EEG 進行定量分析，以期了解其與正常同齡兒童的差異，尋求判斷IS 兒童腦功能狀態的神經生物學指標。

1 資料與方法

1.1 研究對象

回顧性選擇2019年1月—2023年1月安徽省兒童醫院兒童神經科就診的IS 患兒為研究對象。納入標準：（1）至EEG 檢查時無抽搐發作且已停藥2個月以上，EEG目測正常。（2）IS診斷參照ILAE制定的診斷標準［3］，即屈肌、伸肌或混合性癲癇性痙攣；成串發作；發作間期EEG 為高度失律、多灶性或局灶性癲癇樣放電；發病年齡＜2 歲；痙攣發作及EEG的高度失律均為對稱性。排除標準：臨床資料不齊。

選擇同期性別、年齡匹配的14 例健康體檢兒童為健康對照組。納入標準：（1）無已知的神經系統疾病，發育正常；（2）EEG 被認證的兒科癲癇醫師判讀為正常。

本研究通過安徽省兒童醫院醫學研究倫理委員會批準（EYLL-2018-054），并獲得患兒監護人的知情同意。

1.2 腦電數據收集

回顧性收集每個受試者的數字頭皮EEG記錄。EEG 均采用日本Kohden EEG 采集系統，根據國際10-20 標準放置19 個電極，采集時長3～4 h，腦電采集全程錄像。

1.3 腦電數據處理

由專人負責腦電數據處理，其對所有研究對象信息及分組情況不知情。腦電數據離線分析采用MATLAB R2023a 軟件及其腦電分析子軟件EEGLAB 工具包。首先對采集的數據進行預處理：統一采樣率為200 Hz，然后將數據在1～45 Hz之間進行帶通濾波，分段并剔除壞段后進一步處理。

（1）功能連接分析：首先對每個通道的所有分段做Z分數標準化，使其均值為0，標準差為1。再通過計算每個分段上兩兩通道之間的最大互相關值來衡量其功能連接的強度。為了評估互相關值的顯著性，先標準化處理，即將Fisher變換后的互相關值除以其標準差；然后將標準化之后的互相關值與基線分布進行對比，確定每1 s 分段的每個通道對是否顯著。上述過程重復迭代1 000次后再對其生成的標準化相關值進行排序，大于或等于其第95 百分位數的任何值被定義為顯著性閾值（記為T）。隨后使用基于網絡的統計分析法比較IS組和健康對照組之間的功能連接差異，以解決連接組數的多重比較問題。首先對每條連邊獨立地進行兩樣本t檢驗，設置顯著性水平為0.001（不進行多重比較校正），差異有統計學意義的相互連接的連邊被用于形成若干個子網絡，并計算每個子網絡的大小（所包含的連邊條數）。接著采用置換檢驗，對2組被試進行10 000次隨機置換，每次置換后用同樣的方法篩選出最大子網絡，最后計算置換前的子網絡在置換得到的最大子網絡分布中的排序，即為團塊P值，能夠排在前5%的子網絡被認為是顯著的。

（2）網絡穩定性分析：獨立數據集上測量時連接強度一致的網絡被視為“穩定”功能網絡。通過將完整的EEG 數據集分割成一系列固定時間長度的窗口來創建獨立數據集，計算每個窗口內的連接強度。然后通過計算每個時間窗口與其余時間窗口的連接矩陣的2D 相關性均值（MATLAB函數“corr2”）來比較它們的功能網絡。對于25 s、50 s、75 s、100 s、125 s、150 s、175 s 和200 s 一系列不同長度的時間窗口，分別重復此過程，并計算每個長度時間窗口下所有被試相關值分布的均值和95%置信區間，最后使用偽發現率（false discovery rate, FDR）對所有時間長度的統計P值進行校正。

（3） 非線性動力學分析：計算近似熵（approximate entropy, EnAP）、 樣本熵（sample entropy, EnSA）、 排列熵（permutation entropy,EnPE）、 LZ 復雜度 （permutation lempel-ziv complexity, PLZC）。EnAP 是一種描述信號復雜性和不規律性的統計量，常用于分析腦電等生物信號。計算過程如下：①輸入參數；②構建子序列；③計算子序列間的相似度；④計算所有子序列的相似度比例的均值；⑤重復步驟②～④，計算m+1長度的子序列的相似度比例的均值；⑥計算EnAP。EnAP 的計算公式為EnAP(m，r) =φm(r)-φm+1(r)。取m=2，r為0.2 倍的信號標準差。同樣的步驟進行EnSA 計算，其公式為EnSA(m，r) =-ln[φm(r)/φm+1(r)]。EnPE計算步驟如下：①輸入參數；②構建子序列；③構建排列模式；④計算各排列模式的概率；⑤計算EnPE。EnPE的計算公式為EnPE(m，τ) = -sum[pi×ln(pi)]，其中pi是第i種排列模式的概率。在計算過程中，如果某種排列模式的概率為0，則忽略該項。通過以上步驟，可以得到EEG 信號的EnPE。其中m=3，τ=1。PLZC 計算過程主要基于數據序列的壓縮性能。步驟如下：①輸入參數；②構建子序列；③構建排列模式序列；④計算復雜度。通過以上步驟，可以得到EEG信號的LZ 復雜度。最后對各個電極的非線性動力學指標進行兩樣本t檢驗（組間比較），并進行FDR校正。

1.4 統計學分析

應用SPSS 26.0及MATLAB軟件進行數據分析。符合正態分布的計量資料以均數±標準差（±s）表示，2 組間比較采用兩樣本t檢驗。計數資料以例數和率（%）表示，組間比較采用χ2檢驗。功能連接統計指標采用基于網絡的統計分析法進行多重比較校正，網絡穩定性及非線性動力學的P值均采用FDR 多重比較校正。P＜0.05 為差異有統計學意義。

2 結果

2.1 IS組與健康對照組基本特征比較

共納入IS 患兒14 例；健康對照組因腦電數據質量不合格剔除2例，最終納入12例。2組兒童性別（χ2=0.248，P=0.619）、 年齡（t=0.159，P=0.875）比較差異均無統計學意義。

2.2 功能連接

2 組兒童19 個通道腦功能連接情況見圖1。與健康對照組比較，IS 組腦網絡連通性增強，其中Fp2 與F8 兩通道之間的連接顯示IS 組顯著大于健康對照組，團塊P值為0.033，連邊t值為4.21，差異有統計學意義。

圖1 IS組與健康對照組腦網絡連接圖 圖A：第一行矩陣圖表示各通道之間的腦網絡連接情況，第二行拓撲圖顯示連接強度大于0.15的通道。不同顏色表示不同的功能連接強度，其中紅色系表示功能連接強度較強，藍色系表示功能強度較弱，綠色系表示功能連接強度中等。圖B：健康對照及IS組間腦網絡連接強度差異有統計學意義的通道。不同顏色表示不同的統計量t值，紅色表示IS組功能連接強度大于健康對照組。

2.3 網絡穩定性

比較IS 組與健康對照組在不同長度時間窗口下的網絡穩定性，結果發現，在25～200 s所有長度時間窗口下，IS 組網絡穩定性均高于健康對照組（P＜0.05）。見圖2。

圖2 IS 組和健康對照組在不同長度時間窗口下的網絡穩定性 健康對照組（灰）和IS 組（黃）在不同長度時間窗口下的網絡穩定性，實線表示每組的均值，陰影部分表示95%置信區間。

2.4 非線性動力學分析

IS組僅在Fz電極上EnSA小于健康對照組，差異有統計學意義（P＜0.05），見表1。2組兒童所有電極上的EnAP、EnPE、PLZC 比較差異均無統計學意義（均P＞0.05），見圖3。

表1 IS組和健康對照組的各電極EnSA比較 （± s）

注：［Fz］額中線；［Cz］中央中線；［Pz］頂中線；［Fp1］左額極；［Fp2］右額極；［F3］左額；［F4］右額；［C3］左中央；［C4］右中央；［P3］左頂；［P4］右頂；［O1］左枕；［O2］右枕；［F7］左前顳；［F8］右前顳；［T3］左中顳；［T4］右中顳；［T5］左后顳；［T6］右后顳。

FDR校正后P值0.048 0.135 0.155 0.182 0.194 0.135 0.187 0.135 0.135 0.187 0.187 0.261 0.156 0.187 0.187 0.106 0.187 0.135 0.261 EnSA Fz Cz Pz Fp1 Fp2 F3 F4 C3 C4 P3 P4 O1 O2 F7 F8 T3 T4 T5 T6健康對照組(n=12)0.74±0.07 0.69±0.06 0.67±0.03 0.79±0.15 0.78±0.13 0.85±0.13 0.83±0.10 0.81±0.09 0.79±0.08 0.75±0.09 0.75±0.07 0.78±0.12 0.84±0.17 0.82±0.12 0.79±0.12 0.97±0.15 0.96±0.15 0.89±0.16 0.93±0.16 IS組(n=14)0.59±0.14 0.59±0.15 0.59±0.15 0.67±0.20 0.69±0.20 0.70±0.22 0.73±0.21 0.67±0.20 0.68±0.18 0.66±0.17 0.66±0.17 0.68±0.27 0.68±0.26 0.71±0.24 0.69±0.19 0.76±0.22 0.83±0.27 0.73±0.20 0.82±0.28 t值3.37 2.08 1.93 1.73 1.40 2.09 1.47 2.21 2.07 1.60 1.67 1.15 1.87 1.46 1.46 2.75 1.53 2.23 1.17

圖3 IS 組和健康對照組的組平均非線性動力學指標地形圖 圖A、B、C、D 分別為EnAP、EnPE、EnSA、PLZC組均值地形圖。每個圖左側為健康對照組，右側為IS組，其中最大值為紅色，最小值為藍色。

3 討論

IS 為最常見的嬰兒期起病的癲癇性腦病，發作難以控制，并伴有嚴重的認知損傷［4］。該病起病年齡多在生后2 年內，高峰發病年齡為3～7 月齡［7］。生命早期是腦發育的關鍵時刻，因此IS 對患兒遠期認知功能影響可能超過疾病本身。Gaily等［8］對IS 患兒進行長期隨訪發現，在痙攣發作控制且EEG 正常后，10/15 患者存在認知缺陷，6/15患者的精細運動功能和知覺發育出現延遲，精神疾病、多動行為亦多見。即使智力正常，仍可能存在特定的學習缺陷。因此探尋有效的腦功能評估方法，進行早期積極干預，對改善患兒預后有重大意義。

隨著功能磁共振成像、EEG 等技術的發展，腦部疾病與大腦區域之間功能連接異常的相關性被廣泛關注，目前認為疾病狀態時，正常腦網絡受到破壞［9］。Sunwoo等［10］對快速眼動睡眠期行為障礙患者的定量腦電進行研究，發現其腦功能連接顯著增強，功率譜明顯下降。EEG 在癲癇等發作性疾病診斷中應用廣泛，而定量EEG 分析可以進行癲癇發作預測、藥物治療監測、認知評估等［11-13］。

EEG 在IS 患兒中應用廣泛，其中高度失律或痙攣發作期腦電改變是痙攣診斷的重要依據［14］。發作控制的患兒中，13%的IS 患兒目測EEG 正常［15］，此時可借助EEG 的定量特征預測療效及遠期結局，如頭皮腦電的高頻振蕩［12］。本研究嘗試探索IS 患兒發作控制后的腦網絡及非線性動力學特征，結果發現IS 組與健康對照組間存在腦網絡連接強度及穩定性的差異。IS 組網絡連接強度大于健康對照組，其中Fp2 與F8 兩通道之間的連接組間差異有統計學意義。既往研究亦發現痙攣患者有很強的網絡連通性，且IS 患兒的腦網絡特點與治療反應和長期預后相關［6］。網絡穩定性與網絡間的交互作用有關。Chen等［16］對健康成人反芻思維狀態腦網絡穩定性研究發現，額頂控制網絡穩定性上升，提示該網絡與其他腦區之間交互的靈活性下降，表現為反芻思維時成人思維內容、形式單一和思考主題狹隘。本研究發現在25～200 s所有長度時間窗口下，IS 組網絡穩定性均顯著高于健康對照組。提示IS 患兒腦區間交互的靈活性不足，可能與痙攣患兒癲癇控制后仍有不同程度的認知損傷有關。

腦電波具有很復雜的動力學特性。采用非線性動力學方法對腦電信號進行分析，在觀測信號的復雜度方面比傳統的時頻域分析更加有效。常用的非線性動力學參數包括EnAP、EnSA等，這些物理概念應用在生物信號分析中，可以定量描述信號復雜度，為解釋腦信號波動特征的生物學意義提供參照，也為深入理解大腦功能提供了更加可靠的神經生理學標志［17］。本研究嘗試使用EnAP、EnSA、EnPE、PLZC 對IS 組及健康對照組兒童的腦電復雜度進行分析，結果發現，IS 組與健康對照組在Fz 電極上的EnSA 差異有統計學意義，表現為IS 組小于健康對照組。皮質復雜度代表神經活動的分化或多樣性，皮質復雜度降低在生物學上代表信息共享或處理減少［18］。故而推測癲癇控制、EEG 正常的IS 患兒皮質信息處理能力下降，可能導致其學業、認知等能力缺陷。

綜上所述，本研究發現少數預后良好的IS 患兒仍存在腦網絡及復雜度異常。相對于健康兒童，IS 患兒在發作控制后仍存在腦區間交互的靈活性不足，同時大腦皮質的信息共享減少。結合既往研究，該類患兒發作控制后仍存在學習能力差等問題，故推測腦電定量分析指標可作為IS 腦功能狀態的神經生物學標志物。

利益沖突聲明：所有作者聲明無利益沖突。