睡眠剥夺的功能磁共振影像学研究进展

邱淦滨 马立恒（通讯作者） 刘谋源 梁钰莹 纪亚芸（广东药科大学附属第一医院影像科 广东 广州 510000）

引言

随着现代人生活节奏的加快，社会、环境等因素的压力增加，熬夜、睡眠时间不足已经成为年轻人的新常态，睡眠质量低下成为大多数现代人的通病。SD是指由于环境或自身原因无法满足正常睡眠的一种情况，表现为睡眠减少或中断，一般指在24h内睡眠时间小于4h。大量的实验表明：SD可以引起个体在情绪、认知、学习记忆及注意力等多方面的改变，如增加患抑郁症风险、记忆力下降及反应时间延长等[1-2]。随着现代睡眠医学的建立，越来越多的学者在关注SD的机制，但迄今为止仍没有一种学说或理论可以完整解释SD后人脑发生一系列的变化。现在SD的研究方法仍比较单一，这或许是制约学者进一步探究其本质的重要原因之一。笔者就rs-fMRI、DTI及人脑连接组分析方法进行简要综述。

1.静息态脑功能MRI对睡眠剥夺研究的进展

21世纪初，一些学者注意到人脑在不执行任何任务时并不完全处于静止状态，而是保持着一种低能量代谢状态，学者们把这一现象称为静息态（Resting-state）。血氧水平依赖功能磁共振成像是近年来广泛应用于自闭症[3]、双相情感障碍[4]等心理学及神经系统疾病影像学的一种新兴功能成像技术。其原理是根据机体血液内脱氧血红蛋白与氧合血红蛋白比例不同，在磁共振图像上呈现不同强度的信号，继而间接反应大脑某个时刻的功能状态。BOLD-fMRI是目前SD研究中最常用的一种方法。其常用的数据分析方法有：局部一致性ReHo、低频振幅 ALFF、独立成分分析ICA及功能连接。本文侧重介绍前两种分析方法的研究进展。

1.1 局部一致性（Reho）

由Zang[5]等在2004年首次提出，该团队认为脑活动是基于多个体素为单位或脑区来实现的，利用肯德尔系数(KCC)分别计算感兴趣体素与相邻体素的ReHo值，确定感兴趣区内各体素之间时间顺序的一致性，从而可以反应局部脑活动的同步性。该方法最大特点就是突破以往线性时不变理论假设，是脑fMRI数据分析的新假说，近年来得到广泛应用。Peng等[6]首次将ReHo分析方法用于研究重度阻塞性睡眠呼吸暂停患者的脑功能变化，他们发现实验组的右额内侧回、右额上回、楔前叶、角回的ReHo值较对照组显著降低，其中楔前叶是构成默认网络的关键脑区，并且在认知功能中起到重要作用。以前的睡眠相关研究均留意到楔前叶的异常变化，学者们相信长期睡眠剥夺人群存在的不同程度认知能力低下与楔前叶受损有关。他们认为楔前叶的功能损害有部分原因可能是由于连接减少导致形态受损区域的“远隔效应”造成的，睡眠时间减少是导致楔前叶障碍的一个重要因素。此外，上述脑功能区还负责行为、情绪、记忆等信息处理，与Xu H[7]等通过行为学数据和执行任务实验探讨SD前后有关工作记忆和执行能力方面脑区变化的研究结果基本一致，说明SD是通过“损伤”相应功能脑区、引起多个脑区网络紊乱而导致的。

1.2 低频振幅(ALFF)

该方法同样是由Zang等人[8]在2007年提出并阐述其具体计算方法。其基本原理是将fMRI扫描数据进行傅里叶变换得到功率谱，再计算感兴趣区内各体素在0.01～0.08Hz内振荡幅度，通常用平均值来表示该体素自发活动的强弱。ALFF主要是根据局部脑活动引起的能量代谢来反应各体素间神经活动的一致性。Xi-Jian Dai等[9]同时用ALFF及ICA两种方法分析12名健康男性经72小时睡眠剥夺后的影响，该研究表明SD组任务反应时间较对照组明显延长，这与Kreutzmann[10]在研究睡眠剥夺与认知、注意力等关系中得出的结论趋于一致。但是上述两种方法得出有显著性的脑功能区并不是完全一致的，这可能是因为上述评价指标都是衡量神经细胞自发活动，与某个时刻脑血流有关。另一方面，ALFF反映的是目标体素的低频振荡振幅，而后者则反映的是目标体素与周围体素在时间序列上的一致性。说明在研究睡眠剥夺与脑认知过程中，单一的分析方法或许不能完整解释其内在联系。

2.DTI在睡眠剥夺的研究进展

脑白质最主要的一个功能就是连接各脑区，而不同方向的神经纤维束是构成白质的基础，神经纤维束走向、形态可以反映脑结构完整性。DTI的基本原理是假设生物组织内水分子的布朗运动呈高斯分布，通过测量脑结构中水分子弥散方向和扩散速率，进而观察和示踪脑白质神经纤维束的走向及完整性。DTI在三维空间定量分析水分子弥散情况，属于二阶张量，常用参数包括FA、ADC及平均扩散率（mean diffusivity，MD）。定量评价白质纤维各项异性程度最常用的指标是FA、MD，FA取值为0～1，0代表各项同性弥散，各项异性越低数值越接近0，信号强度越低，例如：脑脊液；1则代表最大各项异性，脑白质则是另一个典型的代表。Basser等人在1994年就比较详细阐述了扩散张量成像的基本理论[11-12]。纤维束追踪算法是DTI最主要的分析方法，而它可以分为确定性算法和概率性算法两大类。这两种算法有各自的特点，前者只能追踪一个方向的纤维并且不能处理纤维交叉的问题，随着纤维束的延长容易出现方向偏差，其优势是计算量较小；而后者由于其计算大，不可避免会产生一些伪连接，但是它精度较确定性算法高，能有效减少噪声及部分容积效应的影响。近几年随着大数据崛起和图像处理新理论的突破，高角分辨率弥散成像数据分析方法逐渐成为该领域的热点[13-14]。Elvsåshagen等[15]对21名健康志愿者用DTI成像技术采集了三次全脑数据，分别是23h睡眠剥夺前后和距离第一次采集数据的第14小时。他们分析第二次与第一次的数据发现，右额颞叶、右枕叶、左前额叶等脑区的FA、MD和是普遍增加的，FA尤为显著。随后他们对SD前后的数据进行分析，SD后的AD在整个大脑呈普遍性降低，双侧额颞叶和枕叶、丘脑的FA也是呈下降改变，MD则没有显著性差异。该实验研究表明了脑白质神经纤维具有生理可塑性及对睡眠剥夺具有较高敏感性，白天觉醒状态下白质纤维束连接会显著增加，随着疲劳程度的增加其连接纤维束又趋于下降；这一结果与其它学者观察到的实验结果基本一致，并且Elvsåshagen等人认为SD后FA值出现较大的变化，与白质纤维束的髓磷脂和轴突膜发生了改变有关。这与Li等[16]提出的观点一致，但SD后白质内微细结构的改变仍有待进一步被证实。

3.人脑连接组分析方法对睡眠剥夺研究的进展

20世纪末，一些神经科学家已经认识到构建人脑结构网络的重要性及必要性，并首次提出了人脑连接组(human connectome)这一概念[17-19]，以期唤起各领域科学家的重视。随着现代脑成像技术和统计物理学的突破，尤其是复杂网络理论的建立，为人脑连接组的分析研究提供了有力支持。2005年，美国著名复杂脑网络分析专家Sporns[20]教授认为人脑连接组理论上可以从微尺度(microscale)、中间尺度(mesoscale)和大尺度(large-scale) (分别代表神经元、神经元集群和大脑脑区3个水平)上进行复杂网络的构建，但人类大脑的神经元和神经元集群数量庞大，相互联系极为复杂，现阶段的技术难以构建，因此目前该领域的研究主要集中在大尺度层面上。

图论是目前分析复杂网络领域中最主要的数学工具，由于它非常直观、简洁，且功能强大，已经在社会网络[21]、信息网络[22]及生物网络[23]广为应用。复杂网络的基本单元是节点和边，因此如何定义网络的节点和边是构建网络的关键。常用的复杂网络模型有：随机网络、规则网络、小世界网络。复杂网络的拓扑属性通常包括以下几个：平均最短路径（the characteristic path length，Lp）、全局效率、聚类系数（the clustering coefficient，Cp）。研究者通常也是以上面几个指标评价研究对象之间是否存在差异。小世界网络属性则是指同时具有高聚类系数、较短平均最短路径的网络。1998年，美国物理学家Watts和Strogatz[24]首次提出了“小世界网络”模型，此后复杂网络引起了各领域学者的关注。Ferri等人[25]发现睡眠期间EEG慢波同步的网络组织显示了小世界网络的特征,随后他们利用网络拓扑特性中的聚类系数及平均最短路径对19名健康志愿者进行分析，发现受试者Cp在清醒阶段比睡眠期间显著降低，而Lp则没有显著性差异，他们还发现大脑某些网络修复或重塑是在深度睡眠期间进行的，睡眠剥夺则会干扰这一过程产生更多随机网络。这或许可以解释睡眠期间“网络重构”可能是了解“全脑”与“局部”神经可塑性的关键机制之一。

4.结语与展望

目前，关于睡眠领域相关的研究已经取得了不少成果，特别是在昼夜节律方面的研究已经达到基因水平[26]。功能磁共振成像(fMRI)的发展进一步拓宽了探讨睡眠功能的思路，为更深入了解睡眠剥夺的作用机制提供了新手段。而复杂网络及图论分析的应用则突破了目前仅能从某个功能区来研究脑科学、认知科学的局限性，图论分析方法为我们从全脑尺度、深层次地了解大脑的机制及病变原理提供了可能性，为探索生命本质打开了一个全新的大门。

最近，Andres等人[27]利用无创深部脑刺激技术在小鼠海马深处激活神经元，这预示着对人类大脑深层目标的非侵入性、空间精确性刺激成为可能。近年来由于各个学科的不断细化，分工更加精细、明确，这使得我们需要跨学科、多层次、全方位交叉深入研究，随着人工智能的发展、大数据的整合及影像组学等技术的兴起，笔者认为有关睡眠剥夺的内在机制会得到进一步揭示，并且具有重要的临床价值和应用前景。

[1] Avinun R,Nevo A,Knodt A R,et al.Reward-Related Ventral Striatum Activity Buffers Against the Experience of Depressive Symptoms Associated with Sleep Disturbances.[J].Journal of Neuroscience, 2017, 37(40):9724.

[2] Angel J D,Cortez J,Juárez D,et al.Effects of sleep reduction on the phonological and visuospatial components of working memory[J]. Sleep Sci, 2015, 8(2):68-74.

[3] Barbeau E B,Lewis J D,Doyon J,et al.A greater involvement of posterior brain areas in interhemispheric transfer in autism:fMRI,DWI and behavioral evidences.[J].Neuroimage Clin,2015, 8:267-280.

[4] Gruber S A,Dahlgren M K,Sagar K A, et al.Decreased Cingulate Cortex activation during cognitive control processing in bipolar disorder[J].Journal of Affective Disorders,2017,213:86-95.

[5] Zang Y,Jiang T,Lu Y,et al.Regional homogeneity approach to fMRI data analysis.[J].Neuroimage, 2004, 22(1):394-400.

[6] Peng D C,Dai X J,Gong H H,et al.Altered intrinsic regional brain activity in male patients with severe obstructive sleep apnea:a resting-state functional magnetic resonance imaging study[J].Neuropsychiatric Disease &Treatment,2014, 10(default):1819.

[7] Xu H,Shen H,Wang L,et al.Impact on resting-state dynamic functional connectivity following 36 hours of total sleep deprivation[J]. Brain Research, 2017.

[8] Yang H,Long X Y,Yang Y,et al.Amplitude of low frequency fluctuation within visual areas revealed by resting-state functional MRI.[J].Neuroimage,2007, 36(1):144-152.

[9] Dai X J,Liu C L,Zhou R L,et al.Long-term total sleep deprivation decreases the default spontaneous activity and connectivity pattern in healthy male subjects:a restingstate fMRI study[J].Neuropsychiatric Disease & Treatment,2015,11(default):761-772.

[10] Kreutzmann J C,Havekes R,Abel T,et al.Sleep deprivation and hippocampal vulnerability:changes in neuronal plasticity,neurogenesis and cognitive function[J].Neuroscience,2015,309:173-190.

[11] Basser P J,Mattiello J,Lebihan D.MR Diffusion Tensor Spectroscopy and Imaging[J].Biophysical Journal,1994,66(1):259-67.

[12] Basser P J,Mattiello J,Lebihan D. Estimation of the effective self-diffusion tensor from the NMR spin echo.[J].Journal of Magnetic Resonance,1994, 103(3):247.

[13] Varentsova A,Zhang S,Arfanakis K.Development of a high angular resolution diffusion imaging human brain template.[J].Neuroimage,2014,91(2):177-186.

[14] Xie S,Zuo N,Shang L,et al.How does B-value affect HARDI reconstruction using clinical diffusion MRI data?[J].Plos One,2015,10(3):e0120773.

[15] Elvsåshagen T,Norbom L B,Pedersen P Ø,et al.Widespread Changes in White Matter Microstructure after a Day of Waking and Sleep Deprivation[J]. Plos One, 2015, 10(5):e0127351.

[16] Li S,Tian J,Bauer A,et al.Reduced Integrity of Right Lateralized White Matter in Patients with Primary Insomnia:A Diffusion-Tensor Imaging Study.[J]. Radiology,2016,280(2):152038.

[17] Sporns O,Tononi G,Kotter R.The human connectome:A structural description of the human brain. PLoS Comput Biol,2005,1:42.

[18] Lehrer J.Neuroscience:Making connections.Nature,2009,457: 524-527.

[19] Varela,Lachaux F,Rodriguez J P,et al. The brainweb:Phase synchronization and large-scale integration.Nat Rev Neurosci,2001,2:229-239

[20] Sporns O,Tononi G,Kotter R.The human connectome:A structural description of the human brain.PLoS Comput Biol,2005,1: 42.

[21] Varentsova A,Zhang S,Arfanakis K.Development of a high angular resolution diffusion imaging human brain template.[J].Neuroimage,2014,91(2):177-186.

[22] Abbott J T,Austerweil J L,Griffiths T L.Random walks on semantic networks can resemble optimal foraging.[J].Psychological Review,2015,122(3).

[23] Podani J,Oltvai Z N,Jeong H, et al.Comparable systemlevel organization of Archaea and Eukaryotes.[J].Nature Genetics,2001,29(1):54-56.

[24] Watts DJ,Strogatz SH.Collectivedynamics of’smallworld’ networks[C]// Nature. 1998:440-442.

[25] Ferri R,Rundo F,Bruni O,et al.Small-world network organization of functional connectivity of EEG slow-wave activity during sleep.[J].Clinical Neurophysiology,2007,118(2):449-456.

[26] El-Athman R,Genov NN,Mazuch J,et al.The Ink4a/Arf locus operates as a regulator of the circadian clock modulating RAS activity[J].PLoS biology,2017,15(12):e2002940.

[27] Lozano A M.Waving Hello to Noninvasive Deep-Brain Stimulation.[J].New England Journal of Medicine, 2017,377(11):1096.