功能MRI研究意识障碍进展

2022-12-28欧阳烽尹明雪曾献军

中国医学影像技术 2022年12期

欧阳烽，陈晔，尹明雪，王博，曾献军

(南昌大学第一附属医院影像科，江西南昌 330006)

人类意识包括觉醒状态和意识内容；觉醒与投射到丘脑和皮层神经元的上行网状激活系统有关，而意识则主要取决于丘脑、大脑皮层及其连接的功能完整性。脑网络指大脑内不同皮质区域通过结构或功能连接而形成的网络模式[1]，按其静息态下内在活动程度可分为不同神经网络。意识障碍(disorders of consciousness, DOC)包括最低意识状态(minimally conscious state, MCS)、无反应性觉醒状态综合征/植物状态(unresponsive wakefulness syndrome/vegetative state, UWS/VS)及昏迷[2]，以维持觉醒和意识的神经网络中断为其特征性表现[3]，或亦为意识受损的潜在神经生物学机制[4]。

目前对于DOC的具体病理生理学机制仍未完全明了，主要原因在于缺乏能够客观反映其脑网络机制演变过程的神经成像方法。临床行为评分量表、CT及MRI等可提供DOC相关信息，而PET/CT、功能MRI(functional MRI, fMRI)、脑电图(electroencephalogram, EEG)和经颅磁刺激(transcranial magnetic stimulation, TMS)等处于探索中的神经成像技术可弥补其不足[5]。本文就fMRI研究DOC进展进行综述。

1 DOC脑网络fMRI表现

fMRI技术兴起于20世纪90年代，通过建立神经血管耦合机制可产生血氧水平依赖(blood oxygenation level dependent, BOLD)信号，以反映大脑内在功能活动，目前主要用于探索认知及精神疾病。人脑主要通过多个高效而精细的区域网络模式控制意识运行，主要包括视觉网络(visual network, VIN)、听觉网络(auditory network, AUN)、执行控制网络(executive control network, ECN)和躯体运动网络(somatic motor network, SMN)等[6]。以往多基于脑功能网络的组织结构划分脑网络区域，较少考虑脑区功能状态的影响，且相关研究多进行组间分析，个体间的差异常被忽略。近年JI等[7]采用fMRI，基于皮质网络组织的神经生物学原理进行多模态全脑网络分割，在一定程度上弥补了既往分割方式的不足。

觉醒度相关神经影像学研究主要以DOC患者为观察对象，意识相关研究则多针对处于完全清醒状态下的健康受试者[8]。近期有学者[9-11]比较DOC患者、清醒非DOC志愿者及接受深度麻醉非DOC志愿者的静息态fMRI(resting-state fMRI, rs-fMRI)表现，以观察其意识特异性大脑区域和网络，结果显示人类意识基于大脑整合和功能多样性之间的时空动态性[9]，且主要依赖于默认模式网络(default-mode network, DMN)和背侧注意网络(dorsal attention network, DAN)的动态平衡及拮抗[10]；而包含辅助运动区(supplementary motor area, SMA)、前扣带回膝下侧区(supragenual anterior cingulate cortex, SACC)、双侧缘上回(supramarginal gyrus, SMG)和左侧颞中回(left middle temporal gyrus, LMTG)的大脑高阶感觉运动回路区域亦对维持意识具有重要作用：无意识状态下，上述区域之间的度中心性(degree centrality, DC)和功能连接(functional connectivity, FC)值均显著降低，且后者与意识水平显著相关[11]。

2 fMRI诊断及评估DOC

内在脑活动(intrinsic brain activity, iBA)在人脑功能中具有核心作用。CAO等[15]的fMRI观察结果显示，DOC患者后DMN、感觉网络及躯体运动网络FC降低，提示iBA波动变化有助于诊断DOC。YU等[16]针对UWS/VS患者、MCS患者及健康人，基于fMRI比率低频振幅方法(fractional amplitudes of the low-frequency fluctuation, fALFF)和动态fALFF(dynamic fALFF, dfALFF)观察区域脑活动强度及其稳定性，发现上述fMRI方法均有助于诊断DOC。DEMERTZI等[17]采用fMRI 观察MCS与UWS/VS患者，发现根据听觉和视觉皮质间的FC值可准确加以区分。

一项fMRI研究[18]基于连接组预测建模(connectome-based predictive modeling, CPM)，采用时间延迟估计(time delay estimation, TDE)方法对DOC患者进行临床评分，发现其性能优于昏迷恢复评分量表(coma recovery scale-revised, CRS-R)，其中小脑和前额叶皮层为关键区域，提示可使用iBA对DOC患者进行临床评分。QIN等[19]采用fMRI，基于DMN、ECN和突显网络(salience network, SN)分析不同意识水平脑损伤患者与健康人的静息态FC模式，发现利用SN、尤其前扣带回膝部-左前岛叶(supragenual anterior cingulate cortex-left anterior insula, SACC-LAI)FC值可有效区分有意识状态与无意识状态(即UWS/VS)；而DMN、特别是后扣带回皮质-左外侧顶叶皮质(posterior cingulate cortex-left lateral parietal cortex, PCC-LLPC)FC值则与意识恢复有关。

此外，临床各种评分量表，如格拉斯哥昏迷量表(Glasgow coma scale, GCS)及CRS-R等，亦可用于评估DOC，主要通过观察患者的睁眼、语言及运动反应评估其意识状态，由于主要依赖医师的主观判断，结果的可靠性相对较低，且因无法反映细微的意识变化而易误诊[20]。有学者[5,21]提出，联合应用CRS-R等高敏感性量表与fMRI等神经成像技术观察DOC患者隐匿意识，可显著提高诊断效能。

3 fMRI预测DOC预后

实验室检查指标为评估DOC患者预后的重要依据，但用于预测严重创伤性脑损伤(traumatic brain injury, TBI)、心跳呼吸骤停(cardiopulmonary arrest, CPA)及卒中所致DOC患者预后的可靠性较低[22-24]。既往研究[25]显示，fMRI指标——FC值可用于预测行为特征、精神及神经系统疾病。上升唤醒网络(ascending arousal network, AAN)由连接脑干被盖、下丘脑、丘脑及基底前脑的皮层下通路组成，为人类意识的重要组成部分[26]；研究[27]表明，采用BOLD-fMRI和弥散张量成像(diffusion tensor imaging, DTI)评估AAN结构和FC模式有助于预测急性TBI、CPA及卒中所致DOC患者的预后。PUGIN等[28]以rs-fMRI及机器学习方法进行研究，发现预后良好的CPA昏迷DOC患者的皮质-皮质FC值显著高于预后较差者。

YU等[24]根据格拉斯哥结局扩展评分量表(Glasgow outcome scale-extended, GOS-E)将51例DOC患者分为有意识组和无意识组，基于支持向量机(support vector machine, SVM)分类器、联合实验室检查指标与rs-fMRI指标[FC、DC、介数中心性(betweenness centrality, BC)]建立4个预测预后模型，其中实验室指标与上述3个fMRI指标联合模型预测DOC患者预后的准确率最高，而单个指标预测模型中，基于FC者准确率最高。BOLTZMANN等[29]对UWS/VS患者和健康人施加音乐或负面听觉刺激，基于fMRI种子点功能连接方法进行观察，发现上述刺激均可调节UWS/VS患者大脑活动。

此外，DOC意识恢复可能存在一定规律。KOWALSKI等[30]发现，DOC最初多发生于TBI患者中，不同程度TBI所致的DOC患者，其意识恢复可能遵循特定时间框架，此恢复轨迹可为临床制定治疗方案提供帮助。