基于弥散张量成像技术的脑白质病变患者认知功能障碍与脑结构网络变化的关系
2023-06-14高文蓝周连姬钟玲玲黄水兰何奇檀覃浩强
高文蓝,周连姬,钟玲玲,黄水兰,何奇檀,覃浩强
梧州市人民医院神经内科,广西 梧州543000
脑白质病变(WML)是一种中枢神经系统病变类型,起病隐匿,病情进展慢,患者可由早期的轻度认知功能障碍,逐渐进展为痴呆。WML患者认知功能障碍的诊断以认知功能评价量表为主,诊断准确度受患者配合度、文化水平等因素的影响,不适用于长期监测[1]。采用影像学手段观察脑组织结构、病理改变及神经损伤情况,可为认知功能评估提供客观依据。弥散张量成像(DTI)是基于磁共振弥散加权成像的一种成像技术,可利用不同组织水分子弥散运动特性差异反映神经走向、受损情况等微观结构改变[2]。既往关于脑影像学与认知功能的相关研究主要集中于脑灰质,而随着研究深入,学者逐渐关注到了脑白质在认知功能中的作用。但国内少有脑白质影像学改变与WML患者认知功能障碍的相关研究,仅有的报道所采用的方法敏感度、客观性均不佳,且无定量评价[3-5]。本研究采用DTI技术对WML患者脑结构网络变化进行定量分析,并分析其与认知功能障碍的关系,详述如下。
1 资料与方法
1.1 一般资料
纳入2017年1月~2022年5月我院120例WML患者作为研究对象。纳入标准:符合WML神经影像学诊断标准[6],Fazekas评分[7]≥1分;汉密尔顿焦虑量表评分[8]≤7分,汉密尔顿抑郁量表[9]<8分;无磁共振检查禁忌证;近期未服用可能影响认知功能的药物;对本研究知情同意且自愿配合。排除标准:脑炎、一氧化碳中毒、多发性硬化等其他原因所致WML;有脑卒中、精神病、癫痫、颅脑外伤、药物或酒精依赖史;合并严重的视力、听力、言语障碍;合并严重的内科疾病。脱落标准:未能配合完成量表评估、磁共振检查,或磁共振成像质量不佳。本研究已通过医院伦理委员会批准。
1.2 资料收集
收集患者一般资料(年龄、性别、文化程度)及临床基本信息(病史、饮酒史、吸烟史)。
1.3 神经心理学评估
在独立、安静的房间内,由受过专业培训的医师进行评估。采用蒙特利尔认知评估(MoCA)量表[10]进行认知功能筛查,量表包含8个认知领域的11个项目,总分为30分,分值越低则认知功能越差,总分<26分提示认知功能损伤。对有认知功能损伤的患者采用临床痴呆评定量表[11]进一步评估,参照美国国立神经病与脑卒中研究所/瑞士神经科学研究国际协会制定的相关标准[12]将患者分为认知功能正常组(NC组,n=48)、轻度认知功能障碍(MCI组,n=44)组、痴呆组(D组,n=28)。3组患者性别、年龄、文化水平及高血压、糖尿病、高脂血症发生率差异均无统计学意义(P>0.05),NC组、MCI组、D组MoCA评分依次降低(P<0.05,表1)。
1.4 磁共振检查
1.4.1 图像采集 采用Achieva 3.0T TX磁共振仪(荷兰Philips),8通道头部线圈进行图像采集。分别采用三维加速场回波T1WI、三维快速自旋回波(3D-TSE)液体衰减反转恢复(FLAIR)序列进行全脑扫描。扫描参数:T1WI:TR 9.8 ms,TE 4.6ms,翻转角8°,视野256 mm×256 mm,层厚1 mm,层数192,体素大小1 mm×1 mm×1 mm,扫描时间6 min 43 s。3D FLAIR:TR 4800 ms,TE 283 ms,TI 1650 ms,视野250 mm×259 mm,层厚0.5 mm,层数321层,体素大小1.11 mm×1.11 mm×0.56 mm,扫描时间5 min 2 s。
采用自旋回波平面回波成像序列进行DTI扫描定位框覆盖全脑,中线与胼胝体体部走行平行,选取胼胝体显示最清晰的层面进行图像采集。扫描参数:TR 9156 ms,TE 55ms,视野224 mm×224 mm,层厚2.5 mm,层数55层,采集体素2 mm×2 mm×2.5 mm,重建体素1 mm×1 mm×2.5 mm,弥散敏感度梯度方向32个,扫描时间6 min 27 s。
1.4.2 图像后处理 由2位经验丰富的影像学医师进行盲法独立阅片。采用W2MHS工具包对FLAIR白质高信号体积进行计算;采用PANDA及GRETNA软件包进行DTI预处理、矩阵构建及图论分析,获取全局效率、局部效率、最短路径长度、聚类系数等参数。小世界属性参数值:标准化聚类系数(γ)、近似标准特征路径长度(λ)以及小世界属性值(σ,σ=γ/λ),σ值越大,提示该网络小世界属性越强。
1.5 观察指标
比较3组患者脑室旁、深部及总白质高信号体积,脑结构网络参数(全局效率、局部效率、最短路径、集聚系数、γ、λ、σ),并采用Pearson相关性分析脑结构网络参数与MoCA评分的相关性。
1.6 统计学分析
采用SPSS22.0软件进行统计学处理。符合正态分布的计量资料以均数±标准差表示,3组间比较采用单因素方差分析;计数资料采用n(%)表示,组间比较采用χ2检验,等级资料的比较采用秩和检验;相关性分析采用Pearson检验。以P<0.05为差异有统计学意义。
2 结果
2.1 三组患者白质高信号体积比较
NC组、MCI组、D组脑室旁、深部白质高信号体积及总体积均依次增加,组间差异均有统计学意义(P<0.05,表2)。
表2 三组患者白质高信号体积比较Tab.2 Comparison of white matter high-signal volume among the three groups(mm3,Mean±SD)
2.2 三组患者脑结构网络参数比较
D组全局效率、局部效率、集聚系数、γ、λ、σ均小于NC组、MCI组,最短路径大于NC组、MCI组,差异均有统计学意义(P<0.05,表3)。
表3 三组患者脑结构网络参数比较Tab.3 Comparison of brain structure network parameters among the three groups(Mean±SD)
2.3 脑结构网络参数与MoCA评分相关性分析
Pearson相关性分析显示,MoCA评分与最短路径呈负相关关系,与全局效率、局部效率、集聚系数、γ、λ、σ呈正相关关系(P<0.05,表4)。
表4 白质高信号体积、脑结构网络参数与MoCA 评分相关性分析Tab.4 Correlation analysis of white matter high-signal volume,brain structural network parameters and MoCA score
3 讨论
研究发现,WML与认知功能损伤之间存在一定关系,且脑白质病变达到一定程度时才会出现认知及功能损害,但这一阈值目前尚未明确[13]。随着医学影像技术的发展,WML的评估方法越来越多,主要可总结为定性、定量两种,定性评估虽简单易操作,但主观性较强,准确度低[14]。
既往研究以CT和磁共振成像脑白质高信号反映WML患者认知功能损伤程度,与量表评价相比,计算机自动测量的方法信度和效度相对更高[15]。本研究采用FLAIR序列自动测量脑室旁和深度白质高信号体积,操作简单,临床实用性强。本研究结果显示,NC组、MCI组、D组脑室旁、深部白质高信号体积及总体积均依次增加,组间差异有统计学意义。既往研究亦认为WML合并有认知障碍者的深部白质高信号体积以及额叶靠近脑室白质高信号的较高,表明白质高信号体积与WML患者认知功能障碍存在一定关联[16-17]。但计算机自动测取白质高信号体积未排除脑干、脑脊液高信号,导致测量值较实际值偏大,故该方法存在一定局限性。DTI通过对成像体素水平的多个方向施加弥散梯度,获得多个方向的弥散值,经模型转换为弥散椭球,可追踪神经纤维走行。人脑是一个复杂的网络,各脑区结构、功能上互相连接,而人脑连接组在脑网络中各脑区内通外达中发挥重要作用,这为神经退行性病变的研究提供了新的方向[18]。随着神经影像学发展,定量网络拓扑分析被应用于脑结构网络研究中,也即是对全脑网络属性进行分析,包括全局效率、最短路径、集聚系数等整体属性,局部效率、节点聚类系数等节点属性[19]。
全局效率是指各节点距离的调和平均数的倒数,反映脑网路信息传输及综合处理能力,本研究显示,D组全局效率与局部效率小于NC组、MCI组,提示WML痴呆患者脑结构网络信息传输能力下降。最短路径是指脑结构网络中任意两节点距离最短的路径,反映网络信息传递及处理速度,集聚系数是脑网络各节点聚类系数的均值,可反映节点间联系的疏密程度[20]。本研究显示,D 组患者集聚系数更小,最短路径更长。既往研究[21]结果亦与上述研究结论一致,表明基于DTI呈现的WML患者的脑结构网络似乎具有小世界特征。Pearson分析显示,MoCA评分与最短路径呈负相关关系,与全局效率、局部效率、集聚系数呈正相关关系,证实上述参数与WML患者认知功能存在相关性。小世界网络是兼具随机网络与规则网络拓扑优势的网络模式,具有更高的局部与全局信息传递效率[22]。以随机网络为基准,在最短路径相似的情况下,若集聚系数更高,则提示就有更明显的小世界属性,γ、λ、σ为小世界属性的评价指标。小世界属性体现了脑网络神经连接的高效性。本研究结果显示,D组γ、λ、σ均小于NC组、MCI组,与既往研究[23]一致,提示痴呆患者脑网络小世界属性降低。进一步的Pearson相关性分析显示,MoCA评分与γ、λ、σ呈正相关关系,提示WML患者认知功能障碍与基于DTI构建的脑结构网络小世界属性密切相关。
综上所述,本研究基于DTI构建WML患者脑结构网络,发现患者脑结构网络效率下降及小世界属性降低可能与认知功能障碍有关。本研究的局限性在于未对局部网络进行分析,未来还需结合脑功能网络研究,以更全面、准确地了解认知功能障碍与脑网络之间的关系。