多發性硬化網絡節點改變的基于體素度中心度的fMRI研究

劉常恩，杜小峰

（1.舟山市普陀區人民醫院 放射科，浙江 舟山 316100；2.中國科學院大學寧波華美醫院 放射科，浙江寧波 315010）

復發緩解型多發性硬化（relapsing-remitting multiple sclerosis，RRMS）是以中樞神經系統白質炎性脫髓鞘病變為主要特點的自身免疫疾病。研究發現，RRMS除了典型的炎性白質病變外，灰質脫髓鞘改變也非常常見[1-2]，在MRI成像中也經常發現灰質異常[3-5]，且與臨床癥狀相關[6]。然而，對RRMS灰質功能改變的研究較少。對人腦復雜網絡的圖論分析方法分為兩類，一類描述節點屬性，一類描述復雜網絡的總體屬性。其中，節點描述主要通過節點中心度指標來實現，在眾多節點中心度描述方法中，相比子網數中心度、特征向量中心度、網頁排名中心度等方法，度中心度（degree centrality，DC）是直接描述節點在網絡中地位的最簡單方法[7]。DC的可重復測量度較高[8]，可對疾病導致的人腦連接組中節點屬性的改變提供有價值的信息[9]。目前，DC已被廣泛應用于各種疾病腦網絡改變的神經生物學機制探索研究中[10-12]，但關于RRMS的研究較少。因此，本研究旨在利用DC方法研究RRMS的腦功能變化，探討其潛在的神經生物學機制。

1 資料和方法

1.1 資料

1.1.1 一般資料：選擇2016年1月至2018年10月在舟山市普陀區人民醫院神經內科就診并確診為RRMS的患者（RRMS組）共26例，其中男13例，女13例，年齡（35.4±11.3）歲，受教育年限為（10.1±2.8）年。選擇性別、年齡相匹配的健康正常人（對照組）共27例，其中男12例，女15例，年齡（35.4±11.7）歲，受教育年限為（10.4±3.9）年。本研究獲得醫學倫理委員會審核批準，所有受檢者知情同意并簽署知情同意書。

1.1.2 納入標準：RRMS組納入標準：①符合2010年修訂版McDonald的診斷標準；②輕中度多發性硬化患者（排除其他因素干擾），擴展殘疾狀態量表（expanded disability status scale，EDSS）得分≤5分；③MRI檢查前，未接受類固醇類藥物或其他藥物治療；④經DSM-IV診斷標準，排除睡眠障礙及其他精神類疾病；⑤經T1WI和T2WI等檢查，排除腦腫瘤或腦出血；⑥既往無腦外傷病史或昏迷史。對照組納入標準：①既往無腦外傷、腦出血、腫瘤或系統性疾病等既往病史；②既往無任何先天性或獲得性疾病史；③無任何精神或神經類障礙，無睡眠障礙；④無任何藥物等成癮史；⑤體內無異物。

1.1.3 排除標準：①數據不全或患者不配合；②近期藥物治療；③MRI檢查過程中頭動平移＞1.5 mm或轉動＞1.5°；④年齡＜18歲或＞65歲；⑤具有頭部創傷史或既往有無意識狀態大于30 min情況出現；⑥身體內存在異物或者任何MRI禁忌證；⑦既往有任何精神類或神經類疾病病史。

1.2 方法

1.2.1 影像學檢查：采用德國Siemens公司生產的3.0 T高場強超導MRI掃描儀。采用高分辨率三維擾相梯度回波序列采集176幅3D薄層軸位解剖圖像，重復時間（repetition time，TR）=1 900 ms，回波時間（echo time，TE）=2.26 ms，翻轉角（flip angle，FA）=9°，矩陣256×256，掃描視野（field of view，FOV）=250 mm×250 mm，層厚1.00 mm，層間距0.5 mm。采用單次激發自旋回波平面成像（spin echo-echo planar imaging，SE-EPI）序列采集靜息態fMRI數據，TR=2 000 ms，TE=30 ms，FA=90°，矩陣64×64，FOV=220 cm×220 cm，層厚4.0 mm，層間距1.2 mm。

1.2.2 數據處理與分析：采用DPABI 2.1（http://rfmri.org/DPABI）軟件將原始數據進行預處理和后處理，主要包括：①去除前10個時間點；②時間校正；③頭動校正，剔除在MRI掃描過程中頭動過大（水平移動＞1.5 mm或旋轉角度＞1.5°）的受檢者數據；④空間標準化：每個受檢的3D薄層T1WI圖像配準至EPI模板，然后利用李代數微分同胚配準算法將其分割為灰質、白質和腦脊液。標記每個RRMS患者T1WI上顯示為低信號的病灶，將其勾勒為感興趣區（regions of interest，ROIs），同時將矢狀位轉換為軸位。將這些獨立的病灶ROIs轉換為圖像保存為mask，然后利用圖像計算模塊將這些mask進行二值化處理。隨后，這些二值化后的mask與3D薄層T1WI圖像一起建立一個新的結構模板圖像。將這些模板從個體空間自動配準至蒙特利爾神經學研究所（Montreal Neurological Institute，MNI）標準坐標空間模板，再重采樣成分辨率為3 mm×3 mm×3 mm；⑤去線性漂移；⑥去除協變量（弗理斯頓24位頭動信息、腦白質信號、腦脊液信號）；⑦低頻濾波（0.01～0.10 Hz）；⑧計算DC值；計算受檢者腦功能連接組內的每個節點（體素）與其有顯著功能連接（r＞0.25）的其他節點的數量，得到每個節點的顯著相關性權重總和DC值，再與全腦DC值平均值相除得到標準化DC值，最后進行Fisher Z值轉換，得到每位受檢者腦功能連接組的Z值化DC分布圖。本研究采用8個不同的r值（r=0.10、0.15、0.20、0.25、0.30、0.35、0.40和0.50）用以評估DC差異結果的穩定性[13]；⑨最終采用半高全寬（full width half maximum，FWHM）均為6 mm各向同性的高斯核進行平滑處理。

將DC得到的差異腦區保存為ROIs，并提取這些ROIs的平均信號值，進行基于種子點的功能連接分析，以研究這些種子點與全腦其他體素之間的功能連接性。為了使數據符合正態分布，我們計算了這些ROIs區域與全腦其他體素之間的皮爾遜相關系數，并對這些系數進行Fisher's Z 變換。將每個體素的功能連接性除以每個受檢全腦體素的平均值，以減少參與者之間變異性的全局影響。

1.3 統計學處理方法 采用SPSS21.0軟件進行統計學分析。對DC腦區差異的分析，以年齡、教育程度、性別等變量作為協變量，利用SPM12 軟件（http：//www.fil.ion.ucl.ac.uk/spm）對2組平滑后的Z 值化DC圖及功能連接圖進行兩獨立樣本的t檢驗。單樣本t檢驗結果以P＜0.01（連續體素體積≥810 mm3，FDR校正）為差異有統計學意義。雙樣本t檢驗結果以P＜0.05（連續體素體積≥810 mm3，GRF校正）為差異有統計學意義。采用Pearson相關分析評估DC值差異腦區和功能連接差異腦區與行為學之間的相關性，P＜0.05為差異有統計學意義。

2 結果

2.1 2組行為學比較結果 RRMS組和對照組的性別（χ2=0.164，P=0.685）、年齡（t=0.005，P=0.996）和受教育程度（t=-0.352，P=0.726）比較差異均無統計學意義。所有RRMS患者首次出現癥狀至就診的平均時間為（21.9±33.0）d，平均EDSS得分為3.6±1.8。

2.2 2組DC值差異結果 8個不同的r 值（r=0.10、0.15、0.20、0.25、0.30、0.35、0.40和0.50）對應的DC差異結果高度相似（見圖1），且不隨r值的不同而變化。其中，r=0.30對結果顯示最敏感，因此，本研究取r=0.30。RRMS組和對照組單樣本t檢驗結果顯示2組差異腦區有較多重疊區域。見圖2。相對對照組，RRMS組DC值增加的腦區主要包括右側小腦后葉、左側枕中回（BA19）、左側背側前額葉（BA9）和雙側頂上小葉（BA7），減低腦區主要包括左側扣帶回（BA32）以及雙側顳極（BA38）突入部分凸顯網絡的島葉（BA13）區域。在RRMS組，病程與左側顳極呈負相關（r=-0.483，P=0.020），EDSS得分與右側頂上小葉呈正相關（r=0.485，P=0.019），與右側顳極呈負相關（r=-0.430，P=0.041），與左側頂上小葉呈近似正相關（r=0.374，P=0.079）。見圖3和表1。

圖1 RRMS組和對照組在選擇不同r 值對應的DC差異腦圖

圖2 RRMS組和對照組單樣本t 檢驗結果示2組差異腦區有較多重疊區域

2.3 ROC曲線 提取DC差異腦區平均信號值（見圖4）并進行ROC曲線分析，觀察這些腦區對2組的鑒別能力。結果顯示有6個腦區單獨區分2組具有較高的AUC值，其余2個腦區AUC值較低，相應敏感度和特異度分別為61.5%～92.3%和63%～100%。但右側小腦后葉、左側枕中回、雙側顳上回和左側扣帶回聯合用于鑒別2組時，AUC值增加至0.943，敏感度和特異度分別增至96.3%和88.5%。見表2。

2.4 種子點功能連接 將DC差異腦區作為種子點做功能連接分析（見表3），其中，DC值減低的腦區存在明顯的網絡間和網絡內的功能連接差異（P ＜0.05，GRF校正）。左側顳極與右側顳極突入凸顯網絡的島葉存在減低的功能連接（見圖5A）；右側顳極分別與雙側凸顯網絡內團塊（顳極、島葉、額下回）和右側團塊（扣帶回、額葉）存在功能連接減低（見圖5B）；左側扣帶回分別與雙側凸顯網絡內團塊（顳極、島葉、額葉）和雙側團塊（扣帶回、額葉）存在功能連接減低（見圖5C）。

圖3 RRMS組和對照組DC值差異及其與行為之間的相關性

表1 RRMS組和對照組DC值差異的比較

圖4 RRMS組和對照組差異腦區的平均DC信號值

表2 RRMS組和對照組DC值差異腦區的ROC曲線分析結果

3 討論

疾病相關的廣泛灰質組織的功能損害可能延遲和擾亂皮質-皮層和皮質-皮層下通路信號的協同性，導致一系列臨床癥狀，如疲勞、感覺運動缺陷、認知功能障礙等[2，14]?？紤]到RRMS的高患病率和已知的神經毒性影響，進一步闡明其復雜的腦網絡損傷至關重要。然而，其潛在的腦網絡改變的神經生物學機制尚不清楚。傳統的功能連接研究主要集中在基于種子點的功能連接和獨立成分分析。但基于種子點的功能連接分析局限于某些選定的腦區或腦網絡的功能連接模式，顯然不夠全面；獨立成分分析無法度量腦區間的功能連接強度。DC作為一種基于體素水平的圖論分析方法，可以刻畫節點在網絡中的中心程度，無須選定ROI，能對功能連接的數量進行定量分析，并可在一定程度上反映出復雜腦網絡的信息流特征，彌補傳統功能連接研究的不足，目前已廣泛應用于疾病對腦網絡屬性影響的研究中。本研究在國內首次利用DC分析觀察RRMS患者的腦網絡屬性變化及其與行為學之間的關系。

本研究發現RRMS患者大腦功能網絡存在廣泛改變，其中右側小腦后葉、左側視覺聯合皮層、左側背側前額葉、雙側頂上小葉表現為DC值增加，雙側顳極和左側扣帶回表現為DC值減低。ROC曲線被廣泛應用于區分對照組和疾病組，具有較高AUC值的指標可能成為區分不同組別的潛在早期生物學指標[15-17]。一般而言，AUC為0.9～1.0，提示具有極好的區分能力，0.8～0.9提示區分能力較好，0.7～0.8 提示區分能力一般，0.6～0.7 提示區分能力不好，而0.5～0.6 提示區分能力很差[18-19]。本研究發現DC差異腦區具有較好的區分能力用于鑒別RRMS組和對照組（AUC=0.943，敏感度為96.3%，特異度為88.5%）。此外，這些DC差異腦區與EDSS得分和病程顯著相關，這些結果可能提示這些功能腦區能被用于預測疾病的進展及嚴重程度。另外，這些DC值減低的腦區間存在顯著的功能連接減低?？梢?，DC指標可能是一個可靠的早期生物學指標，能較好地描繪RRMS患者的腦功能網絡改變。

相比對照組，非疲勞性RRMS患者雙側顳葉和枕葉的灰質萎縮程度較高，雙側扣帶回、雙側顳葉和枕葉的白質結構也發生改變，疲勞性RRMS患者雙側枕葉和雙側扣帶回的灰質萎縮，顳葉、枕葉、扣帶回、頂葉和小腦均存在白質結構改變[20]。一些研究還發現，RRMS患者雙側小腦和扣帶回區域的局部腦活動有異常，左側額-顳葉和雙側扣帶回皮層存在灰質體積的減少[4-5，21]。這些研究發現與本研究結果發現差異腦區相符。其中，本研究發現，相比對照組，RRMS患者右側小腦后葉、左側視覺聯合皮層、左側背外側前額葉皮層和雙側頂上小葉的DC值增加。對這一發現的一種解釋可能是大腦的補償機制，用于對RRMS患者腦功能網絡損害超出自我（內在）代償的一種應激反應。對不同認知表現水平的RRMS患者，需要確定在代償性功能連接能力喪失或超出代償能力后是否會導致認知能力的下降。 因此，這些腦區DC值的增加可能是利用額外的外部資源來協助機體達到與以前相同的認知水平。RRMS與灰質和白質中廣泛的腦結構變化有關。因此，對這些腦區DC值的增加的另一種解釋是這些區域神經元的過度活躍用以抵消或減少腦結構的損傷。

與對照組相比，RRMS患者在手動任務期間雙側扣帶回和雙側顳極中顯示出更高的任務相關激活[22]。既往結構研究也發現扣帶回和顳極（突入島葉）這兩個區域存在皮質結構的萎縮[23-24]。本研究結果顯示雙側顳極（突入島葉）和左側扣帶回的DC值減低，且這些區域與EDSS得分和病程顯著相關，進一步驗證了這些發現。此外，與對照組相比，RRMS患者顳極-顳極、扣帶回-扣帶回以及顳極-扣帶回存在功能連接減低。功能腦區DC值減低可能提示這些腦區相關功能活動的降低，以及這些功能腦區在促進神經網絡聯系方面的作用受到損害[25]。無論是處于某種任務狀態還是靜息狀態，RRMS對信息的處理加工效率降低可能是由某個或多個功能腦網絡受到破壞而引起的，從而導致從某個腦區至其他腦區的信息傳輸的效率減低?；诖耍狙芯靠蹘Щ睾屯怀鼍W絡的DC值和功能連接模式的降低可能表示與RRMS相關的這些功能性腦網絡的信息傳遞效率的降低。此外，這些腦區與EDSS得分和病程顯著相關，這進一步證實了這些區域的功能異常以及在RRMS功能損害中的作用。

表3 RRMS組和對照組DC值差異腦區的種子點功能連差異

圖5 RRMS組和對照組DC值差異腦區的種子點功能連接差異

本研究利用圖論測量方法提供了對RRMS全腦網絡分析的新見解，本研究表明，扣帶回和突出網絡在RRMS患者中存在功能異常，這些關鍵網絡節點可以預測疾病進展和殘疾狀態，在RRMS發生、發展中發揮了重要的作用，這些結果為進一步了解RRMS的病理生理機制及療效監測提供參考。