陸佩文，楊潔，鄧秋瓊，俞羚，曹雯煒，杜靜，汪耀，周滟，徐群，

腦小血管病（cerebral small vessel disease，CSVD）是導致血管性認知障礙（vascular cognitive impairment，VCI）最常見的原因[1]，導致約45%的癡呆[2]。其早期認知損害特點為信息加工速度和執(zhí)行功能受損，短時記憶相對保留，隨著病情的進展可累及記憶、語言、視空間等多個認知域[3-4]。CSVD在MRI上主要表現為皮質下腔隙性梗死和（或）廣泛白質病變，導致最具同質性的皮質下型VCI[5]。

靜息態(tài)功能磁共振成像（resting-state functional MRI，rs-fMRI）利用血氧水平依賴（blood oxygen level-dependent，BOLD）信號的時間相關性來構建功能連接，是研究認知障礙的重要成像技術。CSVD患者功能連接異常與認知的相關性已在研究中得到證實[6]?；趓s-fMRI的腦網絡研究進一步表明CSVD患者的認知障礙與默認模式網絡（default mode network，DMN）、額頂控制網絡和背側注意網絡（dorsal attention network，DAN）等大尺度功能網絡破壞有關[7]。但在CSVD認知障礙早期，這些大尺度功能網絡之間是如何相互影響與變化的，尚未有研究進行針對性探索。

功能網絡連接性（functional network connectivity，FNC）可用來衡量大腦功能性靜息態(tài)網絡（resting-state network，RSN）之間的統(tǒng)計依賴性，每個RSN可由多個遠程腦區(qū)組成。相較于由單個腦區(qū)兩兩之間構成的功能連接，FNC可在更大尺度探索大腦功能連接的組織模式及其在疾病中的變化。近年來，研究者們已在精神分裂癥[8]、微小肝性腦病[9]、偏頭痛[10]等疾病中通過構建FNC對RSN之間的連接模式進行探索[11]，但對FNC在CSVD引起的皮質下型VCI中作用的研究尚留有空白。本研究擬對非癡呆CSVD患者的FNC進行觀察和比較，以明確CSVD認知障礙早期大尺度RSN連接模式的變化。

1 研究對象與方法

1.1 研究對象 2015年7月-2018年12月，從上海交通大學醫(yī)學院附屬仁濟醫(yī)院神經內科腦卒中門診前瞻性連續(xù)招募患有CSVD但無癡呆的卒中后患者，受試者均接受標準基線評估，包括完整的人口社會學調查、血管危險因素（其中吸煙為連續(xù)或累計吸煙6個月及以上）、神經心理學評估和多模態(tài)MRI檢查，具體招募流程如圖1所示。本研究經上海交通大學醫(yī)學院附屬仁濟醫(yī)院倫理委員會批準，受試者均簽署知情同意。

圖1 患者招募流程圖

入組標準：①年齡50～85歲；②教育年限≥6 年；③癥狀性缺血性卒中后至少1個月；④急性梗死灶的最大直徑不超過2 cm；⑤MRI上有皮質下腔隙性梗死灶和白質病變；⑥mRS≤3分。

排除標準：①非血管因素引起的白質病變，如結節(jié)病、多發(fā)性硬化等；②皮質和（或）皮質下非腔隙性腦梗死；③明確診斷為存在其他導致認知障礙的病因，如阿爾茨海默病、帕金森病、正常顱壓腦積水、甲狀腺功能減退、維生素B12缺乏等；④17項漢密爾頓抑郁評分≥24分；⑤顱內外血管狹窄≥50%；⑥心房顫動；⑦酗酒、吸毒或嚴重精神疾??；⑧嚴重的心、肝、腎等重要臟器疾??；⑨無法配合神經心理學測試或存在MRI禁忌證；⑩經美國精神疾病診斷標準（DSM-Ⅴ）診斷為癡呆。

1.2 神經心理學評估及分組 研究對象在完成MRI檢查后1周內進行全認知域神經心理學測試，包括：①總體認知篩查：MoCA和MMSE量表；②注意和執(zhí)行功能：數字連線測試A/B（trail-making test A/B，TMT-A/B）、Stroop色詞測驗（Stroop color word test，SCWT）、數字符號轉換測驗（digit symbol substitution test，DSST）和1分鐘動物命名測試（verbal fluency test，VFT）；③語言功能：波士頓命名測驗（Boston naming test，BNT）；④記憶功能：聽覺詞語學習測驗（auditory verbal learning test，AVLT），分為短時自由回憶（AVLT-4）和長延遲自由回憶（AVLT-5）；⑤視空間功能：復雜圖形復制（complex figure test copy，CFT-copy）。

根據患者的認知狀態(tài)進行分組：①無認知障礙（no cognitive impairment，NCI）組：患者各項認知域神經心理學測試結果均位于正常范圍內；②輕度認知障礙（mild cognitive impairment，MCI）組：患者存在一項或以上神經心理學測試評分低于對照人群平均值的1.5個標準差[12-13]。

1.3 MRI采集 通過GE Signa HDxt 3.0T MRI掃描儀采集被試多模態(tài)全腦MRI，采用標準的八通道泡沫墊頭部線圈來限制頭部運動。在采集rs-fMRI時，受試者被要求保持閉目清醒。本研究所涉及的MRI序列如下：①軸向T1加權快速回波序列：重復時間（repetition time，TR）331 ms，回波時間（echo time，TE）4.6 ms，視野256 mm×256 mm，矩陣512×512，層厚4 mm，層數34，層間距0；②軸向T2加權自旋回波序列：TR 3013 ms，TE 80 ms，視野256 mm×256 mm，矩陣512×512，層厚4 mm，層數34，層間距0；③FLAIR T2加權成像：TR 9075 ms，TE 150 ms，反轉時間2250 ms，視野256 mm×256 mm，矩陣256×256，層厚2 mm，層數66，層間距0，激發(fā)次數1，偏轉角90°；④矢狀位3D快速擾向梯度回波序列（3D-SPGR）：TR 6.1 ms，TE 2.8 ms，反轉時間450 ms，視野256 mm×256 mm，矩陣256×256，層厚1 mm，層數166，層間距0，偏轉角15°；⑤rs-fMRI：TR 2000 ms，T E 30 ms，視野230 m m×230 m m，矩陣6 4×6 4，層厚4 m m，層數3 4，層間距0，掃描持續(xù)440 s；⑥3D增強T2加權血管造影（ESWAN）：TR 53.58 ms，TE 23.9 ms，視野240 mm×240 mm，矩陣320×288，層厚2 mm，層間距0，層數72，激發(fā)次數0.7，偏轉角20°。

1.4 MRI數據處理及分析

1.4.1 MRI數據預處理 采用GRETNA軟件[14]對rs-fMRI數據進行預處理，具體步驟為：①去除前10個時間點；②時間層校正：以中間層作為參考層；③頭動校正：以去除時間點后的第一張圖像作為標準，去除頭動大于2 mm或2°的被試；④空間標準化：采用DARTEL標準化策略，借助T1結構像進行2步配準；⑤空間平滑：取高斯平滑核大小為6 mm×6 mm×6 mm。

1.4.2 獨立成分分析 獨立成分分析（independent component analysis，ICA）通過優(yōu)化算法可將rs-fMRI數據分為若干相互獨立的成分。本研究使用GIFT軟件（http：//icab.sourceforge.net）中的Infomax算法執(zhí)行組水平空間ICA；用GIFT自帶算法來估計獨立成分（independent component，IC）的數量為46；采用兩步主成分分析法將預處理后的數據分解為46個IC；用ICASSO算法以確保所估計IC的穩(wěn)定性；最后用GICA算法將組水平分離出的IC反向重建回每個被試個體。

1.4.3 RSN挑選 由兩名經驗豐富的神經內科醫(yī)師根據既往文獻[10，15-16]和功能網絡的解剖位置分別獨立對46個IC進行挑選，由第三位醫(yī)師對有爭議的IC進行判斷，并經討論與另兩位醫(yī)師達成一致，最終挑選出22個有意義的IC（圖2），構成9大RSN：視覺網絡（visual network，VN）、感覺運動網絡(sensorimotor network，SMN)、DMN、DAN、聽覺網絡（auditory network，AN）、左額頂網絡（left frontoparietal network，LFPN)、右額頂網絡（right frontoparietal network，RFPN）、突顯網絡 (salience network，SN)、執(zhí)行控制網絡（executive control network，ECN）。挑選RSN的基本原則為：①所選IC的峰值坐標需落在灰質區(qū)，且與腦脊液、偽影、大血管等無過多重疊；②功率譜的主體需落在低頻區(qū)域，低頻功率是高頻功率的2倍以上（PowerLF/PowerHF＞2）。

1.4.4 FNC計算和統(tǒng)計 利用GIFT軟件包進行FNC計算和統(tǒng)計。在構建FNC之前，對rsfMRI數據進行去線性趨勢和濾波處理，隨后提取9個RSN中22個IC的時間序列，計算22個IC兩兩之間時間序列的配對Pearson相關系數，采用Fisher’s Z變換將其轉換為Z值，并將年齡、性別、教育年限作為無關協(xié)變量，在MCI和NCI間進行雙樣本t檢驗。

1.5 統(tǒng)計學方法 除利用GIFT軟件包進行FNC組間比較外，余統(tǒng)計學分析均在SPSS 25.0軟件上進行。以表示正態(tài)分布的計量資料；以中位數（四分位數間距）表示偏態(tài)分布的計量資料；以百分比表示計數資料。雙樣本t 檢驗、非參數秩和檢驗（Mann-Whitney U檢驗）分別用于正態(tài)和非正態(tài)分布的計量資料的比較；計數資料的組間比較采用χ2檢驗。對連續(xù)正態(tài)分布變量進行Pearson相關性分析，對非連續(xù)變量進行Spearman相關性分析。雙側P＜0.05為差異有統(tǒng)計學意義。

圖2 22個獨立成分在靜息態(tài)網絡中的分布

2 結果

2.1 兩組基線資料、認知功能的比較 本研究共納入CSVD患者185例，平均年齡為64.6±7.2歲，男性占78.4%，其中MCI組117例（63.2%），NCI組68例（36.8%）。MCI組與NCI組相比，男性較少（P=0.035），教育年限偏低（P=0.003），兩組患者在余人口社會學、血管危險因素方面差異均無統(tǒng)計學意義；兩組在各認知領域（總體認知、注意和執(zhí)行、語言、記憶、視空間）差異均有統(tǒng)計學意義（均P＜0.001）（表1）。

2.2 兩組FNC比較 校正年齡、性別、教育年限后，在IC水平，MCI相較于NCI，在AN-41與DMN-35，RFPN-26與AN-27，RFPN-26與ECN-19之間的功能連接減弱，涉及AN、DMN、ECN、RFPN四大功能網絡；在DMN-44與VN-23，AN-13與DMN-6、DMN-16、DMN-44之間的功能連接增強，涉及DMN、AN、VN三大功能網絡（均P＜0.05）（圖3A）。在大尺度RSN水平，MCI相較于NCI在ECN和RFPN之間的功能連接減弱（均P＜0.05）（圖3B）。以上結果用更直觀的圈狀圖表示（圖3C）。

2.3 FNC改變與認知功能的相關性分析 校正年齡、性別及教育年限后，除RFPN-26與ECN-19、AN-13與DMN-16外，其余經組間比較有統(tǒng)計學差異的FNC均與不同的認知域（總體認知、注意與執(zhí)行、視空間）評分呈正相關（均P＜0.05）（表2）。

3 討論

CSVD通常隱匿起病，漸進發(fā)展，目前尚無成熟有效的治療措施，因此早期診斷并及時干預在該疾病中顯得尤為重要。認知障礙是CSVD病程中較早出現且普遍存在的臨床表現，且認知障礙隨著CSVD的病程逐步加重，是衡量CSVD病程的良好指標。本研究以臨床前期的NCI人群以及臨床早期的MCI人群為研究對象，探索CSVD患者認知障礙早期大尺度功能網絡連接模式的變化特點，以期尋找早期認知障礙的敏感識別工具。

ICA是一種基于數據驅動的多變量盲源分離方法，可以更直觀地體現數據本身的特征。本研究利用組水平空間ICA的方法，從所有MCI和NCI患者中分離出46個IC，并從中識別出與9大RSN相關的22個成分。說明在靜息狀態(tài)下，CSVD患者的大腦保留了基于BOLD信號的功能整合和分離的子網絡組織形式，與先前一些基于rs-fMRI的研究相符，CSVD患者在靜息狀態(tài)下保留了執(zhí)行控制、視覺、聽覺、感覺運動、默認模式、突顯等功能相關的網絡[17-19]。

表1 兩組人口社會學、血管危險因素、認知功能比較

靜息態(tài)功能網絡被認為是一種大腦信息傳遞的組織形式，它可以促進網絡內和網絡間的有效信息處理，并確保功能整合和分離之間的最佳平衡。對MCI和NCI之間的FNC進行比較可以明確CSVD患者在不同程度認知障礙中，大尺度功能網絡之間組織模式所發(fā)生的變化。校正年齡、性別、教育年限后，在RSN水平，MCI相較于NCI，在ECN和RFPN之間的連接減弱。這與Yi等[18]用模塊化分析得出的結果相符，相較于正常人，皮質下型VCI中MCI患者的ECN發(fā)生了重排，頂葉區(qū)域作為一個單獨的模塊組分從ECN中分離出來，這可能與額葉和頂葉之間白質纖維束的破壞有關，彌散張量成像研究發(fā)現CSVD患者額葉和頂葉之間白質纖維束的各向異性分數降低[20]。Schaefer等[21]發(fā)現，早期CSVD患者額頂葉神經網絡的內在功能連接減弱與白質損傷和認知功能下降密切相關。本研究還發(fā)現，在IC水平，MCI相較于NCI，屬于AN的IC分別與DMN、RFPN內的IC之間的功能連接減弱，而屬于DMN的IC分別與AN、VN內的IC之間的功能連接增強，且這些改變與CSVD患者的總體認知、注意與執(zhí)行、視空間等功能相關。這說明CSVD患者發(fā)生早期認知障礙時，在AN、DMN、RFPN之間的功能整合能力減弱，而DMN與AN、VN之間的功能連接增強。這與Schaefer等[21]的研究結果相似，與健康對照相比，早期CSVD患者在額頂網絡內的功能連接減弱，而小腦內的功能連接增強，且這些改變與CSVD患者的信息處理速度、執(zhí)行功能、語言流暢性相關。此外，涉及DMN和額頂網絡的功能連接增強也存在于腦外傷恢復期患者[22]。我們用儲備和代償機制來解釋這一現象，代償性功能連接是指當初級網絡不再能夠執(zhí)行某項任務時，大腦可通過使用和發(fā)展代償網絡來適應病理改變[23]。還有一些研究表明在CSVD患者功能連接模式所發(fā)生的改變中，網絡的代償性激活對維持認知能力非常重要[24-25]。由此我們認為在CSVD認知障礙的臨床前期，即NCI階段，患者大腦的部分功能網絡已經出現功能整合與分離不同程度的破壞，然而由于其他功能網絡的代償性激活和補償，在一定程度上彌補了上述功能網絡損傷相關的臨床表現，導致患者在多認知域神經心理學測試中呈現為無認知障礙狀態(tài)。上述研究成果有助于實現CSVD認知障礙診斷和干預前移的目標，特征性FNC改變可以成為識別CSVD早期認知障礙的神經影像標志物。

表2 FNC改變與認知評分的相關性

圖3 兩組功能網絡連接性差異

本研究尚存在一些不足，這是一項橫斷面研究，有必要在未來的縱向研究中驗證目前的研究結果；雖然本研究證明FNC改變與認知功能存在相關性，但該相關性較弱，有待在更大的樣本量中進一步探索；CSVD常存在阿爾茨海默病共病，而本研究并未進行淀粉樣蛋白等分子標志物檢測，研究人群中不可避免地存在不同程度的共病，有待在將來的研究中完善；功能網絡連接性用無向連接來表示，未來可以探究涉及因果關系等關于網絡更詳盡的信息；目前研究中只檢查了功能性腦網絡，未來可應用多模態(tài)成像技術來探索結構網絡和功能網絡的變化及二者的聯系和區(qū)別。

【點睛】本研究發(fā)現CSVD早期認知障礙患者大尺度功能網絡的連接模式發(fā)生重排，為CSVD相關認知障礙的神經網絡機制提供新的視角，并可能成為預測和監(jiān)測CSVD進展的潛在無創(chuàng)生物標志物。