于洋

1. 背景

阿爾茨海默?。ˋlzheimer’s disease，AD）是一種隱匿性起病、緩慢進展的神經系統(tǒng)變性病，與β-淀粉樣斑塊和神經原纖維tau蛋白纏結，逐漸累積在某些皮層和皮質下區(qū)域有關。其臨床表現最初僅表現為記憶損傷，進而逐步累積全面認知域，影響個體的獨立日常生活功能。AD神經病理學的發(fā)展緩慢，在老年人中由認知正常逐漸發(fā)展，從最初癥狀出現，到進展為臨床癡呆可能持續(xù)10年或更長時間（Amieva et al.， 2008; Johnson et al.， 2009）。輕度認知功能損傷（Mild cognitive impairment， MCI）作為一種介于正常衰老和癡呆之間的一種中間狀態(tài)，是一種認知障礙癥候群，也是阿爾茨海默?。ˋlzheimer’s disease）的早期階段。對認知損傷的準確臨床評估對于疾病分期對于最佳藥物治療和治療計劃的制定是至關重要的。

2. 材料和方法

2.1 被試納入

本研究使用的是ADNI（Alzheimer’s disease Neuroimaging Initiative database， http：//adni.loni.usc.edu）數據庫。該數據庫包括MCI患者和AD患者的資料。數據資料包括磁共振影像數據和臨床評估信息等。本研究使用的數據來自于ADNI GO和ADNI 2階段，因為這兩個階段的數據含有RS-fMRI的數據。臨床評估信息包括簡明精神狀態(tài)量表（MMSE）、聯合記憶分數以及聯合執(zhí)行功能分數。本研究一共納入26名AD患者（年齡：71.83±7.34歲）和79名MCI患者（年齡：72.02±7.17歲）。其中，AD患者包括13名男性和13名女性，MCI患者包括40名男性和39名女性。

2.2 磁共振掃描參數

本研究采用公開數據庫，數據均可以從ADNI網站下載（http：//adni.loni.usc.edu/），數據采集使用Philips 3.0-Tesla掃描儀進行，使用的數據包括功能像數據以及結構像數據。功能像的數據參數如下： 140個時間點，TR=3s，TE=30ms，48層，翻轉角=80°，矩陣大小為64×64mm2，體素大小為3.31×3.31×3.31mm3。結構像的具體參數如下：TR=2.3s，TE=2.97ms，170層，翻轉角=9°，FOV=256×240mm2，體素大小=1.1×1.1×1.2mm3。

2.3 數據預處理及后處理

本研究使用RESTplus V1.2（www.restfmri.net）進行預處理以及后處理操作。RESTplus V1.2是一個基于MATLAB開發(fā)的流水線數據分析工具包。它可以很方便的對被試進行預處理以及后處理等操作，數據的預處理步驟包括 1）刪除前10個時間點，2）時間層校正，3）對每一個被試進行頭動校正（剛體變換），4）使用SPM12，根據每個被試的分割信息對被試進行空間標準化，5）平滑，FWHM = [6 6 6]，6）去線性趨勢，7）回歸白質信號、腦脊液信號、全腦平均時間序列、Friston-24頭動信號 （Yan et al.， 2013），8）濾波0.01Hz-0.08Hz。基于預處理后的結果，我們計算了低頻振幅 （Zang et al.， 2007）。所有的后處理方法均采用Z分數做標準化。

2.4 統(tǒng)計分析

本研究使用SPSS對人口學資料如年齡、性別、簡明精神狀態(tài)量表、聯合記憶分數以及聯合執(zhí)行功能分數進行統(tǒng)計分析。并使用DPABI V4.0對影像數據進行統(tǒng)計分析。這里我們對AD組以及MCI組進行雙樣本T檢驗，均采用GRF校正，其中individual voxel p < 0.05， cluster level p < 0.05。

3. 結果

AD組和MCI組在年齡和性別上無統(tǒng)計學差異，但在MMSE評分（p < 0.0001， t = 12.08）、聯合記憶分數（p < 0.0001， t = 9.08）和聯合執(zhí)行功能分數（P < 0.0001， t = 6.70）均存在顯著差異（表1）。

根據腦影像的結果，AD患者的低頻振幅在右側顳下回、右側梭狀回顯著高于MCI患者，在左側距狀皮層和左側輔助運動區(qū)顯著低于MCI患者（圖1）。

在AD的診斷中，醫(yī)護通常在與患者及家屬訪談時通過神經心理學篩查測試中評估認知功能，常用量表如簡明精神狀態(tài)檢查（MMSE）等。然而，這些量表檢查容易受到受試者日常狀態(tài)變化及測試者主觀性的影響，其結果也會受社會人口學因素和個體認知儲備的影響。因此，需要準確的替代方案來測量AD中認知障礙的進展。

在過去幾十年中，對AD的研究和實踐中神經影像學所扮演的角色發(fā)生了轉變，大腦影像技術研發(fā)的潛力迅速擴大，發(fā)展出了許多新的獲取圖像并分析圖像數據的方法（Dickerson et al.， 2011; Waser et al.， 2019）。

5. 結論

本研究發(fā)現AD患者與健康被試的低頻振幅以及局部一致性存在顯著差異，并且AD患者與MCI患者的這兩種指標也在多個腦區(qū)中存在差異。