轻度认知功能损害人群弥散张量成像研究进展

2014-03-22 16:27刘端束浩王赞谢春明张志珺
东南大学学报(医学版) 2014年3期
关键词:全脑体素胼胝

刘端,束浩,王赞,谢春明,张志珺

(东南大学附属中大医院 神经内科,江苏 南京 210009)

轻度认知功能损害(mild cognitive impairment, MCI)指有认知损害主诉、累及一个或多个认知领域、客观认知功能测定在与之匹配的年龄和受教育程度人群1到1.5个标准差以下、独立生活能力正常、且无痴呆的人群。MCI是阿尔茨海默病(Alzheimer’s disease, AD)的高危人群,转化为AD的年转化率为12%~15%。根据是否有AD病理标志物证据分为AD所致MCI与非AD所致MCI;AD所致MCI可根据AD病理证据分为中度可能及高度可能AD所致MCI[1];Bruno等也认为有AD病理证据的遗忘型MCI(amnestic mild cognitive impairment, aMCI)可以诊断为前驱期AD[2- 3]。与之前MCI定义比较,新的分类突出了AD病理证据的重要性及对转归的预测性。而弥散张量成像(diffusion tensor imaging, DTI)可在体无创研究MCI神经轴突连接性和髓鞘结构完整性,可望在痴呆早期寻找到可预测的影像学标记。在本文中作者将就DTI技术在MCI人群中的研究进展进行综述。

1 DTI的基本原理及研究方法

DTI通过定量分析水分子在白质内的弥散属性反映神经纤维的微观结构与走行。在水分子弥散椭球体内的3个特征值(λ1、λ2、λ3)及与之对应的3个特征向量(ε1、ε2、ε3)是DTI最基本的成像参数。基于此,研究中最常用的评价参数是部分各向异性(fractional anisotropy, FA)与平均弥散系数(mean diffusivity indexes, MD)。FA为各向异性与各向同性张量的比值,是最常用的各向异性程度测量指标,其降低可间接反映白质髓鞘完整性破坏[4- 5];MD指水分子在体素内的平均弥散率,即3个特征值的平均值,可检测水分子自由活动程度进而间接反映与神经纤维密度相关的细胞外空间大小。近年有研究分别用轴向弥散(axial diffusivity, DA)与径向弥散(radial diffusivity, DR)系数进一步反映白质纤维结构特征。其中DA值即λ1值,可反映轴突完整性;DR值为λ2值与λ3值的平均值,可反映髓鞘完整性[6- 7]。此外基于基本成像参数的纤维跟踪算法,可利用水分子在纤维走行方向弥散最快的原理重建神经纤维并用于脑白质的研究。常用的方法有确定性跟踪算法与概率性跟踪算法两大类。确定性跟踪算法,基于主特征向量(ε1)平行于纤维走行方向的假设进行纤维追踪[8],其重建的神经纤维可靠性较高,但由于不能精确分析纤维分叉和交叉处的走行目前应用逐步减少;概率性跟踪算法使用概率密度分布函数模拟每个体素内纤维可能的走行,再根据纤维从种子点起源的流线型走行特点,结合每个体素内的可能走行方向计算出纤维连接图谱。这种方法可有效解决纤维分叉问题但尚无法精确定义纤维走行[9]。

基于上述方法的DTI数据分析策略可分为基于感兴趣区和基于全脑两类。基于感兴趣区(region of interest, ROI)的分析策略通过手绘或模板选择感兴趣脑区或白质纤维并将图像配准至同一标准空间再行基于体素的统计比较。这种方法可对大脑精细结构进行组间比较,但较为耗时且不能有效揭示全脑白质改变的总体模式。基于全脑的分析策略包括基于全脑体素的统计分析(voxel- based analysis, VBA)、基于脑区的统计分析(atlas- based analysis,ABA)、基于纤维示踪的空间统计方法(tract- based spatial statistics, TBSS)。VBA将评价参数图像配准至标准空间,可在全脑范围内以数据驱动方式逐体素检测脑白质结构特征[10],具有完全自动化、全面性、客观性和可重复性等优势[11],但包括空间标准化及平滑在内的数据处理过程可能引起白质结构偏倚,且不能特异性地反映白质纤维束的病变。ABA可将个体大脑的白质配准到标准化的白质脑区图谱内行基于脑区的白质纤维束的组间比较,避免个体纤维重建中白质病变所致的误差,但标准化所致的结构偏移仍不可避免。TBSS方法需先构建代表较大纤维束的平均骨架图,再将所有被试的图像向该骨架图投射进行分析,不需将数据进行空间标准化和平滑处理,从而增加白质纤维病变的检测敏感性[12]。也有研究综合使用各种方法来分析白质损害。

2 轻度认知功能损害人群白质损害

目前关于轻度认知损害人群白质改变的研究都是以Petersen等的定义为研究标准,可分为遗忘型MCI(aMCI)及非遗忘型MCI(non- amnestie mild cognitive impairment, naMCI)[13]。其中aMCI根据累及的认知领域多少分为遗忘型单认知领域损害(amnestic MCI with single domain,aMCI- SD)及遗忘型多认知领域损害(amnestic MCI with multiple domains,aMCI- MD),后者转化为AD的比例最高,因此aMCI成为影像学研究热点。

ROI方法横断面研究表明,与正常组比较,aMCI人群双侧额叶、双侧扣带回后部、左侧海马旁白质、胼胝体膝压部、双侧扣带后部FA值明显下降;双侧颞叶、海马、右侧扣带回后部、左侧扣带后部、半卵圆中心、胼胝体膝部及压部MD值增高[14- 16]。DR值增高的部位在左侧扣带、胼胝体压部及双侧钩束[17]。aMCI- SD人群与aMCI- MD人群白质比较,未见明显差异[18]。Haller等使用TBSS方法发现aMCI组在胼胝体下部及包括上纵束下部、钩束、海马旁回在内的右侧额颞白质通路FA值减低[19];Bosch等的结果显示aMCI组大脑、部分小脑和脑干白质MD及DR值增高;除双侧扣带、双侧上部放射冠外的其他白质纤维束DA值增高[20- 21]。

随访研究显示,使用ROI方法的aMCI人群在胼胝体、穹窿和右侧扣带FA值较前减低[22],在前部、下部扣带及穹窿白质MD值增高[23]。TBSS随访研究结果显示,aMCI只有胼胝体FA值明显下降。也有研究显示转化为AD的MCI(pMCI)与稳定型MCI(sMCI),基线时期pMCI在左侧前部海马MD值增高[24]。有研究发现在临床前期AD人群中灰质区域活动性增加更易导致AD病理的攻击[25],白质病理改变中是否存在此现象尚不清楚。

naMCI人群累及一个或多个非记忆认知领域,发展为非AD痴呆的风险较aMCI高[26]。与正常组比较,naMCI人群右侧壳核、右侧内囊前肢、右侧放射冠FA值降低,MD值增高[27]。Terence等也发现naMCI人群双侧额叶、右侧扣带回、双侧扣带白质FA值降低,右侧内囊前肢、右侧枕叶白质MD值增高[28]。随访研究发现,随访2.5年后,约20%naMCI进展为AD,脑脊液AD病理标志物是最强的预测因素[29]。

综合上述研究可见,扣带后部、胼胝体及海马旁白质是aMCI最常见的白质通路受损部位,其中扣带后部、海马旁白质是Papez环路的重要组成部分,该环路是短时记忆的神经传导环路,由隔区开始经扣带回至海马,经穹窿至乳头体,再由乳头体丘脑通路至丘脑前核,最后由前丘脑通路回到扣带回;而胼胝体是半球间最大的联合纤维,与新皮层广泛相连。这些部位的白质损害与记忆损害症状的发生密切相关。脑白质完整性与皮层网络信息传递效率有关[30],而aMCI中FA值与MD值同时有改变的区域包括胼胝体膝压部、右侧扣带回后部及左侧扣带后部,表明这些部位存在髓鞘及少突胶质细胞损害所致的有髓神经纤维束退行性改变进而影响认知活动[31]。研究也发现naMCI人群存在白质损害,部分人群具有AD病理改变证据[32],可转化为AD,在新的分类标准中可诊断为AD所致MCI。

3 小结与展望

综合可见MCI人群白质病变广泛,区域分布缺乏特异性,可能源于MCI受试者的异质性或研究方法不同带来的偏倚[33]。今后的研究需在应用新的分类标准基础上通过扩大样本量,改进分析方法及高质量的随访确定其特征性损害模式。动物实验发现在β淀粉样蛋白及tau蛋白病理改变出现之前即可在电镜下发现脑白质改变[34],因此DTI技术有望在超早期识别AD患者。目前DTI技术还存在分辨率低、扫描时间过长、没有公认的数据后处理方法等缺点尚待改进;此外还需进一步与功能影像模态结合,综合脑功能网络与结构网络的研究成果,加深对MCI全脑损害模式的认识。

[1] SPERLING R A,CHAIR M D,AISEN P S,et al. Towards defining the preclinical stages of Alzheimer’s disease:Recommendations from the National Institute on Aging and the Alzheimer Association Workgroup[J].Alzheimers Dement,2011,7(3):280- 292.

[2] BRUNO D,HOWARD H F,CLAUDIA J,et al.Revising the definition of Alzheimer’s disease:a new lexicon[J].Lancet Neurol,2010,9(11):1118- 1127.

[3] PETERSEN R C.Mild cognitive impairment as a diagnostic entity[J].J Intern Med,2004,256(3):183- 194.

[4] BASSER P J,PIERPAOLI C.Microstructural and physiological features of tissues elucidated by quantitative- diffusion- tensor MRI[J].J Magn Reson,1996,111(3):209- 219.

[5] BASSER P J.Inferring microstructural features and the physiological state of tissues from diffusion- weighted images[J].NMR Biomed,1995,8(7- 8):333- 344.

[6] SONG S K,YOSHINO J,LE T Q,et al.Demyelination increases radial diffusivity in corpus callosum of mouse brain[J].Neuroimage,2005,26(1):132- 140.

[7] SONG S K,SUN S W,JU W K,et al.Diffusion tensor imaging detects and differentiates axon and myelin degeneration in mouse optic nerve after retinal ischemia[J].Neuroimage,2003,20(3):1714- 1722.

[8] BASSER P J,PAJEVIC S,PIERPAOLI C,et al.In vivo fiber tractography using DT- MRI data[J].Magn Reson Med,2000,44(4):625- 632.

[9] FRIMAN O,FARNEBACK G,WESTIN C.A Bayesian approach for stochastic white matter tractography[J].IEEE Trans Med Imag,2006,25(8):965- 978.

[10] ASHBURNER J,FRISTON K.Voxel- based morphometry—The methods[J].Neuroimage,2000,11(6 Pt 1):805- 821.

[11] 秦锦标.基于体素的形态测量学在认知功能障碍中的应用[J].东南大学学报:医学版,2010,29(4):477- 480.

[12] SMITH S M,JENKINSON M,JOHANSEN B H,et al.Tract- based spatial statistics:voxelwise analysis of multi- subject diffusion data[J].Neuroimage,2006,31(4):1487- 1505.

[13] PETERSON R C,NEGASH S.Mild cognitive impairment:an overview[J].CNSSpectr,2008,13(1):45- 53.

[14] WANG L Y,GOLDSTEIN F C,VELEDAR E,et al.Alterations in cortical thickness and white matter integrity in mild cognitive impairment measured by whole brain cortical thickness mapping and diffusion tensor imaging[J].AJNR Am J Neuroradiol,2009,30(5):893- 899.

[15] CHERUBINI A,P’ERAN A,SPOLETINI I,et al.Combined volumetry and DTI in sub- cortical structures of mild cognitive impairment and alzheimer’s disease patients[J].J Alzheimers Dis,2010,19(4):1273- 1282.

[16] CHUA T C,CHEN X H,KOCHAN N,et al.Diffusion tensor imaging of the posterior cingulate is a useful biomarker of mild cognitive impairment[J].Am J Geriatr Psychiatry,2009,17(7):602- 613.

[17] ZHANG Y,SCHUFF N,CAMACHO M,et al.MRI markers for mild cognitive impairment:comparisons between white matter integrity and gray matter volume measurements[J].PLoS ONE,2013,8(6):e66367.

[18] SALI D,VERGANELAKIS D A,GOTSIS E,et al.Diffusion tensor imaging (DTI) in the detection of white matter lesions in patients with mild cognitive impairment (MCI)[J].Acta Neurol Belg,2013,113(4):441- 451.

[19] HALLER S,NGUYEN D,RODRIGUEZ C,et al.Individual prediction of cognitive decline in mild cognitive impairment using support vector machine- based analysis of diffusion tensor imaging data[J].J Alzheimers Dis,2010,22(1):315- 327.

[20] BEATRIZ B,EIDER M A,LORENA R,et al.Multiple DTI index analysis in normal aging,amnestic MCI and AD,Relationship with neuropsychological performance[J].Neurobiol Aging,2012,33:61- 74.

[21] LIN Z,WEI W,WANLIN Z D,et al.White matter integrity in mild cognitive impairment:A tract- based spatial statistics study[J].NeuroImage,2010,53(1):16- 25.

[22] TEIPEL S J,MEINDL T,WAGNER M,et al.Longitudinal changes in fiber tract integrity in healthy aging and mild cognitive impairment:a DTI follow- Up study[J].J Alzheimers Dis,2010,22(2):507- 522.

[23] NOWRANGI M A,LYKETSOS C G,LEOUTSAKOS J M,et al.Longitudinal,region- specific course of diffusion tensor imaging measures in mild cognitive impairment and Alzheimer’s disease[J].Alzheimers Dement,2013,9(5):519- 528.

[24] FELLGIEBEL A,YAKUSHEV I.Diffusion tensor imaging of the hippocampus in MCI and early alzheimer’s disease[J].J Alzheimers Dis,2011,26:257- 262.

[25] BERO A W,YAN P,ROH J H,et al.Neuronal activity regulates the regional vulnerability to amyloid-βdeposition[J].Nat Neurosci,2011,14(6):750- 756.

[26] YAFFE K,PETERSEN R C,LINDQUIST K,et al.Subtype of mild cognitive impairment and progression to dementia and death[J].Dement Geriatr Cogn Disord,2006,22(4):312- 319.

[27] THILLAINADESAN S,WEN W,ZHUANG L,et al.Changes in mild cognitive impairment and its subtypes as seen on diffusion tensor imaging[J].Int Psychogeriatr,2012,24(9):1483- 1493.

[28] CHUA T C,WEN W,CHEN X H,et al.Diffusion tensor imaging of the posterior cingulate is a useful biomarker of mild cognitive impairment[J].Am J Geriatr Psychiatry,2009,17(7):602- 613.

[29] VOS S J,van ROSSUM I A,VERHEY F,et al.Prediction of Alzheimer disease in subjects with amnestic and nonamnestic MCI[J].Neurology,2013,80(12):1124- 1132.

[30] 黄文盛,周红.磁共振弥散张量成像技术在脑白质病变与认知功能障碍关系研究中的作用[J].东南大学学报:医学版,2013,32(4):522- 525.

[31] SJOBECK M,HAGLUND M,ENGLUND E.Decreasing myelin density reflected increasing white matter pathology in Alzheimer’s disease- a neuropathological study[J].Int J Geriatr Psychiatry,2005,20(10):919- 926.

[32] SCHNEIDER J A,ARVANITAKIS Z,LEURGANS S E,et al.The neuropathology of probable Alzheimer disease and mild cog- nitive impairment[J].Ann Neurol,2009,66(2):200- 208.

[33] ZHUANG L,WEN W,ZHU W,et al.White matter integrity in mild cognitive impairment:A tract- based spatial statistics study[J].NeuroImage,2010,53(1):16- 25.

[34] DESAI M K,SUDOL K L,JANELSINS M C,et al.Triple- transgenic Alzheimer’s disease mice exhibit region- specific abnormalities in brain myelination patterns priorto appearance of amyloid and tau pathology[J].Glia,2009,57(1):54- 65.

猜你喜欢
全脑体素胼胝
基于多级细分的彩色模型表面体素化算法
产前超声间接征象在部分型胼胝体发育不全诊断中的价值
全脑CT灌注成像诊断急性脑梗死的价值
瘦体素决定肥瘦
运用边界状态约束的表面体素加密细分算法
脚底长疙瘩,需要治疗吗?
SmartKey脑力空间组织的全脑开发体验课开课
基于体素格尺度不变特征变换的快速点云配准方法
MRI对急性原发性胼胝体变性的诊断及鉴别诊断
超声联合磁共振诊断胎儿胼胝体发育不全的影像学特征分析