来自牛津脑血管临床研究中心的Wilby Willamson和Paul Leeson等研究人员在JAMA上发表了关于心血管危险因素与脑血管结构和功能MRI指标之间联系的研究。本研究有多个研究机构参与，共采集了125名受试者的多模态MRI数据（包括T1加权结构像、T2加权FLAIR像、弥散张量成像、TOF-MRI像）和一系列心血管危险因素的相关评分。其中，部分受试者（n=52）采集了ASL图像。本研究通过双变量和多变量模型分析了心血管危险因素与血管形态学、脑白质超强度病灶数目、脑血流、血液到达时间之间的相关性。研究结果表明，心血管危险因素与脑血管形态、白质超强度病灶数目具有显著相关。此外，脑血流和血管密度之间存在显著的相关性。研究结果表明心血管危险因素与较高的脑血管密度和口径、更高血流量和较少的白质超强度病灶数目有密切联系。
关键字：脑血管、脑血流、心血管危险因素、白质超强度病灶
本研究是由牛津脑血管临床研究中心、牛津大学临床磁共振研究中心、牛津大学的约翰拉德克里夫医院等多个研究机构参与完成。本研究共招募了125名未患有脑血管疾病的成人受试者（18-40岁）。首先，所有的被试均参与了心血管危险因素评估、生活方式问卷调查、7个全天体育活动的客观测量。其次，本研究采用MRI扫描仪（3.0T Trio Tim, Siemens）获得所有被试的T1加权结构像，T2加权FLAIR（fluid-attenuated inversionrecovery），弥散张量成像DTI（diffusion tensor imaging），TOF-MRA（time-of-flight MRarteriogram）。其中52个受试者（亚组）采集了ASL图像。其中，所有受试者人口统计信息、心血管危险评分及其指标如表1所示。
表1 基本信息和心血管危险因素概况
具体的图像处理如下（详见图1）：
(1) T1加权图像采用FSL软件进行处理，采用自动分割工具对TOF-MRA图像进行脑血管分割，采用二值分割确定血管密度、血管口径和扭曲度。
(2) 本研究采用大脑强度异常分类算法（the brainintensity abnormality classification algorithm, BIANCA）对白质超强度（white matter hyperintensity， WMH）的病灶及其相关脑区进行分割。该算法是一种全自动化、有监督的WMH检测方法。BIANCA算法是基于T2加权的FLAIR、 T1加权和DTI FA图像中获取的强度和空间特征对体素分类。此外，病灶数目（lesion count）被认为是白质变化最敏感的结果，本研究分析中适用最小病灶大小是1mm3.
(3) 利用之前描述的血管分析，从ASL图像中估计脑血流量和血液达到时间。在ASL MRI和T1加权MRI图像配准后，本研究基于灰质模板计算了平均脑血流量。
图1 多模态MRI图像的分析。以便获得脑血管形态学、白质病灶数目、脑血流等指标。
统计分析：
首先，本研究根据先前的研究将心血管危险因素划分为两组：（1）不可变因素，主要包括年龄、性别、出生的孕龄等。（2）可变因素，主要包括收缩压、BMI、极点运动能力（耗氧量）、峰值运动舒张压、周活动水平、酒精消耗量、吸烟史、血脂分析、葡萄糖和抗胰岛素性、目前高血压药物治疗状况等。
其次，研究采用了双变量和多变量分析来探究心血管危险标记和脑成像之间的关系。为减少多变量分析中的多重比较和变量间的交互影响，本研究在模型中控制了一系列变量（静息收缩压、BMI、剧烈运动水平、酒精消耗量和吸烟），并针对不可变因素（年龄、性别和孕龄）有所调整。
再者，本研究在后验分析中将8个危险因素综合成的心血管评分作为衡量心血管健康状况的指标。通过对年龄和性别进行回归分析，本研究分析了可改变心血管评分和脑成像结果之间的关系。
最后，本研究采用双变量分析探究了血管形态学和灰质超强度病灶数目及亚组中血液到达时间和脑血流之间的关系。
此外，本研究采用SPSS 22来进行所有的统计分析，所有的统计检验都是双尾的，p<0.005表示具有显著性的差异。
研究结果
（1）可改变危险因素、脑血管结构和白质超强度病灶
危险因素（收缩压、体重指数、吸烟、运动峰值舒张压、胆固醇/HDL比、高血压治疗）和脑血管形态之间的相关性如表2所示。在双变量模型及其改进模型中，血管弯曲度仅与出生时的孕龄存在显著相关（0.005-unittortuosity changes/gestational week，[95% CI, 0.001~0.009], P = .007 ）。
在多变量模型中，收缩压(-0.02vessels/cm3per mmHg [95% CI, -0.04~-0.0004], P=.046)、吸烟史(0.17 vessels/cm3 per pack-year[95% CI, 0.06~0.28],P=.004)和体重指数(BMI, -0.08vessels/cm3 per 1 BMI unit [95% CI, -0.15 ~-0.01],P = .02)与血管密度之间存在显著相关。血管口径与收缩压(−0.6μmpermmHg[95%CI, -1.0 to~0.05], P = .03)和吸烟史(4.0 μm perpack-year [95% CI, 0.2 ~ 8.0], P = .04)之间存在显著相关。。
在双变量模型中，WMH病灶数目显著相关于吸烟(0.8 lesions per pack-year[95% CI, 0.15- 1.44], P = .02)、运动极值舒张压(0.1 lesion permm Hg [95% CI, 0.01-0.24], P = .04)和饮酒量(0.4 lesions per weekly alcoholic drink [95% CI,0.03- 0.8], P = .03) 。
可改变心血管评分中的Healthiercategories与脑血管形态显著相关（如表3所示）。危险因素中的每种额外的Healthier categories与高于0.3- vessels/cm3血管密度(95% CI, 0.1~0.5, P = .003)和大于8-μm的血管弯曲度显著相关(95% CI, 3.0~13.0, P = .01)。
相似地，WMH病灶数目与心血管评分显著性相关：每增加一个危险因素的healthiercategory，WMH病灶数目减少1.6 (95%CI,−3.0to−0.5,P =.006)。此外，心血管评分与WMH的总体积显著相关：每增加一个危险因素的healthiercategory，WMH总体积减少51mm3 (95%CI, -87~ -15mm3, P = .006)。基于心血管评分进行分组，图2呈现了血管形态和WHM病灶在不同组之间的差异。
图2 基于心血管可改变评分，白质病灶数目和脑血管形态学之间的对比分析
表2 危险因素与脑血管形态（血管密度、口径和弯曲度）之间的关系
表3 可改变的心血管评分及其与脑血管形态学、脑血流量和白质高强度病灶数目之间的相关性
（2）血管形态和脑血流、到达时间及灰质病灶数目
为探究脑血流是否随着心血管危险因素变化，本研究对具有脑血流测量的受试组（n=52）进行了分析（平均脑血流：60 mL/100g/min [SD:11.5], 平均血液到达时：1.01s [SD: 0.08]）。研究结果表明更慢的血液到达时间（0.1 seconds per1 kg/m2 [95%CI, 0.001 to0.05], P = .001）和更低的脑血流（−1.1 mL/100g/minper 1 kg/m2 [95% CI, −2.0 to −0.1],P = .03）与更高的BMI显著性相关。服用抗高血压药物，脑血流显著降低（11mL/100g/min[95%CI, −18 ~ −3], P = .007）。对于每个额外脑血管评分的healthier category，脑血流高达2.5mL/100g/min（(95% CI, 0.16 to 4.89, p = .03）。另外，在血液到达时间和心血管评分之间未发现显著的相关性。上述结果如表3所示。
在多变量分析中，本研究控制了可改变因素（收缩压、BMI、剧烈运动、吸烟和酒精摄入），研究发现血液到达时间和脑血流量随着脑血管密度而改变：每立方厘米中，增加一个血管，血液到到达时间可减少0.015s（95% CI, -0.03 ~ -0.002, P=.02），脑血流可增加3-mL/100 g/min（95% CI, 0.7 ~ 5.4, P = .01）。而血管密度与WMH病灶数目表现为负相关性：每立方厘米增加一个血管，每单位的病灶数目减少1.5个 (95% CI, -2.7 ~ -0.4, P =.01)。上述结果如表4所示。
表4 脑血管形态（密度、口径和弯曲度）与脑血到达时间、脑血流及白质超强度病灶数目之间的相关性
一句话总结：本研究通过双变量和多变量模型分析了心血管危险因素与脑血管形态和功能指标之间的相关，结果表明心血管危险因素与脑血管密度、脑血管口径、白质超强度病灶数目、脑血流具有密切的关系。
参考文献：Williamson W,Lewandowski A J, Forkert N D, et al. Association of cardiovascular risk factorswith MRI indices of cerebrovascular structure and function and white matterhyperintensities in young adults[J]. JAMA, 2018, 320(7): 665-673.
欢迎微信扫码或者长按二维码关注我们
思影科技给您带来最新脑影像资讯
获取原文及补充材料：关注“思影科技”公众号，回复“原文”或“培训”，获取原文及补充材料pdf下载链接，同时欢迎浏览我们的培训通知及数据处理业务介绍。（直接点击下方橙色字）：
第五届磁共振弥散张量成像数据处理班
第三届磁共振ASL（动脉自旋标记）数据处理班（同上）
第四届磁共振脑影像结构班（同上plus）
第十届功能磁共振数据处理基础班（适合基础）
第六届磁共振脑网络数据处理班（适合有一定基础）
第二届脑功能磁共振提高班暨任务态fMRI专题班（入门到提高）
第二届动物磁共振脑影像数据处理班（同上）
第九届脑电数据处理基础班（适合零基础）
第三届脑电信号数据处理提高班（疯狂的电脑）
第四届近红外脑功能数据处理班
第一届眼动数据处理班
思影数据处理业务一：功能磁共振（fMRI）数据处理
思影数据处理业务二：结构磁共振成像(sMRI)
思影数据处理业务三：ASL数据处理
思影数据处理业务四：EEG/ERP数据处理
