网站首页 > 新闻中心 > 学习园地
联系方式
手机:18580429226
联系电话:023-63084468
联系人:杨晓飞
联系邮箱:syfmri@163.com
联系地址:重庆市渝中区青年路38号重庆国际贸易中心2004#
信息内容
BRAIN:脑小血管病中长程白质纤维的损伤影响失语严重程度
发布者:admin 发布时间:2020/7/20

语言在高级认知功能中扮演着极为特殊的位置。一方面,语言是高度实践化和高度自动化的,它的加工有着相对独立的网络模块。另一方面,语言的产出和感知与大脑中多个初级和高级认知功能系统存在密切的交互,这就要求语言这一功能的正常表征需要大脑网络中长距离连接的直接支持,从而实现不同区域的快速高效的信息交换。支持语言信息处理的长距离纤维束的不断确认也说明了这一点。而在各种不同的脑损伤、脑疾病以及脑老化过程中,语言功能的受损也往往表现出一定的相似性,这种行为表征相似的背后是否存在着相似的神经底物呢?

不少研究发现白质高信号是脑疾病或脑老化等引起的脑小血管疾病的重要症像之一。但我们仍旧不清楚这种症像在疾病和高级认知功能损伤表现这二者之间扮演着什么样的角色。为了回答这一问题,南卡罗莱纳医科大学的研究者在杂志《Brain》上发文,通过T1T2组织成像和弥散张量成像方法探索了白质高信号与慢性失语严重程度的潜在病理生理学联系。

研究提出两个假设:   

1)白质高信号与任何长度的纤维损伤相关,但是相对于中短程白质纤维,长程纤维损伤所占比例更高;   

2)长程纤维损伤数量介导脑白质高信号与慢性卒中后失语严重程度之间的关联。 

研究方法:

该研究测量了48例慢性卒中后失语症患者的侧脑室旁及深部脑白质高信号的严重程度,计算短、中、长程纤维的数量及所占比例。通过相关与中介分析评估白质高信号、连接纤维长度测量值及失语严重程度之间的关联。其中失语严重程度由Western AphasiaBattery-Revised (WAB-AQ)量表评估其失语指数。
研究结果:

侧脑室旁与深部脑白质高信号越严重,长程纤维所占比例越低r =-0.423, P = 0.003r = -0.315,P = 0.029),同时伴随着短程白质纤维所占比例越高(r = 0.427, P =0.002 and r= 0.285, P = 0.050)。侧脑室旁白质高信号越严重,中程纤维所占比例越低(r = -0.334,P =0.020),然深部白质高信号与之不相关。

中介分析显示:   

1)侧脑室旁白质高信号对于WAB-AQ总影响显著(standardized beta = -0.348,P =0.008);   

2)侧脑室旁白质高信号对WAB-AQ直接影响不显著(P > 0.05);   

3侧脑室旁白质高信号对失语严重程度间接影响显著,高信号越重、失语越严重,该关联受到长程白质纤维及短程白质纤维所介导。
结论:

脑小血管病通过长、短程白质纤维比例的改变影响慢性失语严重程度。该发现为观察脑小血管病与大脑健康及慢性失语严重程度的病理生理学关系提供了深入了解。

 

引言:

 除了脑微出血、腔隙性脑梗死,白质高信号(WMH,也称为脑白质疏松症)是脑小血管疾病的重要征象之一。脑白质高信号通常被认为侧脑室旁及深部脑白质MRI异常,T2WIFLAIR高信号。WMH影响高达95%60岁以上老年人,与心血管疾病、新发或复发卒中、痴呆、心脑血管疾病危险因素如:低灌注、高血压、糖尿病、肾功能减低密切相关。WMH与认知下降、卒中预后不良相关,包括:持续语言障碍(命名、流畅度),吞咽障碍、生理与认知障碍以及总体功能障碍。

目前不乏WMH与卒中预后关系的研究,但是尚无研究揭示介导其关系的潜在的病理生理学机制。越来越多的研究认为,脑白质内长程纤维轴索为远距离脑灰质连接提供整合,短程纤维提供脑灰质局部分割(轴索是神经纤维的组成部分,神经纤维内部是轴索,外面包绕着髓鞘,其中轴索是由许多神经元轴突和长的树突构成。)。尽管长程轴索对于维持网络组织及效率至关重要,但他们较短程纤维数量更少,所需能量更多。其所消耗能量多的原因在于其具有更高的轴向电流成本及钠流入以促进动作电位轴向传导。为期3年的纵向研究发现较高的能量消耗可能导致长程纤维对微血管病理的改变尤其敏感,WMH随时间推移沿相关长程纤维发展逐渐加快,例如:上下纵束、额枕束、弓状束。

因此,脑小血管病可能会引起长程白质纤维束结构逐渐衰退,从而导致患者在脑损伤后受到不利影响更大,例如卒中。语言为一种复杂的认知功能,需要知识联想、信息整合、语义、语法、形态学以及语音映射。长程纤维作为多模整合所必需,对于缺血更易受到影响,该研究假设长程纤维的损伤可能是脑白质高信号与慢性失语严重程度的中介因素。

 

研究方法:       

被试:       

通过回顾性收集一项正在进行的前瞻性多中心研究的被试,该研究为慢性失语症患者治疗后恢复情况的预测因子。在为期21个月的时间跨度内,被试右侧大脑半球经历出血性或缺血性卒中至少12个月,年龄21-80岁,根据WAB-RWestern AphasiaBattery-Revised)量表诊断失语。共48名被试被纳入研究。被试信息如下表1,图1为所有被试脑损伤的重叠。 

白质高信号评分:

采用由Fazekas等人于1987年完善的(the Fazekas scale)评分量表,评估侧大脑半球(病灶对侧半球)白质高信号的表现与程度,因为该研究分析的是脑小血管病的影响,而非大血管损伤导致白质损伤造成的失语。通过T2 MRI,对侧脑室旁WMHPVH)、深部脑白质WMHdeep WMH)分别进行评估,共4个等级0-30WMH3融合性WMH)。基于此,PVH侧脑室旁白质高信号)与deep WMH(深部白质高信号)评分均为0作为对照组,为卒中损伤而无脑白质高信号组。相对于评分>0的被试为存在卒中及WMH2为两名被试的PVHdeep WMH评分举例。

1.被试的人口统计学信息及临床信息(n=48

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz9E9w51uqjDTj3cIIPrXlmQ8NM82D8ibMCxvs4L3YhH64UuWc1W9iboCqqxln5Rg0PvwDsINTNoSVbg/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

 

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz9E9w51uqjDTj3cIIPrXlmQx5SugAOpjAG8m3ecmV9hI6PoXQD8icfq2w7Ez5FmkbEWQdPogJImYSQ/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

1.被试损伤重叠图(n=48

颜色表示该区域损伤的被试数,颜色越亮该区域重叠越多。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz9E9w51uqjDTj3cIIPrXlmQBaVFLTUBj2RWdP8fdtuCllFg45uHM53Kh8qQ5lto7eFYCba2M3P32g/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

2.该研究2例被试T2 MRI图。左侧PVHdeep WMH由蓝色标记,以及相应的白质追踪及结构连接矩阵(x轴、y轴与AICHA感兴趣区域一致,颜色越亮区域见连接度越高)。第一列被试卒中后无WMH,第二列被试WMH最严重(PVH侧脑室旁白质高信号)3分,deep WMH(深部白质高信号)3分)。连接矩阵图显示:WMH评分越严重,连接越稀疏(被试2相较于被试1),尤其是长程投射的大脑区域,如额叶。

 

图像采集:

西门子Prisma3T 设备20通道头颈联合线圈,在行为学测评的2天内采集,序列包括:T1T2、弥散加权平面回波成像(EPI)。
图像处理:

病灶图

利用MRIcron软件手动绘制病灶。采用SPMMATLAB内部脚本,通过以下步骤将卒中病灶配准至标准空间:

1.T2图像配准至个体T1图像,将病灶重切至个体T1空间;

2.将重切的病灶图进行3mm半峰宽的高斯核平滑,以去除由手动绘制病灶产生的锐利边缘。

3.采用SPM12 的分割配准一体化的镜像标准化方法,将T1图像配准至标准空间,并采用嵌合性T1图像,将与卒中病灶一致的区域由完整的半球所镜像取代;

4.将病灶mask二值化,仅将超过50%概率的体素保留为最终的标准化后病灶mask将病灶mask放置于标准空间后,每幅图像依据同质区域的内在连通性图谱(AtlasofIntrinsic Connectivity of Homotopic Areas, AICHA)被分割为不同解剖灰质区域,确定总体病变的大小。 

结构连接组:

每个被试个体连接组的建立由以下几步完成:   

1)采用SPM12一体化分割与配准将T1数据灰白质进行概率分割;   

2)灰质图根据AICHA图谱分割为384区域;、  

3)将灰质分割图非线性配准至DTI空间;   

4)计算每对区域间DTI纤维束概率追踪;   

5)基于连接每对灰质区域间概率纤维束的数量,计算每对的连接权值,对每条追踪纤维的距离及所连接区域的总体积进行校正;   

6)建立384X384的加权连接矩阵M,对于每个被试Mi,j代表感兴趣ij之间的加权连接。采用TOPUPEddy,可使弥散数据不失真。纤维束追踪采用FSL’s FMRIB’s Diffusion ToolboxFDT概率追踪方法BEDPOSTX计算每个体素的默认弥散参数分布。白质追踪图谱除外卒中病灶,ij之间的加权连接分别以ij作为种子点进行双向平均,并对长度进行校正(probtrackX’s distancecorrection’)。所计算的纤维束数量除以连接区域的总体积,弥补灰质区域大小不等的影响。

总之,每个被试的连接组由一个384*384的矩阵构成,节点为AICHA图谱的解剖感兴趣区,边为节点间结构连接。
白质纤维长度:

研究计算MNI标准空间上,每对感兴趣区间白质连接的欧式距离,分别计算短、中、长程白质纤维的数量。长度低于25%为短程纤维,超过75%以上为长程纤维,25%-75%为中程纤维。
病灶体积:

在数据分析中控制病灶大小,以控制右侧病灶WAB-AQ评分的影响。卒中病灶图配准至MNI152 1mm空间,其体积等于病灶体素的数量除以1000,单位为毫升。

失语的评估:

WAB-AQWAB-R量表是临床常用的用来评估失语的表现、类型及严重程度的量表,分数0-100分,低于93.8提示失语。其广泛评估了表达及理解能力域,包括:自发性言语、听觉语言理解、重复、命名及找词。失语指数(AQ)是四种评分的加权总和,作为该研究的因变量(行为变量),表示被试的失语严重程度。 

数据分析:

采用SPSS进行数据分析,P0.05统计学显著性。

研究WMH与纤维长度的关系,对PVH(侧脑室旁白质高信号)、deep WMH、及短、中、长纤维束百分比采用相关分析。对于纤维束数量采用单尾统计,因为假设WMH与纤维束数量下降相关,独立于纤维长度,但是对于纤维束百分比采用双尾统计检验,因为假设每组比例发生改变。数据非正态分布,采用非参数,二元Spearman相关。|r|0.3弱相关, 0.3|r|0.5中度相关,|r|0.5强相关。

采用两因素ANOVA评估WMH(白质高信号)及纤维束长度类型对纤维束长度百分比分布是否存在独立或者联合影响。 中介分析:研究WMH与失语严重程度的关联是否与纤维长度相关,采用PROCESS macro进行统计学并行中介分析。计算多元回归模型,卒中病灶体积作为控制变量。如图3所示,包含两种中介因子(1)独立变量X对因变量的总影响Y;(2)控制中介变量(M1M2),计算XY的直接影响;(3XY的间接影响分别通过M1M2。采用并行中介分析,通过控制其中一个中介常数的方法,分析每一个中介变量的贡献。

在该研究中,评估了WMHX)对于WAB-AQY)的总、直接、间接影响(图3)。基于假说,较高比例的长程纤维受损抵消了较低比例的短程纤维损伤,介导了WMH与慢性卒中后失语严重程度的关系,评估WMH通过长程纤维的数量(M1)与短程纤维的数量(M2)对WAB-AQ的间接影响。使用PROCESS macro的模型4,对WMH通过M1\M2WAB-AQ间接效应及WMHWAB-AQ直接效应进行建模。对每一个中介变量分别进行1次回归。首先,控制一个中介变量,评估WMH通过另一个中介所造成的影响(表3,模型12);然后,控制其他中介变量及WMH,评估长、短程纤维数量的影响(表3,模型3);最后控制2个中介变量,采用回归模型(表3,模型3)评估WMHWAB-AQ的直接影响。

究采用5000次的置换检验及95%置信区间评估WMHWAB-AQ的间接影响这一假说。如果置信区间不包括0则拒绝无效假设(无间接影响)。研究为了避免回归模型中的共线性问题,选择不同纤维种类的数量而非百分比,因为不同纤维的比例是相互依存的。计算方差膨胀因子(VIF)检验模型共线性,若VIF>6,认为存在共线性。所有回归模型变量VIF<6,因此不存在共线性问题。

3.2 中介变量的并行中介分析的简化示意图



研究结果:

WMH与轴索损伤的关联:

PVHdeep WMH两者之间存在显著相关(r=0.454P=0.001),呈中度相关。与纤维长度的关联:

WMHPVHdeep WMH)与长、中、短程纤维的绝对数量(计数)与相对数量(百分比)之间的关联:PVH侧脑室旁白质高信号)与deep WMH与不同长度纤维绝对数量的Spearman相关均具有显著性(表2,补充图1),WMH越严重,3种纤维数量越低。对于PVH严重程度从最轻0至最重3,纤维数量短程下降15%(中位数),中程35%,长程47%对于deep WMH严重程度,纤维数量短程下降19%(中位数),中程36%,长程51%

2.WMH评分与侧纤维连接体测量相关分析

补充图1.不同WMH下不同长度纤维的绝对计数与相对计数

PVHdeep WMH与短程、长程纤维长度的比例有显著性相关(表2,补充图1),WMH越严重,长程纤维比例越低,短程纤维比例越高(长短程纤维损伤比例失调)(图4)。

https://mmbiz.qpic.cn/mmbiz_png/tNXmT93Xiaz9E9w51uqjDTj3cIIPrXlmQv5NSrecNJCQdf9jH7PDBajxeNrWRpkmeEojZ4dUxhVDCBxoGFu0AxA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1

4.不同WMH短、中、长程纤维中位数比例

两因素ANOVA分析结果:

PVHdeep WMH与不同长度纤维类型无显著交互效应。WMH评分在不同长度纤维的分布显示:评分1的每种纤维百分比例的变异最大(范围最宽),当排除评分1,仅有评分023PVHdeepWMH与不同长度纤维类型具有显著交互效应,提示纤维长度类型是WMH评分的独立影响因素。

Post hoc分析结果:由于病灶可能会对对侧白质纤维产生影响,WMH与纤维类型的关联是否受到卒中病灶混杂因素的影响需要进一步探究。采用多元线性回归分析,纤维类型的数量或百分比作为因变量,WMH作为自变量,病灶体积作为控制变量。发现PVHdeepWM评分越高(越严重),中长程纤维数量越低,deepWMH评分越高(越严重),长程纤维比例越低,关联具有显著性。PVH越严重,长程纤维比例具有明显下降的趋势(P=0.054)。提示,WMH对纤维长度具有独立于脑卒中病灶的影响,长程纤维损伤比例较大。
WMH
、轴索损伤及慢性失语严重程度的关联

PVH(侧脑室旁白质高信号)对WAB-AQ的总影响显著,PVH越严重,WAB-AQ评分越低(越严重),作者控制了病灶大小。由于deep WMH无产生显著影响,下一步分析仅对PVH进行。

中介分析中,WAB-AQ作为因变量,PVH为自变量,长、短程纤维的数量作为两个中介变量,病灶体积作为控制变量。与前述第一个研究目标相反,第一个研究仅评估左侧大脑半球,而这部分研究对全脑白质纤维进行研究,主要是因为左侧半球对失语严重程度影响更加重要;其次,WMH通常是对称分布,两侧半球WMH程度大致一致。     

中介分析的结果见表3与图5。结果显示,PVHWAB-AQ无显著直接影响,但PVHWAB-AQ存在显著间接效应,由长程纤维的数量和短程纤维的数量所中介。PVH评分越严重,长程纤维数量越少,WAB-AQ评分越严重。PVH评分越严重,短程纤维数量越少,WAB-AQ评分越不严重。PVH(侧脑室旁白质高信号)对WAB-AQ的总效应是基于其间接效应而非PVH的直接效应。3.PVHWAB-AQ影响的中介分析,通过长程、短程纤维所中介,控制病灶体积

5.PVHWAB-AQ的直接影响及间接影响(中介)
结论:       

WMH(白质高信号)与长程纤维损伤相关,WMH导致卒中后慢性失语加重是通过影响长程纤维数量减低所造成的,被短程纤维数量减少所抵消。因此,小血管疾病造成卒中患者患严重慢性失语是由于长短程纤维的平衡失调所引起。

对心血管危险因素等的治疗及预防干预,对于卒中患者或卒中高危人群长程纤维损伤的保护改善小血管疾病预后。

如需原文及补充材料请加微信:siyingyxf 或者18983979082获取,如对思影课程感兴趣也可加此微信号咨询。

 

微信扫码或者长按选择识别关注思影

 

 第六届脑电信号数据处理提高班(南京,7.20-25

 

第七届脑电数据处理入门班(重庆,8.2-7

第二十届脑电数据处理中级班
(重庆,8.9-14)

第九届脑电数据处理入门班(重庆,9.22-27

 

第二十一届脑电数据处理中级班(南京,9.7-12

 

第八届近红外脑功能数据处理班(南京,8.18-23

 

第七届眼动数据处理班(南京,7.26-30



第九届磁共振脑影像结构班(南京,8.6-11



第三十届磁共振脑影像基础班(南京,7.31-8.5)

 

第三十二届磁共振脑影像基础班(南京,9.21-26)

 

第十六届磁共振脑网络数据处理班(南京,8.12-17

 

第十一届脑影像机器学习班(南京,8.25-30

 

第十三届磁共振弥散张量成像数据处理班(南京,9.15-20

 

第六届小动物磁共振脑影像数据处理班(南京,9.1-6

 

第七届磁共振ASL数据处理班(南京,10.12-15

 

第六届任务态fMRI专题班(南京,10.17-22)



第二届弥散磁共振成像数据处理提高班(南京,10.24-29

 

第十四届磁共振脑网络数据处理班(重庆,7.26-31)

 

第三十一届磁共振脑影像基础班(重庆,9.14-19



第十七届磁共振脑网络数据处理班(重庆,10.20-25


脑磁图(MEG)数据处理学习班(预报名)
数据处理业务介绍:
思影科技功能磁共振(fMRI)数据处理业务
思影科技弥散加权成像(DWI/dMRI)数据处理
思影科技脑结构磁共振成像数据处理业务(T1)
思影科技啮齿类动物(大小鼠)神经影像数据处理业务
思影数据处理业务三:ASL数据处理
思影科技脑影像机器学习数据处理业务介绍
思影数据处理业务四:EEG/ERP数据处理
思影科技脑电机器学习数据处理业务
思影数据处理服务五:近红外脑功能数据处理
思影数据处理服务六:脑磁图(MEG)数据处理
思影科技眼动数据处理服务
招聘及产品:

招聘:脑影像数据处理工程师
(重庆&南京)
BIOSEMI脑电系统介绍
目镜式功能磁共振刺激系统介绍


 
 

打印本页 || 关闭窗口