轻度认知障碍（mild cognitive impairment，MCI）是阿尔茨海默病（Alzheimer's disease，AD）的前驱形式，但未达到痴呆的程度。它是以神经认知功能障碍为特征，在认知功能方面有轻微困难的疾病^[1]。在许多基于国际人群的研究中，估计出60岁以上人群中MCI的患病率在15%~20%^[2]。在国内，中国不同地区老年人群中MCI患病率在5.4%~25.0%，其中生活在农村地区或中国西部地区的人群MCI患病率较高^[3,4]。一项研究报告显示，MCI与教育水平之间存在很强的相关性，即较低的教育水平与较高的MCI患病率有关^[5]。目前，从经历正常衰老的老年人身上识别出MCI是比较困难的。

       静息态功能磁共振成像（resting-state functional magnetic resonance imaging，rs-fMRI）是以检测脑血管中的血氧水平依赖（blood oxygen level dependent，BOLD）信号为基础的功能成像技术。有研究表明，脑部灰质区域血管密度较大，所以在该区域更容易检测BOLD信号^[6]。与任务态功能磁共振成像（task fMRI，t-fMRI）相比，rs-fMRI简易、方便且适用于难以配合完成任务的认知障碍患者，可广泛应用于中枢神经系统相关疾病的研究，反映基础状态下的脑功能状态；而扩散张量成像（diffusion tensor imaging，DTI）则是利用水分子的扩散特性作为探针来检查局部组织结构，揭示其微观组织的特征^[7]，主要以检测白质结构变化为主。上述两种成像方式分别在脑部灰质和白质区域有不同的应用及优势，部分文献[8,9]已经在尝试将rs-fMRI数据中的功能连接（functional connectivity，FC）信息与DTI数据中的结构连接信息结合起来，因为大脑功能与结构连接的关系对于理解和解释神经生理学的发现是至关重要的。本文将从rs-fMRI辅助DTI、DTI辅助rs-fMRI及rs-fMRI和DTI的等位联合3种方法分别在MCI诊断中的应用进行阐述。

1　rs-fMRI与DTI在MCI患者中的联合应用

       rs-fMRI研究的方法有很多，包括低频波动幅度(amplitude of low frequency fluctuations，ALFF)、分数低频波动幅度（fractional ALFF，fALFF)、功能连接（functional connectivity，FC)、局部一致性（regional homogeneity，ReHo）及独立成分分析（independent component analysis，ICA）等，这些方法多集中于分析扣带回、海马、额顶颞叶等脑区的异常变化。而在进行DTI方面的研究时，则通过收集的数据主要计算出两个扩散参数：部分各向异性（fractional anisotropy，FA)和平均扩散系数（mean diffusivity，MD)。FA通常反映神经纤维及其髓鞘的密度，而MD反映组织细胞结构的破坏和脱髓鞘过程。衰老和白质神经病理学都会导致各向异性的降低。

       近来，有人尝试将rs-fMRI与DTI联合应用于MCI患者中。有研究表明，与灰质区域相比，在人脑白质中检测BOLD信号要困难得多，因为白质由密度小得多的血管灌溉，其血流量大约是灰质中的1/4^[6]。DTI技术在诊断白质结构的改变方面起着重要的作用，可以在一定程度上弥补rs-fMRI技术在白质区域检测方面的不足，两者联合将在MCI诊断的全面性方面有更加突出的表现。rs-fMRI与DTI联合的方法基本分为3种，rs-fMRI辅助DTI、DTI辅助rs-fMRI及rs-fMRI和DTI的等位联合，以下将对上述联合方法在MCI患者中的应用分别进行阐述。

1.1　rs-fMRI辅助DTI在MCI患者中的应用

       Soldner等^[10]使用DTI和rs-fMRI对18例轻度至中度AD患者、16例MCI患者和20名认知正常的健康受试者(cognitive normal，CN）进行了研究，通过DTI评估后扣带回结构完整性对这3组患者静息状态下后扣带回、海马和海马旁回功能连接的影响，发现与CN相比，在默认模式网络（default mode network，DMN）中，AD患者和MCI患者后扣带回和海马之间的有效连接受损，很可能反映了早期海马旁回病变。Balachandar等^[11]也是分别选取轻度AD患者、MCI患者及CN，采用二次回归方法和体素智能统计的DTI分析rs-fMRI，从而得出结论。与CN相比，MCI患者在默认模式网络中的功能连接程度降低，而在执行网络中的功能连接程度升高，但没有轻度AD患者变化显著。Jiang等^[12]从rs-fMRI和DTI数据中学习了新的静息状态网络（resting state networks，RSNs)预测模型，评估了MCI的功能连接性变化，但由于MCI中的RSNs已经发生了改变，很难直接从rs-fMRI数据中构建出来。因此，采用DTI数据中的结构标志物作为MCI的RSNs预测模型，实验结果证明，与CN相比，基于rs-fMRI和DTI数据的RSNs预测模型可提高识别MCI功能连接改变的检测能力。目前，由于侧重点不同、所得实验数据的适用性等限制因素，所以rs-fMRI和DTI在对MCI患者的影像数据进行分析时，就会产生一定的主次关系，但不可否认，rs-fMRI辅助DTI时，较比单一技术的应用，对白质和灰质脑区的功能和结构变化的分析更加全面。

1.2　DTI辅助rs-fMRI在MCI患者中的应用

       Zhang等^[13]发现脑白质中静息态BOLD信号的空间相关模式也提供了DTI经常测量到的白质信息，该相关模式可以用功能相关张量（functional correlation tensor，FCT)来捕获，FCT类似于DTI得到的扩散张量(diffusion tensor，DT)，试验过程中，作者将rs-fMRI算出的DTI样张量和实际得到的DTI张量反复对比，来验证前者的可行性。首先，他们使用BOLD信号估计初始FCT，以提高噪声鲁棒性；第二，通过功能与扩散数据的关系，采用测试数据，从而利用回归森林模型了解初始FCT与对应DTs之间的映射关系；第三，利用DTI样张量作为反馈指导，重新估计增强的FCT，进一步提高FCT的计算能力。该实验证明增强的FCT在MCI的早期诊断中作用明显。Chen等^[14]也是基于FCT进行计算，沿着连接大脑灰质各对区域的主要白质纤维束进行汇总，进一步采用滑动窗口法将BOLD信号分割为多个短的重叠段，然后分别根据灰质和白质中的BOLD信号计算出每对大脑区域之间的FC和FCT，以DTI中形成的张量数据做对比，从而生成动态FC和动态FCT，更好地捕捉灰质和白质中的功能信息，并进一步将它们集成在一起，显著提高MCI患者的诊断准确性。上述两种方法都是以DTI技术（尤其是利用其DT)为辅，主要通过rs-fMRI技术生成的FCT对MCI形成诊断。Li等^[15]在rs-fMRI数据上应用一种新型设计——加权稀疏回归模型，以DTI数据为指导，确定MCI患者有效连接的网络结构；在此基础上，进一步采用回归算法来估计网络结构的有效连接强度，上述比较有鉴别性的结构包括额叶、颞叶、枕叶和其他脑区（如扣带回、海马及丘脑）。在DTI数据获取不足或较少时，则可以rs-fMRI技术为主，以DTI技术为辅，仍能全面分析各脑区灰质和白质的功能和结构变化，两者互相补充，为准确诊断MCI奠定一定的技术基础。

1.3　rs-fMRI和DTI的等位联合在MCI患者中的应用

       Wang等^[16]选取AD患者、MCI患者和CN，通过测量rs-fMRI信号的体素镜像同伦连接（voxel-mirrored homotopic connectivity，VMHC)，观察到AD和MCI患者前脑区（包括前额叶皮层和皮层下区）的VMHC降低，模式为AD <MCI <CN；在伴有AD或CN<MCI（感觉运动皮层）和AD<CN或MCI（枕回）形式的后脑区的MCI患者中，表现为VMHC增加。此外，再进行DTI分析，发现3组人群胼胝体膝部白质变化最为显著，其主要表现在AD和MCI患者中FA降低，MD值升高；进一步分析表明，前额叶皮层和皮层下区的VMHC与胼胝体膝的扩散参数呈正相关，表明了双侧大脑半球结构和功能连接的关系；最后，得出上述脑区胼胝体膝部的VMHC和扩散参数与MMSE测量的认知成绩呈显著相关的结论。Ren等^[17]从控制点（locus of control，LOC）的角度分析，认为认知能力LOC反映了个体对预期认知结果的感知控制，这对维持健康认知老化至关重要，进而结合rs-fMRI和DTI，对55例患有MCI的老年人进行了LOC的功能和结构连接的综合性分析，发现内侧前额叶皮质和杏仁核之间的功能和结构连接程度与外部LOC （即认为不可避免的环境约束或他人控制着一个人的日常生活）呈显著正相关。Wee等^[9]利用多核支持向量机（support vector machines，SVMs）将rs-fMRI和DTI的数据信息进行整合，对MCI患者和CN进行精确区分，该方法得到的分类精度为96.3%，比单模态方法和直接数据融合方法提高了至少7.4%，证明多模态分类方法比单独使用每个模态的准确率有显著的提高。在rs-fMRI和DTI数据获取充分的条件下，就可以对MCI患者展开更加全面、综合的分析，较比单一技术的应用，精确度也会随之显著提高。

       目前，对rs-fMRI和DTI联合应用的研究，主要基于上述3种方法。在国际上，rs-fMRI与DTI联合分析的有关研究仍做的较少，拥有很大的发展潜力和提升空间，未来的发展方向可以是继续深化各自的研究，在此基础上将上述技术更加完善地联合起来，充分利用彼此的优势，找到一个合理、简易且精准的契合点，制订一个公认的量化指标，对MCI患者脑部功能和结构改变做出更具说服力的解释和判断。

2　总结与展望

       目前，在国内外围绕MCI的结构变化进行许多研究的基础上^[18,19]，还在不断拓展对其功能影像的分析。rs-MRI、DTI及它们的联合应用为MCI的研究提供了独特的诊断思维。rs-fMRI可以根据ALFF、FC、ReHo、ICA等方法较为准确地发现病变所在部位，同时结合邻近或其他脑区的代偿机制判断相应脑区的功能改变。DTI技术能够检测到水分子随机运动的大小和方向，通过FA、MD等参数，全面反映脑白质内纤维束的结构改变，对MCI的诊断提供参考依据。每种技术都有其特定的应用范围以及指标参数，将rs-fMRI和DTI技术联合起来应用于MCI的早期诊断中已经成为一种趋势。然而，在众多的临床应用研究中，由于DTI和rs-fMRI数据在总扫描时间上的显著增加，无法在相同时间内获得DTI和rs-fMRI的图像^[14]，这是以后需要重点突破的技术关卡。

       MCI是AD病程前期的一个漫长阶段，当前对MCI的诊断更多的是依赖临床医生的经验判断以及MMSE、临床痴呆评定量表（clinical dementia rating，CDR）等相关量表，rs-fMRI及DTI仍难以作为确诊的工具使用。rs-fMRI和DTI技术的联合应用可为多模态成像在MCI的诊断中提供有效的诊断思路。除了上述两种技术之外，动脉自旋标记（arterial spin labeling，ASL)、磁共振波谱（magnetic resonance spectroscopy，MRS)技术^[20,21]都在MCI上进行了一定的研究。ASL是一种通过MRI直接定量局部脑区血流量的技术，通过提示脑组织低灌注区或无灌注区，正确评估局部血流的动力学变化，可在早期发现MCI患者受损脑区的血流灌注情况^[22]；MRS是一种非侵入性的技术，主要是在活体组织对特定组织的化合物进行定量分析，可反映MCI患者脑部病情变化及严重程度^[23]。未来应更侧重于将rs-fMRI、DTI、ASL及MRS等多重技术合理地联合起来，综合、全面及个体化分析MCI患者结构和功能图像，进而有助于在MCI患者有明确临床表现之前获得及时的诊断。