0 引言

       癫痫是一类由多种原因引起的大脑神经元异常放电，导致一过性、反复发作的中枢神经系统功能紊乱疾病，已成为困扰各年龄段人群的全球性问题，目前全世界有超过7000万患者^[1]。抑郁症是癫痫患者最常见共患的精神类疾病，降低了患者的生活质量，抑郁与癫痫之间的关系非常复杂。研究发现二者可能具有共同的发病机制^[2]，存在一种双向关系，且互为危险因素。但癫痫共病抑郁的具体发病机制尚不明确，仍有待进一步研究。静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）过去被广泛应用于脑网络研究，以检测各脑区之间的功能连接及研究人脑的自发神经功能网络^[3]。LIU等^[4]使用rs-fMRI研究儿童局灶性癫痫的脑网络改变与智力的关系，发现与健康对照组相比，患者组的部分局部等全局指标显著降低，左中央前回的节点最短路径长度（nodal shortest length, NLp）与智力存在相关性，推测左中央前回是儿童癫痫患者脑功能网络重组的关键节点。图论分析是复杂网络分析方法中比较常用的一种，是近几年研究脑神经网络的热门方法之一。人脑是一个复杂的集成网络，神经科学家应用图论将大脑概念化为一个通过点和边相连接来实现各脑区相互作用的网络，网络中的点通常代表不同解剖脑区，网络中的边通常表示不同解剖脑区之间的功能连接或结构连接，甚至是有效连接^[5]。图论指标如中心性、小世界性、全局效率拓宽了人们对神经精神疾病中大脑网络被破坏过程的理解，成为神经影像学分析中的创新应用^[6]。目前基于图论分析方法已广泛应用于抑郁症^[7]、双相情感障碍^[8]、精神分裂症^[9]、强迫症^[10]、阿尔茨海默病^[11]、癫痫^{[12, 13, 14]}、帕金森病^[15]等多种神经精神类疾病。LI等^[16]采用图论分析方法对非颅内病变癫痫患者进行脑功能网络分析，发现癫痫患者的局部效率曲线下面积显著降低，脑网络的拓扑特征和功能连接均发生了变化，向随机网络转化。尽管基于rs-fMRI的图论分析方法在癫痫脑网络研究中已有较多应用，并取得一定成果，但在癫痫共病抑郁的研究中尚未应用，癫痫共病抑郁的脑网络机制仍有待进一步研究。基于此，本研究拟采用图论分析方法联合rs-fMRI成像技术，探究癫痫伴抑郁的脑功能网络变化，探索抑郁对癫痫的脑功能拓扑属性的影响，为阐明癫痫共病抑郁发生发展的病理生理机制提供新的影像学基础。

1 材料与方法

1.1 临床资料

1.1.1 研究对象

       收集2020年11月01日至2022年11月30日就诊于湖南省人民医院神经内科门诊及住院的癫痫患者病例55例。入组前由两位主治医师以上神经内科医生参照2017年国际抗癫痫联盟（International League Against Epilepsy, ILAE）制定的癫痫新诊断标准确定诊断。所有癫痫患者当日行17项版汉密尔顿抑郁量表（Hamilton Depression Rating Scale, HAMD）测定，结果>7分为共病抑郁，≤7分为不伴抑郁。最终纳入癫痫不伴抑郁患者25例（E组），癫痫共病抑郁患者30例（ED组）。收集两组患者的一般资料：性别、年龄、受教育程度（文盲记1分、小学记2分、初中记3分、高中或中专记4分、大专或本科以上记5分）。55名受试对象在行头部核磁共振检查前，均已被告知磁共振检查的禁忌。本研究遵守《赫尔辛基宣言》，已通过湖南省人民医院医学伦理委员会审查批准，批准文号：[2023]-176，全体受试者均签署了知情同意书。

1.1.2 纳排标准

       纳入标准：（1）所有受试者年龄18~65岁之间，右利手；（2）符合2017年ILAE的癫痫诊断标准；（3）可以配合完成磁共振检查及HAMD量表测定。排除标准：（1）存在明显颅内结构异常；（2）有精神疾病病史。

1.2 影像资料

1.2.1 影像数据采集

       所有受试者的影像数据采集均在湖南省人民医院磁共振四室进行，采用德国Siemens Magnetom Trio 3.0 T扫描仪进行扫描。扫描过程中，要求患者安静仰卧、保持清醒、全身不动、闭上双眼。用配套的头套固定头部，所有受试者先扫描常规磁共振，扫描参数为：TR 1900 ms，TE 3.4 ms，FOV 24 cm×24 cm，矩阵256×256，层厚1 mm，层距0.5 mm，共160层。对常规磁共振扫描未发现头部异常结构者，再采用平面回波成像序列扫描。扫描参数为：TR 3000 ms，TE 30 ms，90°翻转角，共36层，FOV 24 cm×24 cm，矩阵64×64，层厚3 mm，层距1 mm，扫描时间7 min 30 s。

1.2.2 数据预处理

       磁共振数据预处理在MRIcron软件和MATLAB 2021b平台的GRETNA V2.0软件包^[17]进行。先把研究对象的rs-fMRI DICOM图像数据在MRIcron（http://www.nitrc.org/projects/mricron）软件转换成4D NIFTI格式以便后期图像处理。在GRETNA V2.0（https://www.nitrc.org/projects/retna/）软件包上去除时间点和时间层校正，根据头动平移>2 mm或旋转>2°的标准剔除癫痫共病抑郁患者1例，癫痫不伴抑郁患者3例。标准化采用欧洲标准脑模板进行配准，体素大小为3 mm×3 mm×3 mm；去线性漂移。经过带宽为0.01~0.10 Hz的低频滤波，回归掉全局、白质及脑脊液信号。

1.2.3 脑网络连接矩阵构建

       在GRETNA软件上进行脑网络连接矩阵构建，根据人脑自动解剖标记图谱（anatomical automatic labeling, ALL）模板，将全脑划分为90个不同节点，分别提取每个节点的平均时间序列，两两节点之间进行Pearson相关分析，得到变化后的静息态功能连接矩阵。

1.2.4 脑网络拓扑属性分析

       脑网络拓扑属性指标见表1。

点击查看表格

表1  脑网络拓扑属性指标
Tab. 1  Brain network topology attribute indicators

1.2.5 脑网络指标计算

       基于GRETNA V2.0计算脑功能网络的拓扑属性，稀疏度为0.05~0.47，间隔0.01，得到每个网络矩阵的ROC曲线，计算各自的曲线下面积。

1.3 统计学分析

       采用SPSS 20.0进行统计分析，E组和ED组的性别采用卡方检验，受教育程度评分、年龄等采用两独立样本t检验，P<0.05为差异有统计学意义，反之为差异无统计学意义。其中服从正态分布用均数±标准差表示，不服从正态分布或方差不齐，则采用中位数（四分位数间距）表示。脑网络拓扑参数比较分析，两组数据先行正态性及方差齐性检验，数据不符合正态分布或方差不齐采用Mann-Whitney U检验，符合正态分布同时方差齐则采用两独立样本t检验，并对节点指标采用FDR多重比较校正，P<0.05为差异有统计学意义，反之为差异无统计学意义。将存在显著性差异的全局及节点属性指标与HAMD评分进行相关性分析，若两组指标均符合正态分布，进行Pearson相关分析；若不符合正态分布选用Spearman相关性分析，P<0.05考虑为两者存在相关关系。

2 结果

2.1 一般资料

       ED组与E组分别有29例、22例受试者成功进行数据分析。两组受试者HAMD评分比较差异有统计学意义（P<0.05），性别构成、受教育程度评分、年龄比较差异无统计学意义（P>0.05）（表2）。

点击查看表格

表2  ED组与E组临床资料比较
Tab. 2  Comparison of clinical data between ED group and E group

2.2 脑功能网络拓扑属性分析

2.2.1 全局指标分析

       2组受试者的脑功能网络在0.05~0.47的稀疏度阈值范围内均存在小世界属性。对比E组，ED组聚类系数（clustering efficiency, Cp）、标准化特征路径长度（lambda, λ）下降，差异有统计学意义（P<0.05，FDR校正）。其他全局指标小世界属性（sigma，σ）、标准化聚类系数（gamma, γ）、局部效率（local efficiency, Eloc）、全局效率（global efficiency, Eg）和特征路径长度（characteristic path length, Lp）差异无统计学意义（P>0.05）（表3、图1）。

点击查看大图

图1  E组与ED组的脑功能网络全局属性。1代表ED组；2代表E组；*代表差异有统计学意义的全局属性；E：癫痫不伴抑郁；ED：癫痫共病抑郁；Eg：全局效率；Eloc：局部效率；Cp：聚类系数；λ：标准化特征路径长度；γ：标准化聚类系数；σ：小世界属性；Lp：特征路径长度。
Fig. 1  Global properties of brain functional networks in group E and group ED. 1 for group ED; 2 for group E; * for statistically significant global properties; E: epilepsy without depression; ED: epilepsy comorbid depression group; Eg: global efficiency; Eloc: local efficienc; Cp: clustering efficiency; λ: normalized characteristic path lengths; γ: standardized clustering coefficient; σ: small world attributes; Lp: feature path length.

点击查看表格

表3  ED组与E组全局属性比较
Tab. 3  Comparison of global attributes between ED group and E group

2.2.2 节点指标分析

       与E组相比，ED组节点局部效率（nodal local efficiency, NLe）升高的脑区位于右侧额中回眶部。节点聚类系数（nodal clustering coefficient, NCp）下降的脑区位于左侧枕上回、左侧楔叶（表4、图2）。两组患者节点属性指标有差异的脑区主要位于额叶、枕叶。

点击查看大图

图2  ED组与E组脑功能网络节点中心性异常的脑区示意图。红色圆点示节点中心性降低脑区；蓝色圆点示点示节点参数降低脑区；ED：癫痫共病抑郁；E：癫痫不伴抑郁；O：额中回眶部；S：枕上回；C：楔叶；L：左侧；R：右侧。
Fig. 2  Schematic diagram of brain regions with central abnormalities in brain functional network nodes in ED and E groups. Red dots indicate node centrality; blue dots decrease node parameters; ED: epilepsy comorbid depression group; E: epilepsy without depression; O: middle frontal gyrus; S: superior occipital gyrus; C: cuneius; L: left; R: right.

点击查看表格

表4  ED组与E组节点属性比较
Tab. 4  Comparison of node attributes between ED group and E group

2.2.3 相关性分析

       全局属性Cp（r=-0.349，P=0.012）与HAMD评分呈负相关，左侧枕上回NCp（r=-0.382，P=0.006）、左侧楔叶NCp（r=-0.477，P<0.001）、左侧枕上回NLe（r=-0.351，P=0.011）与HAMD评分呈负相关，右额中回眶部NLe（r=0.409，P=0.003）与HAMD评分呈正相关（图3）。

点击查看大图

图3  ED组异常网络拓扑属性与临床变量的相关性分析。左侧楔叶的NCp（3A）、左侧枕上回NCp（3B）及左侧枕上回的NLe（3C）与HAMD评分呈负相关，右侧额中回眶部的NLe（3D）与HAMD评分呈正相关，全局属性Cp（3E）与HAMD评分呈负相关（Spearson相关）。ED：癫痫共病抑郁组；NCp：节点聚类系数；NLe：节点局部效率；HAMD：汉密尔顿抑郁量表；Cp：聚类系数。
Fig. 3  Correlation analysis between abnormal network topology attributes and clinical variables in ED group. NCp (3A) in the left cuneus, left superior occipital gyrus NCp (3B), and NLe (3C) in the left superior occipital gyrus are negatively correlated with HAMD scores, NLe (3D) in the right middle frontal gyrus is positively correlated with HAMD scores, and global attribute Cp (3E) is negatively correlated with HAMD scores (Spearson correlation). ED: epilepsy comorbid depression group; NCp: nodal clustering coefficient; NLe: nodal local efficiency; HAMD: Hamilton Depression Rating Scale; Cp: clustering efficiency.

3 讨论

       本研究应用rs-fMRI的影像学技术结合数学上的图论分析方法对比ED组与E组患者的脑功能网络拓扑属性差异。全局属性指标显示ED组Cp、λ较E组下降，Eg、Lp、σ、γ等均无显著性差异。在节点属性方面，部分脑区的NLe、NCp存在显著性差异。相关性分析发现全局属性Cp，左侧楔叶及枕上回、右侧额中回眶部节点属性与HAMD评分有相关性。

3.1 全局属性指标分析

       人脑被认为是一个在结构和功能、时间和空间尺度上都异常复杂的网络系统，研究认为脑网络具有多个拓扑属性，可以从节点及全局等不同维度去解析大脑连接网络的变化。既往研究表明真实的脑网络具有小世界属性，介于规则网络和随机网络之间，具有高Cp和低Lp^[18]，是一种 “低成本、高效益 ”的信息传递网络^[19]当小世界网络结构遭到破坏时，大脑处理和整合信息的能力就会减弱。本研究发现，E组与ED组两组脑网络均具有小世界属性，这与以往的研究结果一致^{[20, 21]}，表明无论合并抑郁与否，癫痫患者的脑功能网络均为小世界网络，在全局网络信息处理中仍具有高效能特点。本研究中，与E组相比，ED组患者脑功能网络的全局属性指标Cp下降，提示癫痫共病抑郁患者脑功能网络的全局分离能力及信息传输能力减弱，脑功能网络趋向于向“随机化”网络转化。与小世界网络相比，随机网络的脑网络的信息整合能力、容错能力及防御外界攻击的能力均下降。蓝学群等^[22]研究卒中后抑郁患者脑网络拓扑属性的变化，发现与卒中后不伴抑郁的患者相比，卒中后抑郁患者Eg、Eloc、Lp、γ、λ、Cp等参数改变且差异具有统计学意义，提示抑郁患者Cp、λ等全局属性发生异常改变。TAN等^[23]使用rs-fMRI研究晚年抑郁症患者的脑功能网络变化时发现晚年抑郁症患者的Eloc、Eg、Cp 和σ显著降低，Lp显著增加，脑网络信息整合及分化能力下降，且上述指标变化与抑郁症的严重程度存在相关性。PAN等^[24]研究青少年重度抑郁症（major depression, MDD）中异常功能连接网络与临床和认知特征的神经相关性发现，MDD组脑功能连接显著降低，与患者的疾病严重程度存在相关性。因此，癫痫共病抑郁的小世界网络特征的改变反映了脑功能网络的最优化拓扑属性架构被破坏，导致网络平衡紊乱，推测这些改变所致的脑网络失衡与抑郁的发生有关。

3.2 节点属性指标分析

       与E组相比，ED组患者脑网络节点属性改变的脑区涉及额叶、枕叶，节点中心度升高的脑区位于右侧额中回眶部，降低的脑区位于：左侧枕上回、左侧楔叶。曹江慧等^[25]基于未用药青少年MDD患者的脑功能网络的拓扑属性的研究发现MDD患者受损的脑功能网络主要与情绪相关脑区有关，如前扣带回和眶额回，并且累及的神经环路主要为眶额回-颞叶环路。一项基于磁共振弥散张量成像（diffusion tensor imaging, DTI）的研究发现，MDD患者由内囊向眶额叶皮层和丘脑的纤维投射减少，局部区域存在脑白质损伤^[26]。既往研究报道抑郁症最常见的受损神经环路是前额叶皮质下回路，额叶被认为是重度抑郁组的潜在病理生理靶点，眶额回为前额叶皮质下回路的信息中枢站^[27]，与情绪信息调节和感觉刺激密切相关。既往一项研究发现，以持续性和复发为特征的难治性抑郁症患者在眶额叶皮层中的低频振幅（amplitude of low-frequency fluctuations, ALFF）明显高于健康对照组^[28]。与先前研究相似，本研究亦发现ED组患者存在右侧眶额部区域脑网络改变，提示该脑区与抑郁的发生有一定的关联。

       楔叶是枕叶的一部分，位于枕叶的上方，在情绪管理和调节中起重要作用^[29]。一项关于rs-fMRI奖励处理任务的研究发现，与缓解期抑郁症的青少年相比，患有持续性抑郁症的青少年在楔叶中的激活较少^[30]。另一项研究还发现，与非难治性抑郁症组相比，难治性抑郁症组的内侧前额叶皮层和楔叶之间的功能连接降低^[31]。与以上研究结果相类似，本研究发现左侧楔叶的节点局部效率降低，脑网络局部信息传递功能降低，表明楔叶的脑网络异常可能是抑郁发生的原因之一。

       大脑的枕叶皮层参与视觉处理，视觉感知功能（如面部情绪）在情景记忆再处理中发挥重要作用^{[32, 33]}，视觉刺激诱导的情绪激活枕叶皮层^[34]。ZHUANG等^[35]利用稳态视觉诱发电位探索信息处理速度和参与情感感知的皮层结构之间的相互作用时发现，在处理负面情绪时枕叶处理神经信息的速度增快。YAO等^[36]通过rs-fMRI结合DTI构建结构和功能网络研究抑郁症患者的脑网络属性，发现结构和功能连接性减少的区域主要分布在枕上回、颞上回。张佳佳等^[37]基于rs-fMRI的ALFF和局部一致性（regional homogeneity, ReHo）的方法研究了单侧突发性耳聋患者急性期内静息态脑活动的变化，并提取差异有统计学意义的脑区与抑郁进行相关性分析，发现左侧枕上回ReHo值与抑郁自评量表评分呈正相关。本研究发现ED组左侧枕上回及左侧楔叶的脑功能拓扑属性异常，进一步证实枕叶脑区神经活动的改变是抑郁的基础，抑郁症与枕叶的功能异常密切相关。

3.3 异常网络属性指标与HAMD评分相关性分析

       本研究发现ED组全局属性Cp、左侧楔叶和枕上回的NCp及NLe与HAMD评分呈负相关，说明随着癫痫抑郁程度的加重，左侧楔叶和枕上回在脑网络中的中心性减低，伴随着局部信息传递及处理能力的减弱，经过最短路径传递信息的效率减低，反映了ED组患者大脑中的最佳信息处理能力降低及网络连通性受到破坏，引起“脑网络”失衡。本研究还发现右侧额中回眶部的节点局部效率与HAMD评分呈正相关，考虑额叶的这种改变与脑网络的损伤后的调整或代偿有关，当癫痫共病抑郁患者情绪异常时，右侧额中回眶部局部效率代偿性增加，脑网络的整合及信息重组能力加强，进一步调整异常情绪。

3.4 局限性

       尽管本研究发现了癫痫共病抑郁患者的脑网络特点，但尚存在以下几点不足：（1）样本量相对较小，这可能会导致统计结果的偏倚；（2）癫痫患者未按癫痫综合征分类，不同类型癫痫综合征其小世界网络属性可能存在一定的异质性，从而对结果造成一定影响；（3）本研究采用的脑功能网络构建图谱不含小脑，研究认为小脑与癫痫可能存在一定的相关性^[38]，可能也对结果有一定影响。

4 结论

       本研究发现癫痫伴/不伴抑郁患者均具有小世界网络特性，提示癫痫脑网络在全局及局部信息传递上仍具有高效-经济特性。对比癫痫不伴抑郁组，癫痫共病抑郁组脑的部分全局及局部网络指标发生改变，提示癫痫共病抑郁患者脑网络整合能力与分化能力均受到损害，脑网络防御能力下降，部分脑区的脑功能网络出现代偿性改变，节点中心度升高，局部信息传递能力增强，表明脑网络具有自我调节能力。