0 引言

       2型糖尿病（type 2 diabetes mellitus, T2DM）是一种以慢性高血糖为特征的全身代谢性疾病，长期可导致大血管和微血管并发症，是认知功能障碍、痴呆症和抑郁症等精神障碍的重要危险因素^{[1, 2, 3]}。尽管这些疾病的潜在机制尚未完全阐明，但越来越多的证据表明，脑微血管功能障碍是关键机制之一^[4]。因此，表征脑血流灌注改变的表型可能有助于我们更好地理解T2DM患者认知老化和智能损害的潜在机制。常规MR检查仅能发现较严重的血管病变，对早期病变检测效果有限。MR动脉自旋标记（arterial spin labeling, ASL）是一种无创、敏感的灌注成像技术，无需注射对比剂即可定量检测大脑血流灌注变化^{[5, 6]}。3D-ASL技术结合快速自旋回波序列和背景抑制技术，能够有效减少图像运动伪影并提高信噪比^[7]。目前大部分研究集中于T2DM患者全脑或脑皮层区域的血流量差异，缺乏微循环血流灌注方面的研究^[8]。尺度亚轮廓模型（scaled subprofile model, SSM）作为一种基于主成分分析（principal component analysis, PCA）的多变量分析法，可探究解剖结构之间的内在功能相关性，已被广泛应用于阿尔茨海默病、帕金森病的研究^{[9, 10]}。本研究利用3D-ASL技术结合PCA分析方法，从局部到整体，探索T2DM患者大脑微循环血流灌注的改变，识别出T2DM患者不同于健康对照（healthy control, HC）的灌注特征，并分析这些变化与生化指标间的相关性，为临床对糖尿病微血管病变的早期诊断及定量评估提供影像学证据。

1 材料与方法

1.1 研究对象

       选取扬州大学附属医院门诊及住院T2DM患者共30人。T2DM患者由专科医师参照中国2型糖尿病防治指南（2020版）明确诊断^[11]。同期于体检中心纳入HC者26例，HC组空腹血糖<6.1 mmol/L，餐后或口服葡萄糖耐量试验（oral glucose tolerance test, OGTT）后2小时血糖<7.8 mmol/L。所有被试年龄范围在50~70岁之间，右利手。排除标准：（1）有低血糖病史；（2）有大脑外伤史、手术史；（3）脑实质病变（包括脑肿瘤、脑出血、脑梗死等）；（4）有明显脑白质脱髓鞘、软化灶等常规MRI显示异常者；（5）全身性疾病，如严重贫血、严重高血压、甲状腺功能障碍等；（6）MRI禁忌证者，如安装了起搏器、人工心脏瓣膜。患者均遵规律的糖尿病治疗，在医嘱下进行规律用药，包括饮食控制、胰岛素注射及口服降糖药物等。一般临床资料的收集包括：病史、服用药物；患者组在空腹状态下抽取肘静脉血，并检测空腹血糖、餐后血糖、餐后2 h血糖、糖化血红蛋白、血脂四项、空腹C肽、餐后2 h C肽。为排除糖尿病微血管病变并发症混杂因素的影响，所有T2DM患者均接受眼底检查，排除合并微血管病变的被试。本研究为前瞻性研究，本研究遵守《赫尔辛基宣言》，经扬州大学附属医院伦理委员会批准，全体受试者均签署了知情同意书，批准文号：2020-YKL03-G057。

1.2 影像数据采集

       本研究使用GE 750W 3.0 T磁共振扫描仪，使用二十四通道头颅磁共振线圈。包含的序列有轴位T2液体衰减反转恢复（T2 fluid-attenuated inversion-recovery, T2-FLAIR）序列、T1序列、3D-ASL序列。T2-FLAIR序列采用快速自旋回波序列轴扫，具体参数如下：TR 9000 ms，TE 119.7 ms，FA 160°，层厚5 mm，矩阵256×256。T1扫描参数：TR 8.5 ms，TE 3.2 ms，FA 12°，层厚1.0 mm，间隔0 mm，矩阵256×256。3D-ASL采用横断位扫描，TR 4640 ms，TE 10.7 ms，分辨率4 mm×4 mm×4 mm，标记时间1525 ms，标记效率0.8，获得图像包括3D-ASL剪影后灌注图、3D-ASL非标记质子加权图像及大脑血流量（cerebral blood flow, CBF）定量图像。

1.3 图像预处理

       3D-ASL在动脉血近端选择性脉冲标记流入的血液，等到达脑组织后采集的图像为标记图，用完全相同的参数采集另一组没有标记的质子加权图像作为背景图。将标记图与背景图相减得到ASL差异图，将ASL的差异图平均以后，联合质子加权背景图得到CBF定量图。在SPM（https://www.fil.ion.ucl.ac.uk/spm/）中用非线性配准的方法将被试个体空间ASL差异图配准到蒙特利尔神经学研究所（Montreal Neurological Institute, MNI）标准空间，1 mm各向同性的MNI152脑区模板，然后将所有被试配准后的图像做平均得到组间标准ASL模板；再将每个受试者的个体空间ASL差异图配准到上一步得到的标准ASL模板并得到个体到标准空间的配准矩阵；用这个配准矩阵将个体空间CBF图配准到MNI空间，并重采样到2 mm×2 mm×2 mm体素大小，最后用半高全宽（full width at half maximum, FWHM）为8 mm×8 mm×8 mm的高斯核进行空间平滑。

1.4 主成分分析

       我们使用SSM/PCA来提取大脑灌注特征网络，计算过程如公式（1）所示:

       首先对图像数据进行对数变换，两次去均值（减去个体受试者的平均值和组体素的平均值），创建个体i的残余轮廓（subject residual profile, SRPi），并进行单主成分分析计算个体i的图像矩阵Pi与矩阵的全脑平均值GMRi之差的均数而得到组平均轮廓（group mean silhouette, GMP）。同时个体i的SRPi也等于主成分图像集（group invariant subprofile, GISk）乘以个体标量因子（subject-specific scaling factor, SSFki）与特征值λk的加权和。通过PCA计算输入数据协方差矩阵的特征向量和特征值，计算得到GIS。这些特征向量为主成分图像集GIS每个网络的GIS（GISk, k=1, 2, 3,..., M）均代表1组不变的空间协方差亚轮廓，反映了疾病相关的大脑灌注模式。个体的某主成分（9单个或线性组合）的分值能够将患者与HC区分开（P<0.05），该主成分即定义为某疾病相关的脑代谢网络模式。单个被试的PCA得分被计算为每个受试者图像对疾病相关模式主成分集的贡献值即特征表达值。

1.5 统计学分析

       全脑灌注差异的统计学分析使用双样本t检验在全脑范围内对标准化的CBF做体素水平的组间比较分析，年龄和性别作为协变量，多重比较校正采用高斯随机场（Gaussian random field, GRF）的方法，校正后的P<0.05。个体的主成分（单个或线性组合）的分值能够将患者与HC区分开，使用平均值差异的95%置信区间进行评估，方差组分占总方差的比率>5%，即P<0.05认为差异具有统计学意义。特征值的组间比较采用两样本t检验，并与临床指标进行相关分析。相关分析所使用的统计方法为偏相关分析，P<0.05认为差异具有统计学意义。

2 结果

2.1 临床基线资料

       被试者一般临床资料如表1所示。依照纳入排除标准，符合条件的T2DM患者共28人，HC组共26人。

点击查看表格

表1  一般临床资料
Tab. 1  General clinical data

2.2 基于全脑体素的CBF组间比较分析结果

       与HC组比较，T2DM患者两侧中央旁小叶、左侧补充运动区、两侧内侧和旁扣带回、左侧岛盖部额下回、左侧颞中回、左侧颞下回等区域的灌注明显较低（P<0.05，GRF校正）（图1、表2）。灌注降低区的CBF值与临床指标之间未见明确相关。

点击查看大图

图1  T2DM 患者组与HC组脑血流量存在差异的脑区（P<0.05，GRF校正）；色卡颜色代表双样本t检验的t值，蓝色代表低于HC组的区域。T2DM：2型糖尿病；HC：健康对照。
Fig. 1  Cerebral blood flow (CBF) differences between T2DM patients and healthy controls (P<0.05, GRF corrected); the color-bar represented the T-value of the two-sample t-test, and the blue represented the lower CBF in T2DM patients than in HC group. T2DM: type 2 diabetes mellitus; HC: healthy control.

点击查看表格

表2  T2DM患者与HC组相比脑血流量有差异的脑区（T2MD<HC）
Tab. 2  Regions showing cerebral blood flow differences between T2DM patients and HC (T2MD<HC)

2.3 基于SSM/PCA的大脑灌注特征网络提取及分析结果

       主成分分析结果显示，与疾病相关的GIS1、GIS2的方差组分占总方差的比率分别为17.6%和11.7%，具有显著性。GIS1的为双侧枕上回、楔叶、顶上回区域所组成的灌注特征网络；GIS2为双侧前扣带回、尾状核头、壳等区域所组成的灌注特征网络（图2）。相关性分析结果显示T2DM组患者每个被试PCA特征值与空腹血糖明显正相关（r=0.32，P=0.001），以GIS2灌注特征网络为模板提取的T2DM组CBF值与患者空腹血糖负相关（r=0.12，P=0.03）（图3）。

点击查看大图

图2  2型糖尿病患者与健康对照组相比不同的脑灌注网络模式图像（P<0.05）。GIS1（红黄色区域）的为双侧枕上回、楔叶、顶上回区域所组成的灌注特征网络；GIS2（蓝绿色）为双侧前扣带回、尾状核头、壳等区域所组成的灌注特征网络。GIS：主成分图像集。
Fig. 2  Regions showing cerebral perfusion networks discriminated type 2 diabetes mellitus patients and healthy controls (P<0.05). GIS1 (red-yellow) represented a perfusion characteristic network composed of bilateral superior occipital gyrus, cuneate lobe and superior parietal gyrus. GIS2 (blue-green) represented a perfusion characteristic network composed of bilateral anterior cingulate gyrus, caudate nucleus head, shell. GIS: group invariant subprofile.

点击查看大图

图3  GIS特征值得分及相关性分析结果。3A、3B分别为T2DM组与HC组的GIS1、GIS2特征值得分；3C显示T2DM组患者每个被试PCA特征值与空腹血糖明显正相关（r=0.32，P=0.001）；3D显示以GIS2灌注特征网络为模板提取的T2DM组CBF值与患者空腹血糖负相关（r=0.12，P=0.03）。GIS：主成分图像集；T2DM：2型糖尿病；HC：健康对照；PCA：主成分分析；CBF：脑血流量。
Fig. 3  GIS eigenvalue score and correlation analysis results. 3A, 3B are the feature value scores of GIS1 and GIS2 between the T2DM group and HC group, respectively; 3C shows the PCA characteristic value of T2DM group is significantly positively correlated with fasting blood glucose (r=0.32, P=0.001); 3D shows the extracted CBF value of the T2DM group, using the second perfusion characteristic network as template is negatively correlated with fasting blood glucose (r=0.12, P=0.03). GIS: group invariant subprofile; T2DM: type 2 diabetes mellitus; HC: healthy control; PCA: principal component analysis; CBF: cerebral blood flow.

3 讨论

       本研究使用3D-ASL成像技术揭示了T2DM患者在运动前区和颞叶等多个脑区CBF的降低，创新性地运用PCA构建了T2DM患者的特征网络分布模式，主要涉及视皮层区和基底节区的脑灌注。通常，SSM/PCA技术多用于正电子发射断层扫描的研究^[12]，而将其与ASL成像技术相结合在文献中鲜有报道。此外，研究发现这些灌注模型与生化指标之间存在相关性，这一发现强调了理解T2DM患者大脑血流重塑的重要性，并可能为T2DM患者微血管病变的早期诊治提供参考。

3.1 基于全脑体素的CBF组间比较分析

       本研究使用基于全新射频平台、背景抑制的3D-ASL技术，一定程度上克服了以往ASL皮层信噪比低、对运动伪影敏感等缺点。结合基于体素的全脑分析方法，在标准空间进行预处理及统计，避免手动勾画感兴趣区时可能带来的偏差^{[13, 14]}。

       结果显示，与HC组比较，T2DM患者两侧中央旁小叶、左侧补充运动区、内侧和旁扣带回、左侧岛盖部额下回、左侧颞中回、左侧颞下回等区域的灌注明显较低。中央旁小叶、左侧补充运动区位于前运动皮层，内侧和旁扣带回是边缘系统的一部分，与杏仁核、眶额皮层等区域相连接，主要参与情绪调节系统。左侧岛盖部额下回位于额下回的三角区，属于语言运动区，与执行语义任务和文字的产生有关。左侧颞中回、颞下回部分为听觉皮质区，部分为视觉腹侧通路的一部分。这些脑区包括了大脑的运动、语言、视听等多个功能区，本研究的结果与前期研究关于T2DM患者广泛的皮层及皮层下区域脑血流的灌注缺损相符^{[15, 16, 17]}。

       T2DM患者中慢性高血糖与脑部血管病变密切相关，这种病变可直接导致脑部慢性、隐匿性的缺血性改变^[18]。之前研究较多报道了T2DM患者脑内CBF减低，但所报道的部位不尽相同。有研究发现T2DM患者无论是全脑血流量还是脑区血流量都较对照组明显降低^[16]。有研究发现T2DM患者后扣带回、楔前叶及双侧枕叶灌注显著减低，而前扣带回灌注增高^[19]，而另一项研究发现T2DM代谢紊乱以及血流异常调节最先影响额叶及颞叶的灌注^[20]。另有研究发现T2DM患者左侧距状裂周围皮层及右侧楔前叶灌注显著减低^[21]。但也有研究得到不同的结论，TIEHUIS等^[22]对控制良好的T2DM患者脑血流量分析结果并未发现与健康对照人群存在显著差异。

       导致这些差异性结果的原因尚不明确，推测可能与纳入的T2DM患者自身血管的代偿作用有关，尤其可能与脑血管反应性的改变有关^[23]。不同分析方法的敏感度也会对结果有较大的影响，脉冲式ASL和伪连续ASL在标记的空间范围和时间以及标记延迟方面存在根本差异^[8]。此外个体化的用药方案也可能会对结果有所影响，例如二甲双胍类具有心血管保护作用^{[24, 25]}。

3.2 基于SSM/PCA的大脑灌注特征网络提取及分析

       现有研究大多局限于T2DM患者全脑或脑皮层区域的血流量差异^[8]，而作为衡量T2DM微血管病的间接指标，大脑循环灌注应该并非独立的。属于同一动脉供血的脑区，其CBF值在个体之间的变化应该是同步的，这样就构成了具有区域分布特征的大脑灌注网络，这种灌注特征可能同样能够反映大脑血流灌注的改变。SSM/PCA是较早被提出的多变量数据分析方法之一，既可以提供区域化指标，又可以提供不同组间状态相关的模式和模式的表达信息^{[9, 10]}。本研究结合SSM/PCA的全数据驱动分析，发现T2DM患者与HC相比不同的脑灌注特征网络分布区，每个被试特征值能够反映数据集不同模式下的灌注信息。

       先前的研究显示T2DM患者在枕叶和距状裂周围皮层的CBF显著降低^{[26, 27, 28]}，同样有研究显示T2DM患者枕叶视觉区明显的灌注降低，推测枕叶灌注降低可能和视力障碍或者后循环缺血有关^[17]。上述与本研究的GIS1结果大致相符。GIS1的灌注特征表现为双侧枕上回、楔叶、顶上回区域不同的灌注模式，并且其特征值与空腹血糖明显正相关。这些区域主要位于距状裂周围，包括了初级、二级视皮层、纹状皮质层、纹外视觉皮层等区域。视网膜损伤是糖尿病的一个重要的并发症，可以引起视觉通路相关的血管、神经病变，最终导致视觉损伤。与之前研究不同的是，我们没有观察到显著的视觉区CBF下降，但是这种灌注模式的改变可能反映了隐匿性的视觉通路损伤，并可能与视觉区功能活动的改变相关。这种差异指出了SSM/PCA在揭示微妙灌注模式变化方面的优势，这些变化可能在常规方法中未被捕捉。

       本研究GIS2灌注特征区域为双侧前扣带回、尾状核头、内囊前肢、壳等区域，这个区域主要由大脑前动脉的中央支供血，其中内囊前肢及壳仍有部分来自豆纹动脉的部分血供。这与先前研究中观察到的T2DM患者纹状体、丘脑等皮层下灰质核团对称性受累相似^[29]。这些脑区相对于其他脑区缺乏侧支循环，更易发生微血管病变，且由于多缺乏交通动脉供血，因此容易导致血供不足和代谢物沉积。在T2DM患者中，尾状核和其他皮层下灰质核团的灌注减少、灰质体积减小已被报道^{[27, 30]}。推测由于这些皮层下区域的穿支动脉较深，血管密度低，使其对血管病理学变化（如局部缺血或灌注不足）具有更高的敏感性^[31]。尾状核表现出的高胰岛素受体密度也可能与其灌注减少和灰质体积缩小相关^[32]。尽管在本研究中尚未观察到GIS2灌注特征区域显著的灌注缺损，灌注模式的变化已明显区分了T2DM组和HC组。更重要的是，空腹血糖较低的患者在这些灌注网络中的CBF相对较高，揭示了这些区域的灌注可能与体内血糖水平密切相关。随着脑血管损伤累积作用，这些区域可能更易发展为脑血管病变，引起相应的临床症状。

       在临床中早期发现及预防脑血管病变对T2DM患者具有很重要的价值。这两种灌注模型相关分析均与生化指标间有较明显的相关性，提示T2DM所引起的脑血管损害不局限于单独的脑区，更重要的是灌注特征网络的改变，这对提前预防脑血管病的发生具有重要意义。

3.3 本研究的局限性及改进

       本次研究纳入的T2DM患者的样本含量偏少，在将来的研究中，需要扩大样本含量来验证这一结果；由于本研究没有对纳入的T2DM患者治疗方案进行筛选分类，对于不同药物对灌注的影响还有待后续长期随访的动态追踪观察；本研究未能对患者进行全面的认知功能评估，限制了对结果更加全面的解释，在今后的研究中会补充相应的神经量表评估。

4 结论

       ASL成像技术有效揭示了T2DM病患者多个脑区CBF降低，主要位于运动前区和颞叶。通过全数据驱动的主成分分析，进一步构建了T2DM患者脑灌注的特征网络分布模式，主要涉及大脑后动脉供血的视皮层区域和前动脉供血的基底节区。两种灌注模型均发现与生化指标间的相关性，印证了大脑血流灌注非独立的假设，指出区域灌注模式的变化是理解脑血流灌注重塑的关键，对于T2DM微血管病变的早期诊断及干预具有重要价值。