分享:
分享到微信朋友圈
X
临床研究
基于SyMRI弛豫定量分析和QSM预测早期帕金森病患者脑黑质微结构变化的临床价值研究
方子榕 陈秋雁 叶灵 余波 黄财城 余燕武

Cite this article as: Citation:FANG Z R, CHEN Q Y, YE L, et al. Clinical value in predicting the microstructural alterations of substantia nigra in patients with early Parkinson's disease based on SyMRI relaxation quantitative analysis and QSM[J]. Chin J Magn Reson Imaging, 2024, Citation:15(8): Citation:110-116, 138.本文引用格式:方子榕, 陈秋雁, 叶灵, 等. 基于SyMRI弛豫定量分析和QSM预测早期帕金森病患者脑黑质微结构变化的临床价值研究[J]. 磁共振成像, 2024, 15(8): 110-116, 138. DOI:10.12015/issn.1674-8034.2024.08.017.


[摘要] 目的 探讨合成磁共振成像(synthetic magnetic resonance imaging, SyMRI)和定量磁化率成像(quantitative susceptibility mapping, QSM)在预测早期帕金森病(Parkinson's disease, PD)脑黑质(substantia nigra, SN)微结构变化的临床应用价值。材料与方法 前瞻性纳入于我院就诊的Hoehn-Yahr分级为1~2.5级的30例早期PD受试者并作为PD组,同时选取30例健康受试者作为健康对照(healthy control, HC)组。所有受试者均行颅脑SyMRI和QSM扫描。提取SyMRI弛豫定量图和QSM图,测量各定量图SN的T1值、T2值、质子密度(proton density, PrD)值和QSM值。采用独立样本t检验或Mann-Whitney U检验比较PD组与HC组SN的T1值、T2值、PrD值、QSM值的组间差异;绘制受试者工作特征(receiver operating characteristic, ROC)曲线分析各定量参数及联合诊断模型的诊断效能;采用DeLong检验比较曲线下面积(area under the curve, AUC)的差异;采用Spearman相关系数分析PD组SN的各个弛豫定量值与QSM值的相关性。结果 PD组与HC组SN的组间T1值、T2值、PrD值、QSM值差异有统计学意义(P<0.001)。T1值、T2值、PrD值、QSM值以及T1-T2-PrD-QSM联合诊断模型鉴别PD组和HC组的AUC值分别为0.872、0.788、0.749、0.838和0.930。T2值与联合诊断模型、PrD值与联合诊断模型、QSM值与联合诊断模型的AUC值差异有统计学意义(P值分别为0.007、0.004、0.034);T1值与QSM值呈正相关(r=0.436,P=0.016),T2值与QSM值呈负相关(r=-0.364,P=0.048),PrD值与QSM值呈负相关(r=-0.393,P=0.032)。结论 基于SyMRI和QSM在SN的定量分析对诊断早期PD具有良好的诊断价值,能够为早期PD SN微结构变化提供不同的定量反馈,并且弛豫定量值和QSM值的联合诊断模型能够使诊断效能进一步提升,可为早期PD的诊断提供客观、定量的影像学指标。
[Abstract] Objective To investigate the clinical application value of synthetic magnetic resonance imaging (SyMRI) and quantitative susceptibility mapping (QSM) in predicting microstructural alterations of substantia nigra (SN) in early Parkinson's disease.Materials and Methods A total of thirty early Parkinson's disease (PD) patients with Hoehn-Yahr stages ranging from 1 to 2.5 were prospectively recruited from our hospital and assigned to the PD group, and simultaneously selected 30 healthy subjects as the healthy control (HC) group. All subjects underwent brain SyMRI and QSM scanning. The SyMRI relaxation quantitative maps and QSM maps were extracted, and the T1, T2, proton density (PrD) and QSM values of SN in each quantitative maps were measured. Independent samples t test or Mann-Whitney U test was used to compare the differences in T1, T2, PrD and QSM values of SN between PD group and HC group. Receiver operating characteristic (ROC) curve was plotted to analyze the quantitative parameters as well as a diagnostic efficiency of the joint diagnostic model. The differences of area under the curve (AUC) values were compared by DeLong test. Spearman correlation coefficient was used to analyze the correlation between various relaxation quantitative values and QSM value in PD group.Results There were significant differences in T1, T2, PrD and QSM values between PD group and HC group (P<0.001). The AUC values for T1, T2, PrD, QSM and T1-T2-PrD-QSM joint diagnostic model in distinguishing PD group from HC group were 0.872, 0.788, 0.749, 0.838 and 0.930. There were statistically significant differences in AUC values between T2 value and joint diagnostic model, PrD value and joint diagnostic model, QSM value and joint diagnosis model (P=0.007, 0.004, 0.034). T1 values were positively correlated with QSM values (r=0.436, P=0.016), T2 values were negatively correlated with QSM values (r=-0.364, P=0.048), and PrD values were negatively correlated with QSM values (r=-0.393, P=0.032).Conclusions Quantitative analysis of SN based on SyMRI and QSM demonstrates promising diagnostic value for early PD, offering distinct quantitative feedbacks into microstructural alterations within the SN. Moreover, integration of relaxation quantitative values and QSM value in a joint diagnostic model can further enhance the diagnostic efficiency, providing objective and quantitative imaging indicators for early PD diagnosis.
[关键词] 帕金森病;黑质;磁共振成像;合成磁共振成像;定量磁化率成像
[Keywords] Parkinson's disease;substantia nigra;magnetic resonance imaging;synthetic magnetic resonance imaging;quantitative susceptibility mapping

方子榕 1   陈秋雁 1   叶灵 1   余波 1   黄财城 2   余燕武 1*  

1 宁德师范学院附属宁德市医院放射科,宁德 352100

2 宁德师范学院附属宁德市医院神经内科,宁德 352100

通信作者:余燕武,E-mail:346953413@qq.com

作者贡献声明:余燕武、陈秋雁设计本研究的方案,对稿件重要内容进行修改,指导研究工作的进行;方子榕实施研究,起草和撰写稿件,获取、分析和解释本研究的数据,获得了宁德师范学院校级专项资助计划科研项目资助;叶灵、余波获取、分析或解释本研究的数据,对稿件重要内容进行修改;黄财城参与病例的评价及获取、分析或解释本研究的数据,对稿件重要内容进行修改;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 宁德师范学院校级专项资助计划科研项目 2023ZX709
收稿日期:2024-04-03
接受日期:2024-08-08
中图分类号:R445.2  R742.5 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.08.017
本文引用格式:方子榕, 陈秋雁, 叶灵, 等. 基于SyMRI弛豫定量分析和QSM预测早期帕金森病患者脑黑质微结构变化的临床价值研究[J]. 磁共振成像, 2024, 15(8): 110-116, 138. DOI:10.12015/issn.1674-8034.2024.08.017.

0 引言

       帕金森病(Parkinson's disease, PD)是第二大神经退行性疾病[1],通常表现为典型的运动性症状,如静息性震颤、运动迟缓、肢体僵直,体位不稳[2, 3];非运动性症状,如神经功能障碍、认知障碍[4, 5],给家庭和社会带来极大的负担。因此,诊断早期PD是早治疗及改善患者生活质量的关键。目前,认为早期PD的主要病理特征及发病机制有:黑质(substantia nigra, SN)多巴胺能神经元变性缺失,路易小体中ɑ-突触核蛋白的积聚[6, 7];铁沉积在发病机制中起着关键作用[8];由铁沉积和脂质过氧化引起的细胞铁死亡[9];SN含神经黑色素(nueromelanin, NM)多巴胺能神经元坏死引起NM的释放,从而刺激小胶质细胞,引发神经免疫炎症反应[10]。但是,迄今PD诊断的病理学金标准只能通过尸检病变实现,目前临床上对于检测早期PD的影像学检查方式及指标仍然匮乏,临床诊断主要基于对患者的症状体征的评价[11, 12]。因此,探索特异敏感的影像学检查方法及特征性指标对早期PD的临床诊断有重大意义。

       相比经颅超声、正电子发射计算机断层成像等PD影像学检查方法,MRI具有软组织对比度高、无辐射、可定量分析的特点。近年来,磁共振定量分析是PD诊断的研究热点,但也存在局限性。扩散峰度成像(diffusion kurtosis imaging, DKI)能够通过定量分析脑部神经核、神经纤维的完整性和各向异性来检测PD患者脑部灰质核团的微结构变化[13],但DKI主要反馈细胞内外水分子的非高斯扩散特点,无法全面地评价PD包括多巴胺能神经元损伤和铁沉积等发病机制。定量磁化率成像(quantitative susceptibility mapping, QSM)能够敏感地反馈PD患者脑组织中铁沉积的情况[14, 15],然而也有学者[16]认为早期PD患者SN的QSM值无明显特异性,推测铁沉积并非早期PD的唯一指征,QSM无法完全表达早期PD除铁沉积外复杂的病理机制。合成磁共振成像(synthetic magnetic resonance imaging, SyMRI)是一种新型的定量MRI技术,成像速度快,可一次扫描获得多组常规序列,通过调整TE及TR可生成组织的特征性弛豫值,实现组织生理、病理变化方面的定量评估[17, 18]。陈苗等[19]应用SyMRI对早期PD患者进行脑分区弛豫值的自动分析,得出PD患者与正常受试者相比,部分脑区存在弛豫值的变化。此外,SyMRI在阿尔茨海默病[20]、多发性硬化[21]的神经系统的应用证实了T1、T2、质子密度(proton density, PrD)值与水含量、铁负荷、神经元损伤、髓鞘丢失等存在一定的相关性,因此,推测SyMRI的弛豫定量测量能成为检测早期PD SN复杂多样的病理变化的潜在方式。

       目前国内外应用SyMRI对早期PD的研究较少,尚缺乏对早期PD病理特征明显的SN进行弛豫定量分析,而QSM对早期PD的评价局限于脑铁沉积,并不能表达多巴胺能神经元损伤、脂质过氧化、神经免疫炎症反应等引起的SN微结构变化。本研究将首次以SyMRI弛豫定量分析联合QSM对早期PD患者的SN微结构变化进行探讨,为因复杂多样的病理机制及铁沉积引起的SN微结构变化提供不同的定量反馈,为早期PD的临床诊断提供客观、定量、较为全面的影像学指标。

1 材料与方法

1.1 一般资料

       于2023年2月至2024年3月在我院招募69例受试者,其中早期PD受试者36例,对照组受试者33例。经颅脑MRI,排除早期PD受试者6例(其中3例受运动伪影影响、1例脑梗、2例脑出血)、对照组受试者3例(其中1例受运动伪影影响、2例脑出血)。最终,纳入30例早期PD受试者作为PD组,30例对照组受试者作为健康对照(healthy control, HC)组。PD受试者的入组标准:(1)按照国际运动障碍协会公布的PD诊断标准(2015版)[22],经我院神经内科专家诊断为原发性PD的患者;(2)根据Hoehn-Yahr分级量化表评价为1~2.5级的早期PD患者;(3)能够配合颅脑MRI检查。HC组纳入标准:(1)年龄、性别尽可能与PD组相匹配;(2)无运动障碍及神经系统相关疾病。排除标准:(1)帕金森综合征或Hoehn-Yahr分级为3~5级的中晚期患者;(2)有脑血管疾病、脑肿瘤、脑外伤病史以及其他神经系统相关疾病者;(3)有颅脑手术史者。本研究遵守《赫尔辛基宣言》,经宁德师范学院附属宁德市医院伦理委员会批准(批准文号:NSYKYLL-2023-050),所有受试者均签署知情同意书。

1.2 设备与方法

       采用美国GE Architect 3.0 T 超导MR系统,40通道颅脑相控阵线圈。嘱PD受试者检查前12小时停止摄入多巴胺类药物。受试者取仰卧位、头先进,用橡胶垫固定头颅,中心线定于眉心。用SyMRI序列、QSM序列、扩散加权成像序列、磁敏感加权成像序列、矢状位液体衰减反转恢复T1WI序列对受试者行颅脑MRI,其中SyMRI序列可生成T1WI、T2WI、T2液体衰减反转恢复等常规序列图。各个序列扫描参数见表1

表1  序列扫描参数表
Tab. 1  Sequence scanning parameter table

1.3 图像处理和数据测量

       在GE后处理工作站(Session Apps)MAGIC中提取SyMRI序列生成的T1 map、T2 map和PrD map。将QSM数据导入至QSM后处理软件(MATLB R2016a),通过Mask-Thresholding、Phase processing、star QSM最终获取QSM图。在一名主任医师(具有22年神经系统影像诊断经验)和一名副主任医师(具有13年神经系统影像诊断经验)的指导下,由一名主管技师(具有7年MRI技术工作经验)采用独立盲法对T1 map、T2 map、PrD map和QSM图中的SN进行感兴趣区(region of interest, ROI)的勾画,由于在常规序列中PD受试者SN有可能显示不清(图1),因此,在T1 map、T2 map、PrD map中,SN位置以QSM图为参照进行确定(图2),选取同一层面位置分别测量三次,取平均值,并分别以双侧SN的T1值、T2值、PrD值和QSM值的平均值作为最终测定结果。

图1  黑质(SN)层面常规MRI序列图。1A~1B分别为早期帕金森病(PD)受试者SN层面的T2WI图和T2液体衰减反转恢复(FLAIR)序列图,SN显示模糊不清,箭所指区域为SN;1C~1D分别为健康对照(HC)组受试者SN层面的T2WI图和T2 FLAIR图,SN显示较为清晰,箭所指区域为SN。
Fig. 1  Images of routine MRI sequence at substantia nigra (SN) level. 1A-1B are images of T2WI and T2 fluid-attenuated inversion recovery (FLAIR) at the SN level of subject with early Parkinson's disease (PD), respectively. The SN display is blurred, and the area indicated by the arrow is SN. 1C-1D are images of T2WI and T2 FLAIR at the SN level of healthy control (HC) subject, respectively. The SN display is more clear, and the area indicated by the arrow is SN.
图2  黑质(SN)层面各定量参数图。2A~2D:男,51岁,早期帕金森病(PD),Hoehn-Yahr 2级,SN层面。2A:T1图;2B:T2图;2C:质子密度(PrD)图;2D:定量磁化率成像(QSM)图,红色感兴趣区(ROI)为SN。2E~2H:男,51岁,健康受试者,SN层面。2E:T1图;2F:T2 图;2G:PrD图;2H:QSM图,红色ROI为SN。
Fig. 2  Images of quantitative parameters at substantia nigra (SN) level. 2A-2D: Male,51 years old, early Parkinson's disease (PD), Hoehn-Yahr 2, SN level. 2A: T1 map; 2B: T2 map; 2C: Proton density (PrD) map; 2D: Quantitative susceptibility imaging (QSM) map, red region of interest (ROI) is SN. 2E-2H: Male, 51 years old, healthy subject, SN level. 2E: T1 map; 2F: T2 map; 2G: PrD map; 2H: QSM map, red ROI is SN.

1.4 统计学分析

       应用SPSS 27.0统计学软件进行数据分析。根据Kolmogorov-Smirnov检验数据是否服从正态分布,采用独立样本t检验或Mann-Whitney U检验进行PD组和HC组间年龄、T1值、T2值、PrD值和QSM值的差异性对比。符合正态分布的数据,计数结果以均数±标准差表示,不符合正态分布的数据,计数结果以中位数(四分位数间距)表示。采用卡方检验进行组间性别的差异性比较。采用二元logistic构建T1值、T2值、PrD值和QSM值的联合诊断模型,采用受试者工作特征(receiver operating characteristic, ROC)曲线分析T1值、T2值、PrD值、QSM值以及联合诊断模型的诊断效能,记录曲线下面积(area under the curve, AUC),计算敏感度、特异度及阈值。采用DeLong检验对比各定量值诊断效能的差异。采用Spearman分析PD组SN SyMRI的各个弛豫定量值与QSM值的相关性。P<0.05为差异具有统计学意义。

2 结果

2.1 一般资料分析

       PD组受试者30例,其中男21例,女9例,年龄49~76(64.37±7.93)岁。HC组受试者30例,其中男21例,女9例,年龄48~75(63.70±8.07)岁。PD组的年龄与HC组的组间差异无统计学意义(P=0.748),性别的组间差异无统计学意义(P>0.999)。

2.2 PD组和HC组的SN各定量参数结果比较

       PD组与HC组SN的组间T1值、T2值、PrD值、QSM值差异均有统计学意义(P均<0.001)(表2)。通过箱式图可视化定量参数的组间差异,PD组SN的T1值、PrD值和QSM值整体较高于HC组,T2值整体较低于HC组(图3)。

图3  早期帕金森(PD)组与健康对照(HC)组黑质(SN)区定量参数箱式图。3A:SN T1值;3B:SN T2值;3C:SN质子密度(PrD)值;3D:SN定量磁化率成像(QSM)值。PD组SN的T1值、PrD值和QSM值整体较高于HC组,T2值整体较低于HC组。
Fig. 3  Box diagram of quantitative parameters of substantium nigra (SN) in early Parkinson's disease (PD) group and healthy control (HC) group. 3A: T1 value of SN ; 3B: T2 value of SN ; 3C: Proton density (PrD) value of SN ; 3D: quantitative susceptibility mapping (QSM) value of SN. The T1, PrD and QSM values of SN in PD group are higher than those in HC group, and the T2 values are lower than those in HC group.
表2  PD组与HC组各定量参数值的比较
Tab. 2  Comparison of quantitative parameters value between PD group and HC group

2.3 各定量参数诊断效能分析

       以T1值、T2值、PrD值、QSM值以及各定量值联合诊断模型鉴别PD组和HC组的AUC值分别为0.872、0.788、0.749、0.838和0.930(表3图4)。通过DeLong检验比较各诊断模型的AUC差异:T1值与T2值、T1值与PrD值、T1值与QSM值、T1值与联合诊断模型、T2值与PrD值、T2值与QSM值、PrD值与QSM值差异均无统计学意义(P值分别为0.237、0.100、0.486、0.072、0.660、0.437、0.307);T2值与联合诊断模型、PrD值与联合诊断模型、QSM值与联合诊断模型的AUC值差异有统计学意义(P值分别为0.007、0.004、0.034)(表4)。

图4  各定量参数诊断早期帕金森病的受试者工作特征(ROC)曲线图。4A:T1值ROC曲线;4B:T2值ROC曲线;4C:质子密度(PrD)值ROC曲线;4D:定量磁化率成像(QSM)值ROC曲线;4E:T1值、T2值、PrD值、QSM值以及T1-T2-PrD-QSM联合诊断模型ROC曲线比较。
Fig. 4  Receiver operating characteristic (ROC) curve for each quantitative parameter in the diagnosis of early Parkinson's disease. 4A: ROC curve of T1 value; 4B: ROC curve of T2 value; 4C: ROC curve of proton density (PrD) value; 4D: ROC curve of quantitative susceptibility imaging (QSM) value; 4E: Comparison of ROC curves of T1 value, T2 value, PrD value, QSM value and T2-T2-PrD-QSM combined diagnosis model.
表3  各定量参数诊断效能分析
Tab. 3  Diagnostic efficiency analysis of each quantitative parameter
表4  各定量参数诊断模型AUC值的比较
Tab. 4  Comparison of diagnostic models AUC values with different quantitative parameters

2.4 SyMRI弛豫定量值与QSM值相关性分析

       应用方差膨胀因子分析检验T1值、T2值、PrD值与QSM值的共线性,结果显示T1值、T2值、PrD值的方差膨胀系数值分别为1.107、1.120、1.075,均<10,说明T1值、T2值、PrD值均与QSM值不存在共线性。T1值与QSM值呈正相关(r=0.436,P=0.016),T2值与QSM值呈负相关(r=-0.364,P=0.048),PrD值与QSM呈负相关(r=-0.393,P=0.032)(图5)。

图5  弛豫定量值与定量磁化率成像(QSM)值的相关性分析。5A:T1值与QSM值呈正相关(r=0.436,P=0.016);5B:T2值与QSM值呈负相关(r=-0.364,P=0.048);5C:质子密度(PrD)值与QSM值呈负相关(r=-0.393,P=0.032)。
Fig. 5  Correlation analysis between relaxation quantitative values and quantitative susceptibility mapping (QSM) values. 5A: T1 values are positively correlated with QSM values (r=0.436, P=0.016); 5B: T2 values are negatively correlated with QSM values (r=-0.364, P=0.048); 5C: Proton density (PrD) values are negatively correlated with QSM values (r=-0.393, P=0.032).

3 讨论

       本研究运用SyMRI弛豫定量分析联合QSM的方式对早期PD患者的SN进行了定量分析,较为全面地从复杂多样的病理机制及铁沉积对早期PD的脑SN微结构变化进行探讨,为国内首次提出。结果显示SN的T1值、T2值、PrD值和QSM值均对鉴别早期PD患者和健康人群有一定的临床意义,其中联合诊断模型的诊断效能最高(AUC=0.930),可为临床诊断早期PD提供客观、定量的影像学指标。

3.1 SyMRI弛豫定量值检测早期PD SN微结构变化的价值

       PD伴随着脑灰质核团的病理变化及灰质核团间功能关联改变,SN多巴胺能神经元的丧失是早期PD的主要病理特征,多巴胺能神经元的变性使脑内多巴胺的合成减少,从而影响多巴胺由SN向纹状体的释放[23]。有研究[24]表明PD患者SN的超声影像高回声表现与PD患者的运动、非运动症状存在一定的相关性,并且与铁代谢异常和小胶质细胞激活的机制相关,说明了PD患者SN存在微结构的改变。鹿娜等[25]将SyMRI用于PD的全脑体积及弛豫分析,并且得出PD患者脑灰质的T1值、T2值和PrD值与正常对照组存在统计学差异,证实了SyMRI对PD病理机制引起的脑微结构变化的敏感性,本研究进一步细化了前者的研究,探索早期PD更具病理特征性的SN的弛豫定量值差异。本研究结果显示,早期PD组受试者相比HC组在SN的T1值升高,且差异有统计学意义。YAN等[26]在关于PD SN NM的MR研究得出,SN神经元的损伤导致功能连接障碍,顺磁性NM-铁复合物会导致SN在MRI T1WI序列上呈短T1值的较高信号,而本研究结果显示PD患者在SN的T1值增加,与以往的研究结果不一致。经分析,前者的研究并未对病例样本进行分期限定,通过计算T1序列图像的SN信号强度与邻居脑组织的对比噪声比来进行神经黑色素的分析,而本研究病例样本为早期PD患者,因此,研究样本的差异或许是引起结果差异的主要原因,同时本研究基于SyMRI序列可直接进行SN的T1值的测量,可量化非可视化的PD SN病理变化的实际情况,更为简便、直观。脂质过氧化引起的神经元细胞死亡是PD的病理机制之一,HAN等[27]通过构建PD小鼠模型而进行的细胞生物学研究表明,通过减低脂质过氧化水平能够抑制铁死亡,从而发挥神经保护作用,并且改善了PD小鼠的认知和运动功能,进一步说明了脂质过氧化对引起PD病理症状的影响。脂质在磁共振影像上呈短T1、长T2信号,而脂质的过氧化或许会引起弛豫值的改变,因此推测本研究中早期PD患者在SN T1值的增加或许与之相关。此外,BANGE等[28]应用扩散加权成像并通过轴突定向、扩散和密度成像模型对PD患者的SN自由水含量进行研究分析,得出PD患者SN自由水含量增高,并且与步态运动障碍呈正相关,自由水的增加会使T1值升高。以往神经系统的研究[29]还总结出T1值的变化与淀粉样蛋白负荷、铁负荷、水含量存在相关性。因此,结合PD的病理特征,推测早期PD患者SN的脂质过氧化、自由水含量增高以及铁沉积的共同作用可引起T1值变化,而脂质过氧化与自由水含量增高或许对T1值的增加更占主导作用。

       本研究结果显示PD组受试者相比HC组的SN T2值降低,且差异均有统计学意义。神经轴突及神经元的损伤、炎症、水肿、铁负荷会导致T2值的变化[30, 31]。PD的病理机制中存在炎症病理改变,ɑ-突触核蛋白的积聚所形成的路易小体是多巴胺能神经元丢失的主要原因之一[32]。有研究[33]表明PD患者脑组织中星形胶质细胞参与ɑ-突触核蛋白的病理改变,并通过清除ɑ-突触核蛋白来保护神经元和改善病理特征。小胶质细胞释放的促炎因子会加剧PD的进展,同时炎性小胶质细胞可能进一步促发星形胶质细胞的炎性转化,并诱导星形胶质细胞的神经保护作用[34]。以往的研究表明PD患者SN存在自由水含量增加[28],自由水的增加会使T2值升高,与本研究中PD组SN T2值下降存在矛盾,经分析可能为PD患者SN铁沉积对T2值的改变占据主导作用,铁蛋白的顺磁性会导致局部磁场不均匀,所以导致SN的T2值下降。此外,脂质过氧化引起的T2值缩短或许也是原因之一。因此,结合PD的病理特征,推测早期PD患者SN T2值的改变是由于炎症反应、水含量改变、铁沉积、脂肪过氧化等多种因素的共同作用,但可能铁沉积、脂肪过氧化更具主导作用。

       本研究结果还显示PD组受试者相比HC组的SN PrD值升高。GRACIEN等[35]利用PrD定量MRI对多发性硬化进行研究,得出PrD值可以反映大脑皮层的水分子变化和神经元损伤。WELTON等[36]应用DKI对早期PD患者的灰质核团进行分析,发现PD患者灰质核团的平均峰度值与正常对照组差异有统计学意义,说明了早期PD患者灰质核团区存在水分子扩散位移的变化。结合早期PD的病理特征,推测早期PD患者SN PrD值变化的主要原因可能是由于多巴胺能神经元损伤和水分子变化所引起的氢质子密度改变造成的。

3.2 QSM值检测早期PD SN微结构变化的价值

       本研究结果显示PD组受试者相比HC组在SN的QSM值升高,且差异具有统计学意义,提示早期PD患者SN存在铁沉积改变。有文献报道PD患者大脑中的铁可以沿着特定的轴突投射在大脑区域之间转运,导致SN的铁沉积,同时造成了各个核团区铁沉积的区域差异性[37]。ALUSHAJ等[38]的研究表明QSM能够敏感地检测到早期PD患者SN致密部存在定量值的增加,同时在鉴别早期PD和健康对照组的AUC为0.83,敏感度为76%,特异度为77%,具有较高的诊断效能,与本研究结果一致。而蒋爽等[39]利用QSM对PD的脑铁含量分析发现,早期PD患者在SN的QSM值相比健康对照组差异无统计学意义,与本研究结果不一致,经分析发现本研究将Hoehn-Yahr分级为1~2.5级作为早期PD的研究对象,而前者将Hoehn-Yahr分级1~2级作为早期PD组,病例分级的构成比例不同可能造成结果的差异。此外,CAO等[40]利用多参数MRI对早期PD的研究发现SN上、中、下部的定量分析平均值存在区域性的差异,因此,测量区域的差异也可能是造成QSM值存在差异的原因。

3.3 SyMRI弛豫定量值与QSM值检测早期PD的诊断效能及相关性

       本研究结果显示T1值、T2值、PrD值、QSM值以及各定量值联合诊断模型在SN鉴别早期PD组和HC组的AUC值分别为0.872、0.788、0.749、0.838和0.930,联合诊断模型具有最高的诊断效能。T1值可以反映水含量变化、铁沉积;T2值可以反映神经元的损伤、炎症、水含量变化、铁负荷;PrD值变化所表达的氢质子密度改变与神经元损伤、水分子变化相关联;QSM值对脑铁含量的改变十分敏感。而PD的病理特征包含了SN多巴胺能神经元损伤、胶质细胞介导的炎性改变、铁沉积、脂质过氧化、自由水含量改变等机制。因此推测本研究中T1值、T2值、PrD值、QSM值对早期PD的诊断价值在一定程度上表达了PD SN的病理变化。SyMRI弛豫定量值与QSM值的联合诊断模型的诊断效能最高,并且联合诊断模型与QSM的AUC值差异存在统计学意义,表明了SyMRI弛豫定量值与QSM值对早期PD的诊断存在互补作用,推测SyMRI弛豫定量值主要反馈了多巴胺能神经元损伤、炎性、水分子改变、脂质过氧化等病理特征,QSM值表达了脑铁沉积,二者联合从PD复杂的病理机制上较为全面地表达了早期PD SN的微结构变化。

       本研究结果显示T1值与QSM值呈正相关,T2值、PrD值分别与QSM值呈负相关,表明了早期PD SN铁沉积的增加会使T1值升高,T2和PrD值降低。铁死亡是一种由铁沉积和脂质过氧化引起的细胞死亡形式,参与了多巴胺能神经元的丢失和ɑ-突触核蛋白的聚集[41],在以往的研究还认为PD患者出现运动症状时,其50%~70%的多巴胺能系统已发生退行性变[42],在PD早期发生大量多巴胺能神经元丢失时,伴随着大量脂质过氧化或铁沉积。但在过去的研究中发现晚期PD患者的SN QSM值相比对照组和早期PD患者大幅增加[39],铁沉积在晚期PD的病理特征更为明显,我们推测早期PD的多巴胺能神经元的大量丢失与大量的脂肪过氧化存在更多的相关性,在本研究中T1值与QSM值呈正相关是由于早期PD的SN随着铁沉积的少量增加,伴随着更多的脂质过氧化,从而引起细胞铁死亡,而早期PD SN的顺磁性NM-铁复合物引起的T1值缩短并无法超越脂质过氧化对弛豫值的影响,造成了T1值与QSM值呈正相关,也导致了SN T1值的增加。本研究中PD组SN的T2值相比HC组有所下降,结合T2值与QSM值呈负相关的结果,表明早期PD患者SN T2值改变可能是以铁沉积为主导作用。同时,由于铁死亡伴随的脂质过氧化,从而导致脂质T2值的缩短或许也是原因之一。本研究结果还显示早期PD组SN PrD值相比HC组较高,结合PrD值与QSM值呈负相关的结果,PD组的PrD值应该呈下降趋势,本研究结果并非如此,因此推测早期PD患者SN PrD值的改变并非以铁沉积为主导作用,或许多巴胺能神经元损伤和水分子变化所造成的质子密度增加是PrD值增加的主要原因,在一定程度上也说明了PD复杂的病理机制。

3.4 本研究的局限性

       (1)本研究样本数较少,不能完全评估大样本的实际情况,有待进一步扩大;(2)目前,临床对PD的诊断尚缺乏病理金标准,本研究对早期PD的诊断主要基于症状体征的评价,或许与实际情况存在偏差;(3)SN在T1 map、T2 map和PrD map上可能显示不清,为解决此问题,本研究以QSM图作为参照进行ROI的勾画,但仍有可能存在误差;(4)本研究以脑双侧SN的整体情况进行探讨,并未对左右SN分开进行评价,是否PD患者单侧SN的改变更具临床意义,后期将进一步进行研究。

4 结论

       基于SyMRI的弛豫定量分析和QSM对预测早期PD脑SN微结构变化有较好的临床应用价值,并且T1-T2-PrD-QSM的联合诊断模型可进一步提升诊断效能,可为临床诊断早期PD提供定量、客观的影像学指标。

[1]
CHATTOPADHYAY T, SINGH A, LALTOO E, et al. Comparison of anatomical and diffusion MRI for detecting Parkinson's disease using deep convolutional neural network[J/OL]. Annu Int Conf IEEE Eng Med Biol Soc, 2023, 2023: 1-6 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/38083460/. DOI: 10.1109/EMBC40787.2023.10340792.
[2]
DROBY A, THALER A, MIRELMAN A. Imaging markers in genetic forms of Parkinson's disease[J/OL]. Brain Sci, 2023, 13(8): 1212 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/37626568/. DOI: 10.3390/brainsci13081212.
[3]
SARASSO E, AGOSTA F, PIRAMIDE N, et al. Action observation and motor imagery improve dual task in Parkinson's disease:A clinical/fMRI study[J]. Movement Disorders, 2021, 36(11): 2569-2582. DOI: 10.1002/mds.28717.
[4]
CHEN L, HUANG T, MA D, et al. Altered default mode network functional connectivity in Parkinson's disease: A resting-state functional magnetic resonance imaging study[J/OL]. Front Neurosci, 2022, 16: 905121 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/35720728/. DOI: 10.3389/fnins.2022.905121.
[5]
KEMIK K, ADA E, ÇAVUŞOĞLU B,et al. Functional magnetic resonance imaging study during resting state and visual oddball task in mild cognitive impairment[J/OL]. CNS Neurosci Ther, 2023, 30(2): e14371 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/37475197/. DOI: 10.1111/cns.14371.
[6]
候钧宝, 史奇叶, 王杨, 等. 基于多模态MRI在帕金森冻结步态的研究进展[J]. 磁共振成像, 2024, 15(2):178-182. DOI: 10.12015/issn.1674-8034.
HOU J B, SHI Q Y, WANG Y, et al. Reaserch progress on freezing of gait in Parkinson's disease based on multimodal MRI[J]. Chin J Magn Reson Imaging, 2024, 15(2): 178-182. DOI: 10.12015/issn.1674-8034.
[7]
SOHRABI T, MIRZAEI-BEHBAHANI B, ZADALI R, et al. Common mechanisms underlying α-synuclein-induced mitochondrial dysfunction in Parkinson's disease[J/OL]. J Mol Biol, 2023, 435(12): 167992 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/36736886/. DOI: 10.1016/j.jmb.2023.167992.
[8]
GUAN X, LANCIONE M, AYTON S, et al. Neuroimaging of Parkinson's disease by quantitative susceptibility mapping[J/OL]. Neuroimage, 2024, 289: 120547 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/38373677/. DOI: 10.1016/j.neuroimage.2024.120547.
[9]
VILLALÓN-GARCÍA I, POVEA-CABELLO S, ÁLVAREZ-CÓRDOBA M, et al. Vicious cycle of lipid peroxidation and iron accumulation in neurodegeneration[J]. Neural Regen Res, 2023, 18(6): 1196-1202. DOI: 10.4103/1673-5374.358614.
[10]
王晓然, 张福兰, 马景旭. 神经黑色素敏感磁共振成像在帕金森病中的应用进展[J]. 磁共振成像, 2024, 15(2): 183-187, 234. DOI: 10.12015/issn.1674-8034.2024.02.029.
WANG X R, ZHANG F L, MA J X. Application progress of neuromelanin-sensitive MRI in Parkinson's disease[J]. Chin JMagn Reson Imaging, 2024, 15(2):183-187, 234. DOI: 10.12015/issn.1674-8034.2024.02.029.
[11]
崔雨沙, 冯涛. 帕金森病黑质病变的结构影像学研究进展[J]. 中华医学杂志, 2022, 102(21): 1625-1630. DOI: 10.3760/cma.j.cn112137-20211111-02516.
CUI Y S, FENG T. Advances in structural imaging of substantia nigra lesions in Parkinson's disease[J]. Chinese Medical Journal, 2022, 102(21): 1625-1630. DOI: 10.3760/cma.j.cn112137-20211111-02516.
[12]
MUNHOZ R P, TUMAS V, PEDROSO J L, et al. The clinical diagnosis of Parkinson's disease[J]. Arq Neuropsiquiatr. 2024, 82(6): 1-10. DOI: 10.1055/s-0043-1777775.
[13]
戴凯峰, 陈向荣, 许淑惠, 等. 磁共振扩散峰度成像技术在帕金森病早期诊断中的价值[J]. 磁共振成像, 2022, 13(9): 81-85. DOI: 10.12015/issn.1674-8034.2022.09.015.
DAI K F, CHEN X R, XU S H, et al. The vlue of diffusion kurtosis imaging in the early diagnosis of Parkinson's disease[J]. Chin J Magn Reson Imaging, 2022, 13(9): 81-85. DOI: 10.12015/issn.1674-8034.2022.09.015.
[14]
MENG H, ZHANG D, SUN Q Y. The applied value in brain gray matter nuclei of patients with early-stage Parkinsons disease:a study based on multiple magnetic resonance imaging techniques[J/OL]. Head & Face Medicine, 2023, 19: 25-39 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/37386479/. DOI: 10.1186/s13005-023-00371-4.
[15]
LI G, TONG R, ZHANG M, et al. Age-dependent changes in brain iron deposition and volume in deep gray matter nuclei using quantitative susceptibility mapping[J/OL]. Neuroimage, 2023, 269: 119923 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/36739101/. DOI: 10.1016/j.neuroimage.2023.119923.
[16]
卜书婷, 庞惠泽, 范国光. 定量磁化率成像应用于帕金森病的研究进展[J]. 中国医学影像技术, 2023, 39(3): 458-462. DOI: 10.13929/j.issn.1003-3289.2023.03.031.
BU S T, PANG H Z, FAN G G. Research progresses of quantitative susceptibility imaging for Parkinson's disease[J]. Chin J Med Imaging Technol, 2023, 39(3): 458-462. DOI: 10.13929/j.issn.1003-3289.2023.03.031.
[17]
LI M Q, FU W H, OUYANG L G, et al. Potential clinical feasibility of synthetic MRI in bladder tumors:a comparative study with conventional MRI[J]. Quant Imaging Med Surg, 2023, 13(8): 5109-5118. DOI: 10.21037/qims-22-1419.
[18]
李方正, 李芹, 吴莎莎, 等. 合成MRI定量参数图与ADC图直方图特征对乳腺癌Ki-67表达状态的预测研究[J]. 磁共振成像, 2022, 13(7): 29-34, 67. DOI: 10.12015/issn.1674-8034.2022.07.006.
LI F Z, LI Q, WU S S, et al. Histogram features of quantitative parameters from synthetic MRI and ADC map in predicting the expression of Ki-67 in breast cancer[J]. Chin J Magn Reson Imaging, 2022, 13(7): 29-34, 67. DOI: 10.12015/issn.1674-8034.2022.07.006.
[19]
陈苗, 张岗, 王文佳, 等. 合成MRI联合VBM脑分区在早期帕金森病诊断中的应用[J]. 磁共振成像, 2023, 14(10): 20-25. DOI: 10.12015/issn.1674-8034.2023.10.004.
CHEN M, ZHANG G, WANG W J, et al. Application of synthetic MRI combined with VBM brain partition in the diagnosis of early Parkinson's disease[J]. Chin J Magn Reson Imaging, 2023, 14(10): 20-25. DOI: 10.12015/issn.1674-8034.2023.10.004.
[20]
LOU B, JIANG Y, LI C, et al. Quantitative Analysis of Synthetic Magnetic Resonance Imaging in Alzheimer's Disease[J/OL]. Front Aging Neurosci, 2021, 3: 638731 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/33912023/. DOI: 10.3389/fnagi.2021.638731.
[21]
FUJITA S, YOKOYAMA K, HAGIWARA A, et al. 3D Quantitative Synthetic MRI in the Evaluation of Multiple Sclerosis Lesions[J]. AJNR Am J Neuroradiol, 2021, 42(3): 471-478. DOI: 10.3174/ajnr.A6930.
[22]
POSTUMA R B, BERG D, STERN M, et al. MDS clinical diagnostic criteria for Parkinson's disease[J]. Mov Disord, 2015, 30(12): 1591-601. DOI: 10.1002/mds.26424.
[23]
GULBERTI A, WAGNER J R, HORN M A, et al. Subthalamic and nigral neurons are differentially modulated during parkinsonian gait[J]. Brain, 2023, 146(7): 2766-2779. DOI: 10.93/brain/awad006.
[24]
FAN Y, MA J, YANG D, et al. Clinical findings of hyperechoic substantia nigra in patients with Parkinson's disease[J]. Eur J Neurosci, 2024, 59(10): 2702-2714. DOI: 10.1111/ejn.16308.
[25]
鹿娜, 李春媚, 李淑华, 等. 基于合成磁共振成像技术的帕金森病患者全脑体积值及弛豫值研究[J]. 磁共振成像, 2021, 12(4): 1-5. DOI: 10.12015/issn.1674-8034.2021.04.001.
LU N, LI C M, LI S H, et al. Quantitative investigation of global volumetry and relaxometry of the brain in Parkinson's disease patients useing synthetic MRI[J]. Chin J Magn Reson Imaging, 2021, 12(4): 1-5. DOI: 10.12015/issn.1674-8034.2021.04.001.
[26]
YAN S, LU J, LI Y, et al. Large-scale functional network connectivity mediates the association between nigral neuromelanin hypopigmentation and motor impairment in Parkinson's disease[J]. Brain Struct Funct, 2024, 229(4): 843-852. DOI: 10.1007/s00429-024-02761-z.
[27]
HAN Z, WANG B, WEN Y Q, et al. Acteoside alleviates lipid peroxidation by enhancing Nrf2-mediated mitophagy to inhibit ferroptosis for neuroprotection in Parkinson's disease[J/OL]. Free Radic Biol Med, 2024, 23: S0891-5849(24)00564-1 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/39048340/. DOI: 10.1016/j.freeradbiomed.2024.07.018.
[28]
BANGE M, GONZALEZ-ESCAMILLA G, LANG N S C, et al. Gait abnormalities in Parkinson's disease are associated with extracellular free-water characteristics in the substantia nigra[J]. J Parkinsons Dis, 2022, 12(5): 1575-1590. DOI: 10.3233/JPD-223225.
[29]
CAO J, XU X, ZHU J, et al. Rapid quantification of global brain volumetry and relaxometry in patients with multiple sclerosis using synthetic magnetic resonance imaging[J]. Quant Imaging Med Surg, 2022, 12(6): 3104-3114. DOI: 10.21037/qims-21-970.
[30]
MAMERE A E, SARAIVA L A, MATOS A L, et al. Evaluation of delayed neuronal and axonal damage secondary to moderate and severe traunatic brain injury using quantitative MR imaging technique[J]. AJNR Am J Neuroradiol, 2009, 30(5): 947-952. DOI: 10.3174/ajnr.A1477.
[31]
SERAI S D. Basics of magnetic resonance imaging and quantitative parameters T1, T2, T2*, T1rho and diffusion-weighted imaging[J]. Pediatr Radiol, 2022, 52(2): 217-227. DOI: 10.1007/s00247-021-05042-7.
[32]
MORRIS H R, SPILLANTINI M G, SUE C M, et al. The pathogenesis of Parkinson's disease[J]. Lancet, 2024, 403(10423): 293-304. DOI: 10.1016/S0140-6736(23)01478-2.
[33]
MAZZETTI S, BARICHELLA M, GIAMPIETRO F, et al. Astrocytes expressing Vitamin D-activating enzyme identify Parkinson's disease[J]. CNS Neurosci Ther, 2022, 28(5): 703-713. DOI: 10.1111/cns.13801.
[34]
TAKAHASHI S, MASHIMA K. Neuroprotection and disease modification by astrocytes and microglia in Parkinson disease[J/OL]. Antioxidants (Basel), 2022, 11(1): 170 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/35052674/. DOI: 10.3390/antiox11010170.
[35]
GRACIEN R M, REITZ S C, HOF S M, et al. Changes and variability of proton density and T1 relaxation times in early multiple sclerosis: MRI markers of neuronal damage in the cerebral cortex[J]. Eur Radiol, 2016, 26(8): 2578-2586. DOI: 10.1007/s00330-015-4072-x.
[36]
WELTON T, HARTONO S, SHIH Y C, et al. Microstructure of brain nuclei in early Parkinson's disease: Longitudinal diffusion kurtosis imaging[J]. J Parkinsons Dis, 2023, 13(2): 233-242. DOI: 10.3233/JPD-225095.
[37]
CHEN L, LI C, XIE J. Axonal iron transport might contribute to iron deposition in Parkinson's disease[J]. Neurosci Bull, 2021, 37(2): 275-277. DOI: 10.1007/s12264-020-00585-5.
[38]
ALUSHAJ E, HANDFIELD-JONES N, KUURSTRA A, et al. Increased iron in the substantia nigra pars compacta identifies patients with early Parkinson's disease: A 3T and 7T MRI study[J/OL]. Neuroimage Clin, 2024, 41: 103577 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/38377722/. DOI: 10.1016/j.nicl.2024.103577.
[39]
蒋爽, 邵华, 阿卜杜热曼·阿卜力米提, 等. 早期和晚期帕金森患者脑铁含量的QSM评价[J]. 中国医学计算机成像杂志, 2022, 28(4): 337-341. DOI: 10.3969/j.issn.1006-5741.2022.04.002.
JIANG S, SHAO H, ABUDUREHEMAN·A , et al. Evaluation of brain iron desposition in early and advanced patients with Parkinson's disease using quantitative susceptibility mapping[J]. Chin Comput Med Imag, 2022, 28(04): 337-341. DOI: 10.3969/j.issn.1006-5741.2022.04.002.
[40]
CAO Q, HUANG J, TANG D, et al. Application value of multiparametric MRI for evaluating iron deposition in the substantia nigra in Parkinson's disease[J/OL]. Front Neurol, 2023, 13: 1096966 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/36686531/. DOI: 10.3389/fneur.2022.1096966.
[41]
LV Q K, TAO K X, YAO X Y, et al. Melatonin MT1 receptors regulate the Sirt1/Nrf2/Ho-1/Gpx4 pathway to prevent α-synuclein-induced ferroptosis in Parkinson's disease[J/OL]. J Pineal Res, 2024, 76(2):e12948 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/38488331/. DOI: 10.1111/jpi.12948.
[42]
RIZZI N, BRUNIALTI E, CERRI S, et al. In vivo imaging of early signs of dopaminergic neuronal death in an animal model of Parkinson's disease[J/OL]. Neurobiol Dis, 2018, 114: 74-84 [2024-08-02]. https://pubmed.ncbi.nlm.nih.gov/29486298/. DOI: 10.1016/j.nbd.2018.02.005.

上一篇 基于磁共振影像组学和语义特征对高级别胶质瘤和转移瘤的鉴别研究
下一篇 基于Kaiser评分临床-多参数MRI诊断模型在乳腺良恶性病变鉴别诊断中的价值
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2