分享:
分享到微信朋友圈
X
临床研究
多模态MRI对脑白质高信号伴抑郁状态患者脑微结构的研究
周莹 张硕 谭中建 路一坤 高金阳 韩笑 马丽芳 崔方圆

Cite this article as: ZHOU Y, ZHANG S, TAN Z J, et al. Study on brain microstructure in patients with white matter hyperintensities and depressive symptoms based on multimodal MRI[J]. Chin J Magn Reson Imaging, 2024, 15(11): 24-31.本文引用格式:周莹, 张硕, 谭中建, 等. 多模态MRI对脑白质高信号伴抑郁状态患者脑微结构的研究[J]. 磁共振成像, 2024, 15(11): 24-31. DOI:10.12015/issn.1674-8034.2024.11.005.


[摘要] 目的 基于多模态MRI探索脑白质高信号伴抑郁状态患者的脑微结构改变。材料与方法 纳入35例脑白质高信号伴抑郁状态患者(试验组)及年龄、性别、受教育年限匹配的35例健康对照者(健康组),进行临床精神认知相关量表数据和MRI数据采集,应用基于纤维束示踪的空间统计方法(tract-based spatial statistics, TBSS)和基于体素的形态学分析(voxel-based morphometry, VBM)技术分析两组间脑白质和脑灰质的差异,并分析脑结构差异与汉密尔顿抑郁量表(Hamilton Depression Scale, HAMD)评分的相关性。结果 采用无阈值聚类增强(threshold-free cluster enhancement, TFCE)的统计方法进行置换检验,运用族错误率(family-wise error, FEW)方法对研究结果进行多重比较校正(P<0.05),试验组在胼胝体体部、双侧丘脑后辐射、右侧内囊豆状核后部、右侧上纵束的各向异性分数(fractional anisotropy, FA)与健康组的差异均有统计学意义(P<0.05);采用错误发现率(false discovery rate, FDR)进行多重比较校正,试验组在双侧海马、右侧海马旁回、中央前回、颞上回、颞中回、舌回等脑区灰质体积缩小(FDR校正,P<0.05)。相关性分析显示胼胝体体部FA值与右侧海马体积呈正相关(r=0.495,P=0.004),与HAMD评分呈显著负相关(r=-0.530,P=0.002)。结论 脑白质高信号伴抑郁状态患者存在较广泛的白质纤维受累和灰质微结构改变,胼胝体体部白质纤维完整性可能与情绪调节有关,可为临床早期识别干预提供参考依据。
[Abstract] Objective To explore the changes in brain microstructure in patients with white matter hyperintensities and depression symptoms based on multimodal MRI.Materials and Methods Thirty-five patients with white matter hyperintensities and mild depression, as well as 35 healthy individuals matched by age, gender and years of education were recruited. Clinical assessments and MRI data were collected. Tract-based spatial statistics (TBSS) and voxel-based morphometry (VBM) were used to investigate the microstructural changes of the brain between the two groups, and the correlation between the structural differences and the Hamilton Depression Scale (HAMD) score was analyzed.Results Using the statistics of no-threshold-freecluster enhancement (TFCE) for permutation test and applying (family-wise error, FEW) to correct for multiple comparisons of the study results (P<0.05). Significantly lower FA (P<0.05) values were found in areas including the body of corpus callosum, bilateral posterior thalamic radiation, the right retrolenticular part of internal capsule, and right superior longitudinal fasciculus in the experimental group were statistically significant compared to the healthy group (P<0.05); the experimental group showed a reduction in gray matter volume in brain regions such as bilateral hippocampus, right parahippocampal gyrus, anterior central gyrus, superior temporal gyrus, middle temporal gyrus, and lingual gyrus (FDR corrected, P<0.05). The FA value of the corpus callosum was negatively correlated with the volume of the right hippocampus (r=0.495, P=0.004), and significantly negatively correlated with the HAMD score (r=-0.530, P=0.002).Conclusions Patients with white matter hyperintensities and depression symptoms have extensive involvement of white matter fibers and changes in gray matter microstructure. The integrity of white matter fibers in the body of corpus callosum may be related to depressive symptom, which can provide reference for early clinical identification and intervention.
[关键词] 脑白质高信号;抑郁;脑微结构;脑白质;脑灰质;磁共振成像;多模态磁共振成像;扩散张量成像;基于纤维束示踪的空间统计;基于体素的形态测量
[Keywords] white matter hyperintensities;depression;cerebral microstructure;white matter;gray matter;magnetic resonance imaging;multimodal magnetic resonance imaging;diffusion tensor imaging;tract-based spatial statistics;voxel-based morphometry

周莹 1   张硕 1   谭中建 2   路一坤 1   高金阳 1   韩笑 1   马丽芳 1   崔方圆 1*  

1 北京中医药大学东直门医院脑病科,北京 100700

2 北京中医药大学东直门医院放射科,北京 100700

通信作者:崔方圆,E-mail: xmly2015@126.com

作者贡献声明:周莹、崔方圆、韩笑、马丽芳进行了选题并设计本研究的方案,对稿件的重要内容进行了修改,对最终要发表的论文版本进行了全面的审阅和把关;崔方圆获得了国家自然科学基金项目的资助;周莹、张硕、路一坤、高金阳获取、分析或解释本研究的数据;周莹起草和撰写稿件,并对研究结果做了详细解读;谭中建、周莹、张硕、路一坤、高金阳参与图像数据的采集、处理和分析,并对稿件重要内容进行修改;全体作者均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: 国家自然科学基金项目 82004303 北京中医药大学东直门医院人才培养计划青年后备人才项目 DZMG-QNHB0013
收稿日期:2024-04-05
接受日期:2024-11-08
中图分类号:R445.2  R749.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.11.005
本文引用格式:周莹, 张硕, 谭中建, 等. 多模态MRI对脑白质高信号伴抑郁状态患者脑微结构的研究[J]. 磁共振成像, 2024, 15(11): 24-31. DOI:10.12015/issn.1674-8034.2024.11.005.

0 引言

       脑白质高信号(white matter hyperintensities, WMH)是脑小血管病(cerebral small vessel disease, CSVD)的主要影像学表现[1]。研究发现,60~70岁人群的皮质下WMH患病率为87%,80~90 岁的人群接近100%[2]。WMH疾病进展隐匿,目前主要依赖于MRI检查进行诊断,有研究者认为,WMH周围存在常规MRI不能显示的脑白质高信号半暗带[3],结合WMH早期多无临床症状的特点,易导致WMH相关疾病的漏诊或误诊,而当WMH病情进展时,患者可出现严重的认知情感功能障碍以及行为能力受限,甚至出现排尿障碍等自主神经功能障碍,严重影响患者日常生活并加重社会负担[4]。抑郁状态是一种以情绪低落为主要表现的情感障碍,是抑郁症的主要症状之一,有研究[5]表明WMH的严重程度是抑郁症的独立预测因子,并且额颞叶区域的白质病变抑郁状态的发生率显著高于正常人群,WMH与抑郁症的发生显著相关[6],目前认知精神障碍的治疗措施和治疗效果有限,因此针对WMH群体实现早识别、早分类、早干预的研究探索对控制疾病发展具有一定的临床意义。

       扩散张量成像(diffusion tensor imaging, DTI)技术主要用于从微观层面观察白质纤维,可定量反映白质纤维的微小结构变化,相对于常规MRI序列具有更高的敏感性[7],已有许多研究将其应用于WMH疾病早期诊断、病程进展预测以及治疗评估。同时已有研究提示,脑白质的结构损伤可能导致跨突触轴突变性和神经元退行性病变,继而影响脑灰质的微结构[8]。针对精神类疾病,基于体素的形态学分析(voxel-based morphometry, VBM)是研究者们在结构磁共振成像研究中常使用的方法,随着VBM技术的发展及成熟,其已成为抑郁症研究中的新兴有力手段。由于WMH疾病的临床症状复杂多样,且患者的抑郁症状具有高度异质性,相关的MRI研究结果不完全一致。本研究联合应用基于纤维束示踪的空间统计方法(tract-based spatial statistics, TBSS)和VBM分析方法对WMH伴抑郁状态患者的MRI数据进行分析,结合临床量表指标,进一步丰富了WMH伴抑郁状态的机制研究结果,以期为此类患者脑微结构的改变提供更多证据。

1 材料与方法

1.1 研究对象

       本研究为横断面调查研究,遵守《赫尔辛基宣言》,经北京中医药大学东直门医院医学伦理委员会批准,所有受试者均签署知情同意书,批准文号:2021DZMEC-052-03。

       诊断标准:抑郁状态诊断标准参照《中国精神障碍分类与诊断标准》;WMH 影像学表现参照《中国脑小血管病诊治专家共识》进行诊断。WMH病灶评分采用视觉 Fazekas 评定量表进行病变程度评估,依据改良Fazekas分级标准,将脑白质病变分为0~3级,0级:未见明显病灶;1级:双侧脑室周围可见局部散在斑点样病变;2级:双侧脑室周围可见局限性、非融合性或部分融合斑块样病变;3级:病变已融合成片,可累及整个脑室周围白质。由两名经验丰富的临床专科医生(主任医师,从事中西医诊治神经系统疾病14年;主治医师,从事中西医诊治神经系统疾病12年,均具有丰富的影像诊断经验)根据改良Fazekas分级标准统计WMH患者的病灶分布。

       试验组来自2022年1月至2023年12月北京中医药大学东直门医院脑病科二区就诊的35例WMH伴抑郁状态患者。纳入标准:(1)年龄35~70岁;(2)符合WMH和抑郁状态的诊断标准;(3)汉密尔顿抑郁量表(Hamilton Depression Scale, HAMD)-17总分大于7分且小于等于17分;(4)中学及以上文化程度,可配合完成神经心理学量表测评;(5)右利手;(6)自愿签署知情同意书。排除标准:(1)患有其他严重的神经系统疾病,如颅脑外伤、脑肿瘤、颅内感染、癫痫、脑梗死、脑出血、代谢性脑病、非血管因素等诱发的脑白质病变;(2)有酒精或其他药物依赖或滥用史,或严重精神障碍,近 1 个月内有精神类药物使用史;(3)存在明显认知功能损伤,简易智力状态检查量表(Mini-Mental State Examination, MMSE)评分≤24分,或存在语言、运动功能障碍;(4)患有严重的全身系统性疾病或重要器官功能不足;(5)有MRI检查禁忌证,体内有金属、幽闭恐惧症等。

       同时,在社会上招募年龄、性别、受教育年限与试验组相匹配的35例健康者纳入健康组。纳入标准:(1)年龄35~70岁;(2)中学及以上文化程度,可配合完成神经心理学量表测评;(3)右利手;(4)由精神科医师使用简明国际神经精神障碍访谈(Mini International Neuropsychiatric Interview, MINI)检查表排除精神疾病;(5)自愿签署知情同意书。排除标准:(1)存在WMH病变或患有严重的全身系统性疾病或重要器官功能不足;(2)有酒精或其他药物依赖或滥用史,或近1个月内有精神类药物使用史;(3)存在明显认知功能损伤,MMSE≤24分,或存在语言、运动功能障碍;(4)有MRI检查禁忌证,体内有金属、幽闭恐惧症等。

       剔除或脱落标准:(1)受试者不能配合研究方案、失访或自行退出;(2)凡不符合纳入标准而被误入的病例应予剔除。

1.2 研究方法

1.2.1 MRI数据采集参数和扫描过程

       采用3.0 T 磁共振成像系统(Siemens,Prisma,德国)对研究对象进行扫描。全脑结构MRI 高分辨率结构影像参数:TR 1900 ms,TE 2.13 ms,TI 900 ms,翻转角90°,分辨率256×256,采集矩阵256×256,厚度1 mm,体素大小1.0 mm×1.0 mm×1.0 mm,矢状位176层,扫描时间 4 min 18 s。DTI扫描参数:在30个方向上施加弥散梯度 b=1000 s/mm2,TR 11 000 ms,TE 94 ms,采集矩阵112×112,FOV 224 mm×224 mm,层厚2 mm,无层间距,轴位扫描75层,Phase encode direction:A>>P,扫描时间约6 min。此外,所有受试者均接受液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)序列扫描以进行WMH病灶评估,扫描参数如下:TR 7800 ms,TE 89 ms,FOV 256 mm×256 mm,采集矩阵256×256,层厚3.0 mm,层数40,扫描时间约2 min。

1.2.2 MRI数据分析

       数据质量检查:检查影像的基本参数,包括分辨率、维度信息、梯度方向数目、b值和头动情况,检查数据的信噪比以及伪影等情况。使用FSL v6.0.6.4(FMRIB software library,FSL)工具包(http://www.fmrib.ox.ac.uk/fsl)进行DTI数据预处理及后续的TBSS分析。

       DTI 数据预处理步骤如下。(1)数据格式转换:应用dcm2niix指令将DICOM文件转换为NIFTI格式;(2)头动涡流校正:使用 eddy_correct指令对已经转换格式的DTI数据进行头动涡流校正;(3)梯度方向校正:使用fdt_rotate_bvec指令将原来的梯度方向根据涡流校正的变化进行调整;(4)获取大脑mask:将所有被试者的b0图像作为依据(去除非大脑组织结构),利用bet 2指令,生成大脑 mask;(5)扩散张量指标计算:利用FSL中的dtifit指令进行各向异性分数(fractional anisotropy, FA)以及平均扩散速率(mean diffusivity, MD)、轴向扩散系数(axial diffusivity, AD)、径向扩散系数(radial diffusivity, RD)的计算。

       TBSS分析:(1)将预处理得到的所有被试的FA图像通过非线性配准到FMRIB58_FA的FA模板上。(2)基于所有配准到标准空间的FA构建平均FA图及白质纤维骨架。(3)为平均FA骨架取一个阈值,阈值为0.2。利用cluster指令和atlasquery指令对已经统计完成的结果进行定位及定量,本研究采用Johns Hopkins University International Consortium for Brain Mapping (JHU ICBM-DTI-81) White-Matter Labels图谱。(4)利用fsl_cluster指令筛选掉大小小于100的团块,使用tbss_fill指令对结果进行膨胀,用MRIcroGL(https://www.nitrc.org/projects/mricrogl)进行结果呈现。使用fsl-cluster指令生成显著区域的相关信息,然后用fslmaths将cluster拆分,最后用fslmeants指令提取cluster内FA、MD、AD及RD的平均值用于后续分析。

       VBM处理步骤如下。(1)数据预处理:以 Matlab R2021b平台的Statistical Parametric Mapping(SPM12,https://www.fil.ion.ucl.ac.uk/spm/software/spm12/)对所获得结构像进行预处理。对已获得的脑部MRI原始图像转换为NII格式。图像分析采用标准的VBM分析方法,对数据的处理包括三个步骤,标准化、分割和平滑。(2)将转化后的图像导入并标准化到统一的蒙特利尔神经学研究所(Montreal Neurological Institute, MNI)坐标,使不同个体中相同的脑区在空间上位于同样的位置,从而消除个体差异所导致的脑区位置差异,保证每个体素的信号强度。(3)运用SPM12软件内嵌的计算解剖学工具箱12(Computational Anatomy Toolbox 12, CAT12,http://www.neuro.unijena.de/cat/)进行处理。依据标准的灰白质模板对图像进行分割,得到灰、白质及脑脊液图像。基于MNI模板对所有被试图像进行空间标准化,以保证所有被试的图像在同一空间,相同坐标对应的解剖位置一致,便于做组水平统计分析。(4)对得到的灰质图像进行空间平滑,采用8 mm半高全宽(full width at half maxima, FWHM)高斯核对图像进行平滑处理,提高图像的信噪比;同时减小空间标准化过程中所存在的配准误差,提高统计检验过程中的有效性。

1.2.3 统计学分析

       两组被试者的一般资料比较使用SPSS 26.0统计学工具,性别资料采用卡方检验,符合正态分布的计量资料(如FA值、MD值、AD值、RD值)组间比较采用独立样本t检验,不符合正态分布的计量资料采用非参数两独立样本检验。TBSS方法中,用TBSS Randomize指令实现统计分析,以年龄、性别和受教育年限作为协变量,采用独立样本t检验分析得出两组被试FA值、AD值、MD值、RD值存在差异的白质纤维区域,为了进行多重校正,采用无阈值聚类增强(threshold-freecluster enhancement, TFCE)的统计方法进行了置换检验(本研究置换次数为5000次),然后运用族错误率(family-wise error, FEW)方法对研究结果进行校正(P<0.05),在控制年龄、性别和受教育年限后,将得出显著性差异的白质纤维区域的FA、MD、AD、RD值与WMH伴抑郁状态受试者的HAMD评分进行偏相关分析(P<0.05)。VBM方法中,基于SPM12自带统计学软件处理两组数据,以年龄、性别、受教育年限和颅内体积作为协变量,行两样本t检验,设置的阈限水平为P<0.005,以P<0.005[经错误发现率(false discovery rate, FDR)校正]、体素>50作为组间灰质体积有差异的脑区,获得统计参数图。并将以上体素叠加生成伪彩图,记录体积萎缩脑区的MNI标准立体空间坐标。采用Xjview8.1(http://www.alivelearn.net/xjview/)软件对分析结果进行显示。

2 结果

2.1 人口学资料

       本研究纳入健康者(健康组)35例;WMH伴抑郁状态组(试验组)35例,两组的一般资料比较结果显示两组患者的性别、年龄、受教育年限差异均无统计学意义(P>0.05),表明两组受试者均有可比性。两组被试MMSE评分无显著差异(P=0.472),表明两组被试的认知水平无差异。两组被试的HAMD评分与Fazekas评分均有显著差异(P<0.001),详见表1。根据改良版Fazekas分级标准统计WMH患者的病灶分布,结果显示WMH病灶广泛存在于侧脑室旁白质和深部白质,尤以胼胝体、双侧放射冠、双侧侧脑室三角区及前后角为主,详见表2

表1  两组受试者的一般资料对比
Tab. 1  Demographic and clinical information of participants
表2  不同Fazekas评分等级与WMH病灶分布的差异
Tab. 2  The difference between Fazekas grades and the distribution of WMH regions

2.2 TBSS结果

       两组间DTI数据全脑TBSS分析(校正后P<0.05)示各参数值FA、MD、AD及RD差异有统计学意义的白质纤维束脑区(表3图1, 2, 3, 4)。

       两组间FA值比较(表3):试验组在胼胝体膝部、胼胝体体部、右侧丘脑后辐射、左侧丘脑后辐射、右侧内囊豆状核后部、右侧上纵束的FA值相对于健康组降低,差异有统计学意义(P<0.001)。

       两组间MD值比较:试验组在穹窿、双侧丘脑前辐射、双侧上纵束、双侧下纵束、双侧扣带回、双侧下额枕束、双侧钩束的MD值相较于健康组升高,差异有统计学意义(P<0.001)。

       两组间AD值比较:试验组在右侧皮质脊髓束、左侧丘脑前辐射、穹窿、左侧下额枕束的AD值相较于健康组升高,差异有统计学意义(P<0.001)。

       两组间RD值比较:试验组在双侧丘脑前辐射、双侧皮质脊髓束、双侧扣带回、双侧下额枕束、双侧上纵束、双侧下纵束、双侧钩束的RD值相较于健康组升高,差异有统计学意义(P<0.001)。

图1  试验组对比健康组FA值降低的区域。图中的灰色脑图像背景为 MNI 152 模板,绿色区域为由FA 图构建的脑白质平均 FA 骨架。FA:各向异性分数;MNI:蒙特利尔神经学研究所。
Fig. 1  Brain regions with lower FA (in blue) in experimental group. The background images are from the MNI 152 template (in gray). Skeletons of major fiber tracts are highlighted in green and overlaid onto the template. FA: fractional anisotropy; MNI: Montreal Neurological Institute.
图2  试验组对比健康组MD值升高(红色/橙色)的区域。MD:平均扩散速率。
Fig. 2  Brain regions with higher MD (in red/orange) in experimental group. MD: mean diffusivity.
图3  试验组对比健康组AD值升高(红色/橙色)的区域。AD:轴向扩散系数。
Fig. 3  Brain regions with higher AD (in red/orange) in experimental group. AD: axial diffusivity.
图4  试验组对比健康组RD值升高(红色/橙色)的区域。RD:径向扩散系数。
Fig. 4  Brain regions with higher RD (in red/orange) in experimental group. RD: radial diffusivity.
表3  两组受试者DTI参数
Tab.3  Comparison of DTI parameters between two groups

2.3 VBM结果

       相比健康组,试验组双侧海马、双侧中央后回、双侧中央沟盖、双侧丘脑背内侧、双侧距状裂周围皮层、右侧海马旁回、右侧中央前回、右侧颞上回、右侧颞中回、右侧舌回、左侧岛盖部额下回、右侧丘脑腹外侧灰质体积缩小(FDR校正,P<0.005),见表4图5

图5  试验组相比健康组灰质体积明显缩小的脑区。橙色代表灰质体积减小的脑区。
Fig. 5  Brain areas where gray matter volume is significantly reduced in the experimental group compared to the healthy group. Orange represents brain regions with reduced gray matter volume.
表4  试验组较健康组脑灰质体积缩小脑区
Tab. 4  Differential brain regions of gray matter volume between two groups

2.4 相关性分析

       在控制年龄、性别和受教育年限后,WMH组胼胝体体部FA值与HAMD评分呈显著负相关(r=-0.530,P=0.002),见图6,其余脑区FA值、MD值、AD值、RD值与HAMD评分无显著相关性。进一步提取右侧海马体积与白质FA值进行相关性分析发现,胼胝体体部FA值与右侧海马体积呈正相关(r=0.495,P=0.004),见图7。HAMD评分与Fazekas评分无显著相关性(P=0.79)。灰质体积与HAMD评分无显著相关性(P>0.05)。

图6  试验组胼胝体体部FA值与HAMD评分的相关性。FA:各向异性分数;HAMD:汉密尔顿抑郁量表。
Fig. 6  Association between FA in the body of corpus callosum and HAMD score in experimental group. FA: fractional anisotropy; HAMD: Hamilton Depression Scale.
图7  试验组胼胝体体部FA值与GMV的相关性。FA:各向异性分数;GMV:右侧海马体积。
Fig. 7  Association between FA in the body of corpus callosum and GMV in experimental group. FA: fractional anisotropy; GMV: right hippocampus volume.

3 讨论

       本研究发现,与健康组相比,试验组患者的脑白质及脑灰质均有显著改变。临床专科医生可根据T2-FLAIR序列观察到WMH 病灶广泛分布于双侧大脑白质,以胼胝体、双侧放射冠、双侧侧脑室三角区及前后角为主,病灶形态表现为点状或片状。TBSS分析显示,MD、AD及RD值升高脑区较FA值降低的脑区更为广泛,提示WMH患者的脑白质纤维可能存在较为广泛的轴突或髓鞘损伤,以胼胝体膝部及体部、右侧丘脑后辐射、左侧丘脑后辐射、右侧内囊豆状核后部、右侧上纵束为主,与临床影像病灶部位相对一致,结合MD、AD及RD结果,提示真实的白质损伤范围比WMH病变更为广泛,并不局限于常规临床影像上肉眼可见的WMH。VBM结果显示,WMH患者灰质体积减小的区域主要位于额叶皮层、颞叶皮层、海马及海马旁回。相关性分析显示,胼胝体体部白质纤维完整性与被试者的抑郁情绪的严重程度呈负相关。

3.1 WMH患者出现情感异常的脑微结构基础

       WMH 病变与认知情感障碍风险密切相关[5],WMH总体积的增加与认知功能加速下降相关,脑白质完整性降低与处理速度、工作记忆、执行功能下降均有相关性[9]。脑白质病变区域发生髓鞘脱失、轴突受损及胶质增生以及小动脉的病理改变,血管因素与神经变性病理改变的协同作用可能引发抑郁症状[10, 11]。本研究中,WMH组FA值降低的脑白质区主要分布在胼胝体膝部及体部、右侧丘脑后辐射、左侧丘脑后辐射、右侧内囊豆状核后部、右侧上纵束,与既往研究结果报告相近[12, 13, 14]。胼胝体是连接双侧大脑半球最重要的神经纤维束,上纵束作为联络纤维,在额叶皮层和顶叶、颞叶和枕叶之间建立双向连接[15],内囊是连接皮质-皮质下区域的另一重要结构[16]。丘脑后辐射为丘脑投射纤维的一部分,其FA值减小与抑郁状态相关的动机缺陷有关[17],故上述白质结构完整性下降可能是WMH患者出现情感异常的脑微结构基础。

       白质完整性的破坏可能导致皮质和皮质下区域之间的微结构与脑功能异常改变。进而出现情绪障碍[18],脑功能研究认为,默认模式网络及背侧注意网络的网络同质性变化与抑郁症患者的认知能力和执行能力改变有关[19, 20],WMH 可能通过破坏与情绪感知和调节相关的额叶-皮质下-边缘系统的执行功能环路,导致情感障碍[21],脑网络研究认为,抑郁症患者的许多大脑区域可能存在全脑网络中心性异常[22, 23]。研究表明,受WMH 影响的肉眼不易察觉的纤维束微结构,其退行性变与特定脑叶的灰质萎缩有关,相关的纤维束和灰质的完整性对情感、记忆和处理速度有不同的影响[20]。既往研究发现抑郁症的发病与扣带回、额顶叶、颞叶、海马、海马旁回、丘脑、杏仁核等脑区结构或功能异常有关[21, 22, 23, 24, 25, 26]。海马是边缘系统的重要组成部分,在情绪调节中发挥重要作用,海马容积异常和神经化学改变可能是抑郁症的神经生物学基础[22]。本研究中亦发现试验组的双侧海马的灰质体积与健康组对比显著减小,但与HAMD评分无显著相关性,提示海马为情感障碍的发生的结构基础,但其体积的减小与患者抑郁情绪的严重程度有待进一步研究验证。先前研究表明,老年性抑郁症与额叶和颞叶的萎缩相关[26, 27],在本研究中,我们同样发现WMH组患者的额叶与颞叶灰质体积减小,同时也存在舌回灰质体积减小,舌回向前延续为海马旁回,与丘脑、额叶等脑区存在协同作用[27, 28],参与情绪感知的过程[29]

       研究发现,皮质和皮质下区之间的白质完整性受损可能影响到情绪调节相关脑区的功能连接[30, 31]。在本研究中,主要的白质纤维,如胼胝体以及与额颞叶网络相关的上纵束,表现出广泛的FA值降低和RD、AD和MD值的显著升高,白质纤维的FA值与灰质体积的相关性分析提示,胼胝体体部纤维完整性与右侧海马体积呈正相关。胼胝体是整合大脑运动、感觉和认知功能的最大白质纤维束[32],同时也参与到海马组成的Papez回路,是边缘系统的重要组成部分,与记忆和情绪[33, 34]调节相关。当胼胝体受累时,可能影响Papez回路的完整性,故WMH患者继发情感、认知、行为等障碍可能是由于白质纤维完整性降低而影响上述的脑网络和功能环路。

3.2 脑白质微结构改变的临床意义

       在本研究中,胼胝体体部FA值与HAMD评分呈显著负相关,与先前报道一致[35],胼胝体作为大脑半球间最大的联合纤维,在整合记忆、情感和认知任务方面具有多种作用[36],本研究结果进一步提示了WMH与情感障碍发生之间的关联[37, 38],HIRAO等[37]发现,WMH的体积增大与焦虑情绪、睡眠障碍的发生密切相关,JOHANSSON等[38]发现,更低的白质完整性与老年抑郁患者注意力下降、信息加工处理速度下降和执行障碍行为有关。由于存在方法学及临床异质性,WMH与认知情感障碍发生的机制有待进一步研究。

3.3 本研究的局限性

       关于此次研究发现的WMH患者脑微结构改变,本研究结果与既往研究结果不完全一致,考虑可能与本研究主要纳入的为轻中度抑郁患者、样本量较小及量表选择差异有关,从而对研究结果产生影响,同时也提示WMH疾病具有临床异质性。

4 结论

       综上所述,本研究联合使用TBSS与VBM方法探求了WMH伴抑郁状态患者的脑微结构改变,阐释了此类患者出现情感障碍的脑微结构基础,同时,本研究也存在样本量较小等不足,今后可考虑扩展样本量、增加客观指标、提高可重复性等,并结合脑功能分析及更多临床量表,为识别与干预白质高信号提供理论依据。

[1]
RUTTEN-JACOBS L C A, TOZER D J, DUERING M, et al. Genetic study of white matter integrity in UK biobank (N= 8448) and the overlap with stroke, depression, and dementia[J]. Stroke, 2018, 49(6): 1340-1347. DOI: 10.1161/STROKEAHA.118.020811.
[2]
ALBER J, ALLADI S, BAE H J, et al. White matter hyperintensities in vascular contributions to cognitive impairment and dementia (VCID): Knowledge gaps and opportunities[J]. Alzheimers Dement (N Y). 2019, 5: 107-117. DOI: 10.1016/j.trci.2019.02.001.
[3]
QIU Y, YU L, GE X, et al. Loss of integrity of corpus callosum white matter hyperintensity penumbra predicts cognitive decline in patients with subcortical vascular mild cognitive impairment[J/OL]. Front Aging Neurosci, 2021, 13: 605900 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/33679371/. DOI: 10.3389/fnagi.2021.605900.
[4]
MARKUS H S, DE LEEUW F E. Cerebral small vessel disease: Recent advances and future directions[J]. Int J Stroke, 2023, 18(1): 4-14. DOI: 10.1177/17474930221144911.
[5]
D'ARBELOFF T, ELLIOTT M L, KNODT A R, et al. White matter hyperintensities are common in midlife and already associated with cognitive decline[J/OL]. Brain Commun. 2019, 1(1): fcz041 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/31894208/. DOI: 10.1093/braincomms/fcz041.
[6]
VASSILAKI M, SYRJANEN J A, KRELL-ROESCH J, et al. Association of cerebrovascular imaging biomarkers, depression, and anxiety, with mild cognitive impairment[J]. J Alzheimers Dis Rep, 2023, 7(1): 1237-1246. DOI: 10.3233/ADR-230073.
[7]
XIE X, SHI Y, ZHANG J. Structural network connectivity impairment and depressive symptoms in cerebral small vessel disease[J]. J Affect Disord, 2017, 220: 8-14. DOI: 10.1016/j.jad.2017.05.039.
[8]
ROCCA M A, AGOSTA F, MEZZAPESA D M, et al. A functional MRI study of movement-associated cortical changes in patients with Devic's neuromyelitis optica[J]. Neuroimage. 2004, 21(3): 1061-1068. DOI: 10.1016/j.neuroimage.2003.10.013.
[9]
WANG Y L, CHEN W, CAI W J, et al. Associations of white matter hyperintensities with cognitive decline: A longitudinal study[J]. J Alzheimers Dis, 2020, 73(2): 759-768. DOI: 10.3233/JAD-191005.
[10]
LEEUWIS A E, WEAVER N A, BIESBROEK J M, et al. Impact of white matter hyperintensity location on depressive symptoms in memory-clinic patients: a lesion-symptom mapping study[J/OL]. J Psychiatry Neurosci, 2019, 44(4): E1-E10 [2024-04-05]. https://pmc.ncbi.nlm.nih.gov/articles/PMC6606429/. DOI: 10.1503/jpn.180136.
[11]
WOUTS L, MARIJNISSEN R M, OUDE VOSHAAR R C, et al. Strengths and weaknesses of the vascular apathy hypothesis: A narrative review[J]. Am J Geriatr Psychiatry, 2023, 31(3): 183-194. DOI: 10.1016/j.jagp.2022.09.016.
[12]
ZANINOTTO A L, GRASSI D C, DUARTE D, et al. DTI-derived parameters differ between moderate and severe traumatic brain injury and its association with psychiatric scores[J]. Neurol Sci, 2022, 43(2): 1343-1350. DOI: 10.1007/s10072-021-05455-0.
[13]
GHAZI SHERBAF F, SAME K, ASHRAF-GANJOUEI A, et al. Altered white matter microstructure associated with mild and moderate depressive symptoms in young adults, a diffusion tensor imaging study[J]. Neuroreport, 2018, 29(8): 685-689. DOI: 10.1097/WNR.0000000000001017.
[14]
GAO J, PAN P, LI J, et al. Analysis of white matter tract integrity using diffusion kurtosis imaging reveals the correlation of white matter microstructural abnormalities with cognitive impairment in type 2 diabetes mellitus[J/OL]. Front Endocrinol (Lausanne), 2024, 15: 1327339 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/38487342/. DOI: 10.3389/fendo.2024.1327339.
[15]
DOOLIN K, ANDREWS S, CARBALLEDO A, et al. Longitudinal diffusion weighted imaging of limbic regions in patients with major depressive disorder after 6 years and partial to full remission[J]. Psychiatry Res Neuroimaging, 2019, 287: 75-86. DOI: 10.1016/j.pscychresns.2019.04.004.
[16]
PIETRACUPA S, BELVISI D, PIERVINCENZI C, et al. White and gray matter alterations in de novo PD patients: which matter most?[J]. J Neurol, 2023, 270(5): 2734-2742. DOI: 10.1007/s00415-023-11607-3.
[17]
XU M, ZHANG W, HOCHWALT P, et al. Structural connectivity associated with familial risk for mental illness: A meta-analysis of diffusion tensor imaging studies in relatives of patients with severe mental disorders[J]. Hum Brain Mapp, 2022, 43(9): 2936-2950. DOI: 10.1002/hbm.25827.
[18]
ZHU Z, HUBBARD E, GUO X, et al. A connectomic analysis of deep brain stimulation for treatment-resistant depression[J]. Brain Stimul, 2021, 14(5): 1226-1233. DOI: 10.1016/j.brs.2021.08.010.
[19]
RESPINO M, JAYWANT A, KUCEYESKI A, et al. The impact of white matter hyperintensities on the structural connectome in late-life depression: relationship to executive functions[J/OL]. Neuroimage Clin, 2019, 23: 101852 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/31077981/. DOI: 10.1016/j.nicl.2019.101852.
[20]
SEILER S, FLETCHER E, HASSAN-ALI K, et al. Cerebral tract integrity relates to white matter hyperintensities, cortex volume, and cognition[J]. Neurobiol Aging, 2018, 72: 14-22. DOI: 10.1016/j.neurobiolaging.2018.08.005.
[21]
KANDILAROVA S, STOYANOV D, SIRAKOV N, et al. Reduced grey matter volume in frontal and temporal areas in depression: contributions from voxel-based morphometry study[J]. Acta Neuropsychiatr, 2019, 31(5): 252-257. DOI: 10.1017/neu.2019.20.
[22]
SUN N, LI Y, ZHANG A, et al. Fractional amplitude of low-frequency fluctuations and gray matter volume alterations in patients with bipolar depression[J/OL]. Neurosci Lett, 2020, 730: 135030 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/32389612/. DOI: 10.1016/j.neulet.2020.135030.
[23]
YANG J, HUANGFU X, TONG D, et al. Regional gray matter volume mediates the relationship between neuroticism and depressed emotion[J/OL]. Front Psychol, 2022, 13: 993694 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/36275226/. DOI: 10.3389/fpsyg.2022.993694.
[24]
LI H, WANG J, LIU S, et al. Neuroanatomical correlates of mild-to-moderate depression: memory ability mediates the association between gray matter volume and antidepressant treatment outcome[J/OL]. Front Neurosci, 2022, 16: 872228 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/35431790/. DOI: 10.3389/fnins.2022.872228.
[25]
ANTONIOU G, LAMBOURG E, STEELE J D, et al. The effect of adverse childhood experiences on chronic pain and major depression in adulthood: a systematic review and meta-analysis[J]. Br J Anaesth, 2023, 130(6): 729-746. DOI: 10.1016/j.bja.2023.03.008.
[26]
OUDEGA M L, VAN EXEL E, STEK M L, et al. The structure of the geriatric depressed brain and response to electroconvulsive therapy[J]. Psychiatry Res, 2014, 222(1-2): 1-9. DOI: 10.1016/j.pscychresns.2014.03.002.
[27]
ARGYELAN M, DENG Z D, OUSDAL O T, et al. Correction: Electroconvulsive therapy-induced volumetric brain changes converge on a common causal circuit in depression[J/OL]. Mol Psychiatry, 2024, 29(2): 543 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/38052984/. DOI: 10.1038/s41380-023-02358-8.
[28]
LEITMAN D I, LOUGHEAD J, WOLF D H, et al. Abnormal superior temporal connectivity during fear perception in schizophrenia[J]. Schizophr Bull, 2008, 34(4): 673-678. DOI: 10.1093/schbul/sbn052.
[29]
XU M, WANG Q, LI B, et al. Cerebellum and hippocampus abnormalities in patients with insomnia comorbid depression: a study on cerebral blood perfusion and functional connectivity[J/OL]. Front Neurosci, 2023, 17: 1202514 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/37397441/. DOI: 10.3389/fnins.2023.1202514.
[30]
SUN S, YU H, YU R, et al. Functional connectivity between the amygdala and prefrontal cortex underlies processing of emotion ambiguity[J/OL]. Transl Psychiatry, 2023, 13(1): 334 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/37898626/. DOI: 10.1038/s41398-023-02625-w.
[31]
GOSWAMI S, BENIWAL RP, KUMAR M, et al. A preliminary study to investigate resting state fMRI as a potential group differentiator for schizophrenia[J/OL]. Asian J Psychiatr, 2020, 52: 102095 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/32339919/. DOI: 10.1016/j.ajp.2020.102095.
[32]
TANTIK PAK A, ŞENGÜL Y, OTCU TEMUR H, et al. Impaired integrity of commissural and association fibers in essential tremor patients: Evidence from a diffusion tensor imaging study[J]. Turk J Med Sci, 2021, 51(1): 328-334. DOI: 10.3906/sag-2004-305.
[33]
PAPEZ J W. A proposed mechanism of emotion[J]. J Neuropsychiatry Clin Neurosci, 1937, 38(4): 725-743. DOI: 10.1001/archneurpsyc.1937.02260220069003.
[34]
VANDEKERCKHOVE M, BERENS A, WANG Y L, et al. Alterations in the fronto-limbic network and corpus callosum in borderline-personality disorder[J/OL]. Brain Cogn, 2020, 138: 103596 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/31877433/. DOI: 10.1016/j.bandc.2019.103596.
[35]
YANG S R, SHANG X Y, TAO J, et al. Voxel-based analysis of fractional anisotropy in post-stroke apathy[J/OL]. PLoS One, 2015, 10(1): e116168 [2024-04-05]. https://pubmed.ncbi.nlm.nih.gov/25555189/. DOI: 10.1371/journal.pone.0116168.
[36]
BLOOM J S, HYND G W. The role of the corpus callosum in interhemispheric transfer of information: excitation or inhibition?[J]. Neuropsychol Rev, 2005, 15(2): 59-71. DOI: 10.1007/s11065-005-6252-y.
[37]
HIRAO K, YAMASHITA F, KATO H, et al. Associations of depressive symptoms with white matter abnormalities and regional cerebral blood flow in patients with amnestic mild cognitive impairment[J]. Geriatr Gerontol Int, 2022, 22(10): 846-850. DOI: 10.1111/ggi.14467.
[38]
JOHANSSON L, SKOOG I, GUSTAFSON D R, et al. Midlife psychological distress associated with late-life brain atrophy and white matter lesions: a 32-year population study of women[J]. Psychosom Med, 2012, 74(2): 120-125. DOI: 10.1097/PSY.0b013e318246eb10.

上一篇 早发性精神分裂症患者脑灰质结构改变:一项基于体素的形态学测量的元分析
下一篇 MOLLI T1 mapping定量技术在儿童脑发育评估中的应用可行性探讨
  
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