分享:
分享到微信朋友圈
X
综述
伴中央颞区棘波自限性癫痫功能连接研究进展
顾晓瑜 张家仁 宋林峰 王俊君 江林

Cite this article as: GU X Y, ZHANG J R, SONG L F, et al. Research progress of Functional Connectivity in self-limited epilepsy with centrotemporal spikes[J]. Chin J Magn Reson Imaging, 2025, 16(4): 114-119, 138.本文引用格式:顾晓瑜, 张家仁, 宋林峰, 等. 伴中央颞区棘波自限性癫痫功能连接研究进展[J]. 磁共振成像, 2025, 16(4): 114-119, 138. DOI:10.12015/issn.1674-8034.2025.04.018.


[摘要] 伴中央颞区棘波自限性癫痫(self-limited epilepsy with centrotemporal spikes, SeLECTS)是儿童期最常见的年龄依赖性的自限性局灶性癫痫,脑电图特征性表现为发作间期中央-颞区(即Rolandic区)棘波。尽管SeLECTS被认为是自限性的,但研究发现,缓解后部分患儿仍有语言、阅读、视觉空间、执行功能和注意力等认知障碍。这些障碍可能与大脑功能连接(functional connectivity, FC)的异常有关,且不同脑区的FC可能同时表现出增加和降低的矛盾情况。本文简要介绍了FC常见的研究方法,对这些方法的优势及不足进行总结,同时总结了近年来FC在SeLECTS中的研究进展,探索FC作为生物标志物在预测认知和癫痫发作结果方面的潜力。
[Abstract] Self-limited epilepsy with centrotemporal spikes (SeLECTS) is the most common age-dependent, self-limited focal epilepsy of childhood, characterised by interictal centrotemporal (Rolandic) spikes on the EEG. Although SeLECTS is considered self-limiting, some children have cognitive deficits in language, reading, visuospatial, executive function and attention. These deficits may be related to abnormalities in functional connectivity (FC), which can be paradoxically increased and decreased in different brain regions at the same time. This paper briefly introduces common functional connectivity research methods, summarises the strengths and weaknesses of these methods, and also summarises the research progress of FC in SeLECTS over the past years, with the aim of exploring the potential of FC as a biomarker for predicting cognitive and seizure outcomes.
[关键词] 伴中央颞区棘波自限性癫痫;Rolandic癫痫;磁共振成像;功能磁共振成像;脑网络;功能连接
[Keywords] self-limited epilepsy with centrotemporal spikes;Rolandic epilepsy;magnetic resonance imaging;functional magnetic resonance imaging;brain network;functional connectivity

顾晓瑜    张家仁    宋林峰    王俊君    江林 *  

遵义医科大学第三附属医院(遵义市第一人民医院)放射科,遵义 563000

通信作者:江林,E-mail:jlinzmc@163.com

作者贡献声明:江林对本文章的构思有实质性贡献,并对稿件重要内容进行了修改,且获得国家自然科学基金项目的资助;顾晓瑜起草和撰写稿件,并对稿件重要内容进行了修改;张家仁、宋林峰、王俊君获取、分析及解释本研究的文献,对稿件重要内容进行了修改;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: 国家自然科学基金项目 82160328
收稿日期:2024-10-02
接受日期:2025-04-10
中图分类号:R445.2  R742.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.04.018
本文引用格式:顾晓瑜, 张家仁, 宋林峰, 等. 伴中央颞区棘波自限性癫痫功能连接研究进展[J]. 磁共振成像, 2025, 16(4): 114-119, 138. DOI:10.12015/issn.1674-8034.2025.04.018.

0 引言

       伴中央颞区棘波自限性癫痫(self-limited epilepsy with centrotemporal spikes, SeLECTS),又称Rolandic癫痫,是儿童期最常见的年龄依赖性的自限性局灶性癫痫,约占儿童癫痫的8%~25%,多在学龄期起病,青春期前后自行缓解[1]。其典型临床表现为口面部短暂局灶性运动发作,可伴感觉症状,其发作时间常见于入睡后不久或刚醒时。SeLECTS放电部位主要分布在Rolandic区,即解剖学的中央前回和中央后回,有时可泛化至枕区和额区,睡眠期放电明显增多[2]。近年来,SeLECTS特征性癫痫放电及其相关认知障碍的机制引起了广泛关注。越来越多的研究发现,棘波放电会导致脑组织结构及其功能连接(functional connectivity, FC)的微妙变化,从而导致大脑网络的变化。随着神经影像技术的发展,特别是功能磁共振成像(functional magnetic resonance imaging, fMRI)的应用,使我们能够无创地观察大脑活动,深入探究SeLECTS儿童FC的改变。本综述简要介绍了常见的FC分析方法,如基于种子点的分析、基于连边的网络分析、图论分析等,并回顾近年来这些方法在SeLECTS中的研究进展,探讨这些研究对于理解SeLECTS病理机制的重要作用如何通过FC分析识别潜在的生物标志物,从而改善诊断、治疗和预后评估。

1 FC常用分析方法

       FC反映不同脑区之间神经活动时间序列统计相关性或同步性。在fMRI中记录的神经生理指标是单个体素上的血氧水平依赖(blood oxygenation level dependent, BOLD)活动。通过对特定脑区内各个体素方向的BOLD信号时间过程或时间序列进行平均获得区域BOLD时间序列,接着通过计算两个不同来源的BOLD时间序列的相关性阐述FC。这种相对简单的方法通常用于静息态fMRI数据,以量化个体参与者的静息状态或内在FC。基于任务的fMRI通常比静息状态扫描更复杂,因为它们由实验性认知组成,旨在参与特定的认知过程,如记忆、情感和决策。功能网络分析多依赖于先进的分析工具,如基于种子点的分析、基于连边的网络分析、图论分析、独立成分分析、动态FC等,为多维度、多层面理解癫痫病理和脑网络交互提供了有力手段。

1.1 基于种子点的分析

       基于种子点的FC分析通过计算特定脑区与全脑BOLD信号的时间相关性,可定位癫痫相关功能网络异常。JIANG等[3]在SeLECTS研究中采用静态与动态低频振幅分析,以内侧前额叶皮层、辅助运动区等核心区域作为种子点发现未用药组默认模式网络(default mode network, DMN)与感觉运动网络FC增强,而用药后DMN连接显著减弱,提示抗癫痫药物通过调控网络异常实现疗效,为定位病理机制核心网络提供了影像学证据。研究同时证实静态与动态分析结合在癫痫神经调控靶点发现中的协同价值。JONES[4]基于图片命名任务下的脑激活峰值点定义了多个种子点,包括双侧楔前叶、右侧额中回等。通过种子点到体素的FC分析,发现病例组与对照组在多个脑区之间的FC存在显著差异,这些异常连接大多与言语智商呈正相关,反映了SeLECTS儿童在中文系统下语言网络的重组机制。该方法因其具有实施便捷、结果直观的优势而被广泛使用,但其依赖先验种子选择,存在潜在偏倚风险[4],且难以实现全脑FC的系统性探索[5, 6]

1.2 基于连边的网络分析

       与传统的以节点为中心的方法不同,基于连边的网络分析方法将研究焦点从节点转向节点之间的连接(边),深入探讨连边的特性、模式及其动态变化[7, 8]。HU等[9]使用连边分析方法采用扩散图嵌入技术构建全脑FC矩阵,提取主梯度发现SeLECTS儿童左中央前回与右角回的梯度分数显著升高,提示感觉运动区与高阶联合皮层间的功能层级压缩,并且这种异常梯度与语言智商呈负相关,而右角回与左侧枕下回的FC强度正向预测操作智商和总智商,证实跨层级网络整合障碍的临床关联性。ZHANG等[10]则引入梯度离心率指标,通过计算三维梯度空间中各顶点与质心的欧氏距离,量化网络层级分离的动态趋势,发现SeLECTS儿童视觉网络与感觉运动网络的离心率增长速率显著迟滞,而背侧注意网络的离心率异常扩张,其空间模式与癫痫发作频率及注意力缺陷显著相关。这些综合权重能够更全面地反映大脑网络中的动态和结构特征,与传统的节点中心观点相辅相成,为理解大脑的复杂性提供了新的视角。

1.3 图论分析

       图论指标可量化癫痫网络的拓扑结构异常。研究发现[11]SeLECTS儿童DMN呈现功能亚系统的空间分离倾向,左顶下小叶节点中心性降低与更优的认知表现显著相关,提示局灶性癫痫活动可能通过削弱DMN核心节点的信息整合能力,导致语言与执行功能受损。这种网络重组现象在儿童失神癫痫中表现为小世界属性降低[12],其特征路径长度延长与癫痫持续时间正相关,反映长期异常放电导致全脑信息传递效率下降。局灶性癫痫研究[13]进一步发现DMN、躯体运动网络及腹侧注意网络的全局效率异常增高,暗示癫痫网络通过增强跨模块连接形成病理性代偿机制。SeLECTS中顶叶节点局部效率与疾病病程呈正相关[11],提示慢性癫痫活动可能通过重塑DMN子系统的局部聚类特性,形成对抗认知损伤的适应性网络重构。这些发现共同指向癫痫网络的双向可塑性,即既有病理性的全局整合紊乱,亦存在保护性的局部功能分离,为理解癫痫的认知共病提供了新的网络视角。

1.4 独立成分分析

       独立成分分析因其盲源分离特性为解析癫痫动态网络重组提供了关键工具[14, 15]。独立成分分析分解静息态功能网络核心成分,如显著网络(salience network, SN)的右前脑岛、左前脑岛及前扣带回节点[16],其动态FC异常表现为前扣带回-枕中回、前脑岛-顶叶超同步化,揭示SN在多模态信息整合中的代偿失效机制。独立成分分析与动态因果模型的融合研究进一步识别出皮层下网络与DMN的兴奋/抑制失衡环路[17],多模态研究共同指向SN在癫痫发作与认知共病中的枢纽地位。当前独立成分分析提取的独立成分虽然在统计上是独立的,但它们在生物学意义上可能并不完全对应于特定的神经生理过程[18],因此需要结合其他方法和知识进行综合解读。

1.5 动态FC分析

       SeLECTS的动态FC研究揭示了癫痫网络时空动态特性的复杂改变。基于滑动窗口技术的fMRI分析[19]发现,SeLECTS儿童纹状体-皮质回路呈现动态连接模式的分化特征,即发作间期癫痫样放电患者背侧纹状体-感觉运动回路呈现过度变异性,可能反映癫痫灶对神经波动的敏感性增强;而腹侧纹状体-认知回路则表现出异常稳定性,推测为抑制认知损害的代偿机制。这种动态连接的极性分化现象在SeLECTS中的睡眠期癫痫性电持续状态亚型中也发现类似改变[16]。前扣带回与右侧枕中回、前脑岛与顶叶/小脑的动态连接增强,且与记忆、执行功能等神经心理学指标显著相关,提示SN动态重组可能是认知损伤的核心机制。研究还发现动态与静态FC存在拮抗效应,健康对照(healthy control, HC)组中动态连接变异性与静态连接强度呈负相关,而癫痫儿童DMN等核心癫痫网络中该拮抗作用显著减弱,反映动态连接稳态的病理破坏[20]。药物治疗对动态活动具有双向调节作用,药物初治患者内侧前额叶、基底节区动态变异性异常,经抗癫痫药物治疗后部分区域趋于正常,但出现前额叶-枕叶新异常模式,提示药物可能重塑动态网络拓扑结构[3]。这些发现共同表明,SeLECTS的FC异常不仅涉及癫痫放电传播路径,更深度参与认知代偿与网络重组过程,为理解癫痫网络时空演化提供了新的生物标记体系。

1.6 其他FC分析方法

       传统FC分析方法揭示了静态与动态网络异常的临床关联,而新兴的图神经网络和高阶FC技术为解析复杂癫痫网络提供了新的模式。图神经网络通过消息传递机制聚合节点邻域信息,突破传统研究对节点独立性的假设,其时空图神经网络分支尤其适用于癫痫动态网络分析,其可通过堆叠多层卷积捕获中央颞区与DMN、SN的跨时间窗交互模式,例如循环图神经网络可建模癫痫样放电传播的级联效应,图自编码器则能识别静息态下潜在致痫网络拓扑特征[21, 22, 23]。当前图神经网络在SeLECTS中的应用仍处于探索阶段,但初步研究表明其可揭示传统方法难以捕捉的跨频段耦合特性,并为个体化网络分类提供高维特征空间[21]。高阶FC通过超图建模或贝叶斯估计突破成对相关性的局限,例如基于超图的“局部朋友圈”方法可量化中央颞区与皮层下结构(如丘脑、基底节)的多节点协同振荡,而贝叶斯高阶FC通过矩阵正态分布先验精准解析DMN内部的三元动态协同损伤[24, 25]。尽管这些技术面临计算复杂度高、动态建模理论不完善等挑战,但其对网络层级和跨尺度代偿机制的解析能力,极可能为SeLECTS的病理机制研究和生物标志物发现开辟全新维度。FC分析方法正从静态拓扑向动态高阶交互纵深发展,而图神经网络与高阶FC的协同创新或将深化癫痫网络理论体系,推动精准医学范式转型。

       综上,FC分析技术呈现出多样化的发展趋势。随着高质量数据的获取、精细化的假设检验以及实验设计的优化,以及分析工具的不断改进,FC研究为大脑的连接模式提供了新的见解。这些进展不仅深化了我们对癫痫病理学的理解,也增进了对脑网络动态性的认识。然而,其关键的挑战在于如何根据特定的研究目标、理论框架和试验设计来选择最合适的分析工具,使得这些科学发现为临床诊断和治疗提供更为精确的科学依据,从而改善癫痫患者的治疗效果和生活质量。

2 SeLECTS中的FC改变

2.1 DMN

       DMN是指个体在清醒静息、未专注外界任务时活跃的功能网络,在执行外部任务时通常表现为去激活状态。DMN主要参与自我相关加工、情景记忆及内在思维等认知过程,其FC的变化不仅反映认知机制的差异,还与多种神经精神疾病的发生和发展密切相关[26, 27]。近年来,DMN异常被认为是SeLECTS认知功能损害的重要机制之一,其在不同时期和病程阶段的FC特征为揭示SeLECTS潜在的神经机制提供了重要线索。

       SeLECTS患者中DMN内的FC变化是多方面的,与多种认知功能的表现有关,尤其在不同的频带中的变化引发了对疾病机制的更深入思考。TAN等[28] 的研究通过将双侧楔前叶/后扣带皮层作为种子区域,发现SeLECTS儿童在不同频率带中其与多个脑区的FC减低,提示楔前叶的FC具有频率依赖性,其FC减弱提示癫痫放电导致频段依赖的神经振荡失同步。楔前叶作为DMN的关键组成部分,在多种认知功能中扮演着重要角色,包括意识维持、自我反思、内外环境监测以及情景记忆提取等[29]。其他研究也观察到楔前叶FC发生改变。XU等[30]采用波动幅度百分比发现SeLECTS儿童左侧楔前叶和双侧后扣带回的局部活动降低,但DMN内部FC(如左侧顶下小叶与楔前叶、后扣带回间)反而增强。作者认为这种增强可能是DMN内部代偿性重组以应对癫痫放电对DMN的长期干扰。OFER等[11]的研究发现,在活动期SeLECTS儿童中,左侧顶下小叶在DMN中的中心性降低,这与更好的认知发展显著相关,而疾病较长的持续时间与DMN的局部效率增加相关,这可能意味着DMN内部的某些区域在经历长期癫痫活动后会进行功能重组,以减少癫痫放电对其正常功能的干扰。SeLECTS中DMN核心区域FC的变化在不同频段和连接上呈现方向不一致的特征,提示癫痫样放电并非以单一方式影响DMN功能,而是可能引发网络内复杂的去同步化与代偿性增强并存的动态重构过程,这也反映出DMN在病理状态下具有双向可塑性,既可能在特定路径上失整合,也可能在其他路径上强化连接以维持认知功能。

       FC研究不仅有助于揭示SeLECTS的潜在机制,还在疾病的诊断、分型及预后评估中发挥着至关重要的作用。研究表明[27, 31],癫痫的临床表现因患者的个体差异而有所不同,这些差异可以通过分析DMN及其他相关脑区的FC进行量化,从而为疾病的亚型划分提供支持。LI等[19]基于滑动窗口分析方法识别豆状核-皮层回路的动态FC的变异性,发现在间歇期癫痫样放电患者中,右腹侧前部壳核与右侧岛叶/副海马体之间的连接变异性降低。这一变化可能反映了癫痫样放电患者在FC上表现出与其他病理亚型不同的特征,并对认知和情感功能产生影响,进一步支持了DMN内部FC变化与认知障碍之间的关联以及为个性化治疗的开展提供了理论支持。一项基于fMRI的研究[23]对SeLECTS儿童进行分组,分为睡眠中癫痫性电持续状态组、无睡眠中癫痫性电持续状态组及健康对照组,结果发现三组儿童的DMN在FC上并未出现显著降低。研究人员认为,这可能与DMN和中央执行网络之间呈负相关的特性有关,也可能是因为外部环境刺激会抑制DMN的活动。这一结果看似与其他研究存在矛盾,实则可能反映癫痫放电干扰与大脑代偿调节并行的双重作用。不同癫痫亚型、放电模式及个体神经可塑性差异,均可能影响DMN在静息态下的FC表达方向。

       研究网络内部的时间连贯性能够增强我们对功能特异性的认识,而对网络间相互作用的探讨则有助于深化我们对大脑网络全局属性的理解。XU等[30]探索网络间连接时还发现感觉运动网络与Broca区、DMN之间网络间FC增加,同时DMN在应对外部刺激或特定任务时,与其他大脑网络之间存在显著的协同或拮抗作用。这些研究表明,DMN和感觉运动网络之间的功能异常可能导致SeLECTS儿童的各种认知能力的下降。进一步突出了网络间相互作用在认知功能中的重要性。JIANG 等[3]探讨SeLECTS儿童脑内在异常及抗癫痫治疗对脑活动的影响时,将SeLECTS分成用药组和未用药组,发现用药组腹内侧前额叶皮层与DMN后部区域(楔前叶和顶下小叶)之间的FC减少。这一结果不仅揭示了抗癫痫药物可能通过影响这些脑区的活动来发挥治疗作用,还进一步提示DMN很可能在SeLECTS的神经病理生理机制中发挥着重要作用。这一发现为临床治疗提供了潜在的靶点。此外,LI等[19]也得出相同的结论,他们发现间歇期癫痫样放电的SeLECTS儿童的腹侧前部壳核和DMN区域之间的动态FC变异性降低,这可能与癫痫发作期间自我指涉精神活动的中断有关,提示这可能是大脑对癫痫活动的一种补偿机制,以防止或延缓认知障碍的发生。

       DMN在SeLECTS儿童的认知功能中扮演着重要角色,其FC的改变可能与认知障碍的发生和发展有关。通过解析DMN的FC异常,可发现其对特定认知功能的损害机制,从而为基于DMN靶向调控的疾病预测及个体化干预提供依据。随着SeLECTS的进展,DMN的FC模式变得更加复杂,这对疾病的诊断、分型和预后评估提出了新的挑战。因此,未来的研究不仅需要进一步探讨DMN的FC如何具体影响认知过程,还需要探索如何通过治疗改善这些FC,以提高患者的认知能力。

2.2 Rolandic区

       尽管SeLECTS儿童通常在青春期前达到缓解,预后良好,但随着神经心理学及神经影像学研究的深入,有研究表明部分患者仍存在语言、阅读、视觉空间、执行力、注意力损害等认知行为障碍,其中以语言障碍最明显[32, 33],且随着疾病进展,这种语言功能障碍变得更加严重[34]。这些语言障碍是主要的临床问题,甚至比癫痫发作更重要,因为它们可能在癫痫发作自然缓解后持续存在。

       在SeLECTS儿童中,语言FC的异常已被多项研究所证实[4, 35],这些异常可能与患者的语言障碍有关联。JONES等[4]的研究利用一般线性模型筛选出感兴趣区域,探索SeLECTS对中国人群语言处理能力的影响,发现左侧楔前叶与右侧小脑等关键语言回路的FC减弱,且左侧楔前叶与右侧小脑、右侧小脑与右侧额中回的FC强度与SeLECTS儿童的语言智商显著相关,表明这些连接保留较好的患者语言能力更高,但其他区域(如右侧楔前叶与双侧丘脑/左颞上回)的FC增强,暗示这些非典型连接可能通过视觉-空间处理、工作记忆或跨模态整合等机制,部分代偿受损的语言功能。KIM等[36]的研究发现SeLECTS儿童在Rolandic区、语言相关区域与左颞下回之间的FC增加,且其FC改变与语言智商、全量表智商呈负相关,即患者表现出语言能力下降,同时在与语言处理相关的脑区(如左颞下回)的FC增强,作者认为这种增强可能是大脑在癫痫活动影响下,通过突触可塑性或网络重组来维持语言功能的尝试,但这种适应性变化可能因在补偿过程中形成了低效或冗余的连接路径并不完全有效,甚至可能产生负面影响,从而影响原本高效的语言网络功能。因此,FC增强在SeLECTS中并不总是积极信号,可能代表代偿性重构失败、连接效率下降或病理性同步增强。这种“结构增强-功能减弱”的背离现象进一步凸显FC变化方向与临床表现之间并非线性对应,而是取决于网络整体重构是否成功整合。除了语言障碍外,SeLECTS儿童的其他认知能力,如注意力、工作记忆、执行功能等也受到影响[37, 38, 39]。JIANG等[40]基于动态区域一致性研究发现在语言和工作记忆相关区域检测到的全局信号FC减少。YANG等[41]的研究通过基于左侧额下回亚区构建全脑的FC矩阵并评估大脑网络的整体效率和模块化时发现,与健康对照相比,SeLECTS儿童的左侧额下回与右侧前扣带皮层之间的FC增加,与左侧颞下回之间的FC减低。这可能表明腹侧44区(即Broca区)与左海马/海马旁回之间的FC增加可能有助于SeLECTS儿童语言障碍后言语上下文记忆的加强和认知的改善。左侧额下回在整合不同的语言领域(包括语言信息的处理、言语的产生和语义表达的功能)中起着重要作用[42],尽管其相关部分连接(如与前扣带皮层)增强可能提示认知调控的代偿机制,但与左颞下回连接的减弱则可能限制语言语义加工能力的恢复,提示癫痫相关的网络重构呈现出方向不一致、区域特异的复杂改变。Rolandic区FC改变在不同研究中呈现明显的方向不一致现象,提示癫痫样放电影响下大脑可能在局部功能损害与全局代偿性连接之间寻求动态平衡。这一“增强-减弱共现”的特征不仅反映网络可塑性,也可能解释认知恢复存在个体差异的原因。

2.3 其他脑网络改变

       在SeLECTS的FC研究中,DMN与Rolandic区因其在癫痫样放电起源与认知障碍形成中的枢纽地位,成为当前FC研究最为集中、机制探讨最为深入的核心区域,但SeLECTS所涉网络改变远不止于DMN和Rolandic区,多个关键认知网络亦表现出显著FC异常。作为感知-认知整合的核心网络,SN自静息态功能网络理论提出以来即被视为癫痫网络交互的关键枢纽,其通过前岛叶与前扣带回的动态调控,在癫痫发作抑制与认知资源分配中发挥核心作用。研究发现[43]SeLECTS儿童在睡眠中癫痫性电持续状态下,SN的FC显著下降,尤其是前岛叶和前扣带回等核心节点,提示SN在癫痫放电与睡眠过程中的高度易感性。一项动态FC分析[16]显示,SeLECTS中睡眠期癫痫性电持续状态儿童前扣带回至右侧枕中回、右前岛至右顶上小叶及小脑、左前岛至左中央后回等通路的动态耦合增强,且多重回归分析证实了SN的dFC异常与认知障碍显著相关,并通过路径分析进一步证明动态FC异常在疾病与认知损害间的中介作用。有学者观察到睡眠期癫痫性电持续状态下SN损害最为显著,相较典型SeLECTS,睡眠期癫痫性电持续状态SN与中央执行网络连接减弱明显,而DMN未见显著变化,SN负责调节DMN和中央执行网络之间的竞争关系,而SN的功能障碍可能导致这种调节失效,进而影响认知功能。这或许表明SN或为癫痫放电和睡眠共同作用下最敏感的网络,其功能障碍可能直接介导认知功能下降[43]。SN与丘脑间连接异常亦被观察,提示SN失衡可能破坏感觉与认知信息整合,加重神经心理损害[16]。额顶网络(frontoparietal network, FPN)作为执行功能的核心载体,其层级化FC特征已被证实与神经发育障碍密切相关。静息态fMRI连接组梯度分析[9]显示,SeLECTS儿童在主功能梯度维度上FPN的功能梯度值显著升高,这一变化不仅意味着FPN在全脑整合中的主导地位被异常强化,更可能反映出其在癫痫样放电持续影响下承担了代偿性认知加工任务。研究者进一步基于FC的机器学习预测模型也证实,FPN的异常梯度及其FC特征对于患儿言语智商具有较强的预测能力,提示FPN功能失衡已成为SeLECTS儿童认知损害的关键神经基础之一。FPN的FC异常亦被证实与语言障碍密切相关。研究发现[4],SeLECTS儿童在语言产生任务中发现FPN相关脑区(如楔前叶、额中回)与小脑及前额区域的FC减弱,且连接强度与言语智商及全量表智商呈正相关,提示FPN对小脑-前额通路的调控能力下降可能影响语言执行控制功能。

       SeLECTS儿童的FC重塑呈现多维特征。空间维度上,功能异常并不局限于癫痫放电源区(Rolandic区),也波及DMN、SN、FPN、语言网络、感觉运动网络等多个核心系统,提示癫痫样放电可通过远隔效应诱发全脑网络重组。例如DMN中楔前叶和顶下小叶的FC异常与注意力、执行功能受损有关,Rolandic区与左颞下回的连接增强可能为语言障碍的代偿机制。方向维度上,FC改变存在矛盾性,即在不同研究或同一研究中观察到部分脑区FC增强、部分脑区FC减弱的并存状态,部分个体甚至在同一区域表现出频段依赖性增强与减弱的交错现象。这种“增强-减弱共现”的现象可能源于两个层面的机制。一方面,癫痫样放电通过突触同步障碍和神经振荡失调造成信息传递效率下降,从而削弱相关脑区的FC;另一方面,大脑可能通过突触可塑性和跨网络重组激活代偿通路增强某些区域的FC,以维持核心认知功能的稳定。此外,FC的动态特性也在SeLECTS中扮演关键角色。越来越多研究指出,静态FC无法全面反映癫痫状态下网络结构的快速变动,而动态FC可揭示不同时间窗内连接模式的波动性与阶段性。某些癫痫亚型如睡眠中癫痫性电持续状态表现出典型的动态FC异常模式,且与认知损害水平呈高度一致。这提示SeLECTS的脑FC异常不是静态“受损”,而是具有显著时空演化特征的动态重构过程。综合来看,SeLECTS的FC改变体现了一种“病理干扰与代偿重塑并存”的复杂神经机制模型,既包含癫痫样放电对网络结构的破坏性影响,也展现了发育中大脑在损伤下的功能适应能力。这一模型有助于统一解释当前研究中呈现的多样化FC变化模式,也为理解癫痫认知共病的网络基础提供理论支撑。未来研究应更加重视FC的时间动态、跨网络交互与个体差异性,并结合结构影像、生理电信号及行为学数据,构建多模态的网络病理图谱,以提升对SeLECTS的识别、干预与预后评估能力。

3 小结与展望

       当前的研究揭示了SeLECTS的脑FC与临床特征的密切关系,且特定脑区的FC模式可能与癫痫的发生及其自限性缓解有关。借助多种FC分析方法,研究进一步揭示了脑区活动异常和脑网络结构的变化,这些发现为SeLECTS的发病机制提供了新的视角。然而,现有研究也存在一定的局限性,如样本量较小、研究设计差异以及数据质量要求高等,这可能影响结果的普适性。未来的研究可从多模态融合分析入手,结合结构磁共振、fMRI和电生理数据等,进一步深入探讨脑功能与结构的关系。此外,大样本量和纵向研究将有助于更好地理解病程中脑FC的变化,并为疾病的早期诊断与个性化治疗提供支持。通过脑FC模式的进一步研究,未来有望开发出可用于临床的生物标志物,从而提升SeLECTS的诊疗效果。跨学科合作,尤其是神经科学、临床医学与数据科学的结合,将为未来的研究提供更强的动力,推动SeLECTS的精准医疗和脑网络研究的突破。

[1]
DRYŻAŁOWSKI P, JÓŹWIAK S, FRANCKIEWICZ M, et al. Benign epilepsy with centrotemporal spikes - Current concepts of diagnosis and treatment[J]. Neurol Neurochir Pol, 2018, 52(6): 677-689. DOI: 10.1016/j.pjnns.2018.08.010.
[2]
SPECCHIO N, WIRRELL E C, SCHEFFER I E, et al. International League Against Epilepsy classification and definition of epilepsy syndromes with onset in childhood: Position paper by the ILAE Task Force on Nosology and Definitions[J]. Epilepsia, 2022, 63(6): 1398-1442. DOI: 10.1111/epi.17241.
[3]
JIANG S, LUO C, HUANG Y, et al. Altered Static and Dynamic Spontaneous Neural Activity in Drug-Naïve and Drug-Receiving Benign Childhood Epilepsy With Centrotemporal Spikes[J/OL]. Front Hum Neurosci, 2020, 14: 361 [2024-10-02]. https://www.frontiersin.org/article/10.3389/fnhum.2020.00361/full. DOI: 10.3389/fnhum.2020.00361.
[4]
JONES J E. Functional connectivity differences in speech production networks in Chinese children with Rolandic epilepsy[J/OL]. Epilepsy Behav, 2022, 135: 108871 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S1525505022003201. DOI: 10.1016/j.yebeh.2022.108871.
[5]
LV H, WANG Z, TONG E, et al. Resting-State Functional MRI: Everything That Nonexperts Have Always Wanted to Know[J]. AJNR Am J Neuroradiol, 2018, 39(8): 1390-1399. DOI: 10.3174/ajnr.A5527.
[6]
SOHN W S, YOO K, LEE Y B, et al. Influence of ROI selection on resting state functional connectivity: an individualized approach for resting state fMRI analysis[J/OL]. Front Neurosci, 2015, 9: 280 [2024-10-02]. http://journal.frontiersin.org/Article/10.3389/fnins.2015.00280/abstract. DOI: 10.3389/fnins.2015.00280.
[7]
刘力霈, 杨晓利, 李振伟. 基于边中心网络特征提取的癫痫脑电分类研究[J]. 计算机与现代化, 2024(5): 22-26. DOI: 10.3969/j.issn.1006-2475.2024.05.005.
LIU L P, YANG X L, LI Z W. EEG Classification of Epilepsy Based on Edge-center Network Feature Extraction[J]. Computer and Modernization, 2024(5): 22-26. DOI: 10.3969/j.issn.1006-2475.2024.05.005.
[8]
RODRIGUEZ R X, NOBLE S, TEJAVIBULYA L, et al. Leveraging edge-centric networks complements existing network-level inference for functional connectomes[J/OL]. Neuroimage, 2022, 264: 119742 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S1053811922008631. DOI: 10.1016/j.neuroimage.2022.119742.
[9]
HU J, CHEN G, ZENG Z, et al. Systematically altered connectome gradient in benign childhood epilepsy with centrotemporal spikes: Potential effect on cognitive function[J/OL]. Neuroimage Clin, 2024, 43: 103628 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S2213158224000676. DOI: 10.1016/j.nicl.2024.103628.
[10]
ZHANG Q, LI J, HE Y, et al. Atypical functional connectivity hierarchy in Rolandic epilepsy[J/OL]. Commun Biol, 2023, 6(1): 704 [2024-10-02]. https://www.nature.com/articles/s42003-023-05075-8. DOI: 10.1038/s42003-023-05075-8.
[11]
OFER I, JACOBS J, JAISER N, et al. Cognitive and behavioral comorbidities in Rolandic epilepsy and their relation with default mode network's functional connectivity and organization[J]. Epilepsy Behav, 2018, 78: 179-186. DOI: 10.1016/j.yebeh.2017.10.013.
[12]
DRENTHEN G S, FASEN F, FONSECA WALD E L A, et al. Functional brain network characteristics are associated with epilepsy severity in childhood absence epilepsy[J/OL]. Neuroimage Clin, 2020, 27: 102264 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S2213158220301017. DOI: 10.1016/j.nicl.2020.102264.
[13]
CARBONI M, DE STEFANO P, VORDERWÜLBECKE B J, et al. Abnormal directed connectivity of resting state networks in focal epilepsy[J/OL]. Neuroimage Clin, 2020, 27: 102336 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S221315822030173X. DOI: 10.1016/j.nicl.2020.102336.
[14]
MEDINA VILLALON S, MAKHALOVA J, LÓPEZ-MADRONA V J, et al. Combining independent component analysis and source localization for improving spatial sampling of stereoelectroencephalography in epilepsy[J/OL]. Sci Rep, 2024, 14(1): 4071 [2024-10-02]. https://www.nature.com/articles/s41598-024-54359-4. DOI: 10.1038/s41598-024-54359-4.
[15]
GKIATIS K, GARGANIS K, KARANASIOU I, et al. Independent component analysis: a reliable alternative to general linear model for task-based fMRI[J/OL]. Front Psychiatry, 2023, 14: 1214067 [2024-10-02]. https://www.frontiersin.org/articles/10.3389/fpsyt.2023.1214067/full. DOI: 10.3389/fpsyt.2023.1214067.
[16]
FATEH A A, SMAHI A, HASSAN M, et al. From brain connectivity to cognitive function: Dissecting the salience network in pediatric BECTS-ESES[J/OL]. Prog Neuropsychopharmacol Biol Psychiatry, 2024, 135: 111110 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S0278584624001787. DOI: 10.1016/j.pnpbp.2024.111110.
[17]
DAI X J, LIU H, YANG Y, et al. Brain network excitatory/inhibitory imbalance is a biomarker for drug-naive Rolandic epilepsy: A radiomics strategy[J]. Epilepsia, 2021, 62(10): 2426-2438. DOI: 10.1111/epi.17011.
[18]
COELLI S, MEDINA VILLALON S, BONINI F, et al. Comparison of beamformer and ICA for dynamic connectivity analysis: A simultaneous MEG-SEEG study[J/OL]. Neuroimage, 2023, 265: 119806 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S1053811922009272. DOI: 10.1016/j.neuroimage.2022.119806.
[19]
LI R, LIAO W, YU Y, et al. Differential patterns of dynamic functional connectivity variability of striato-cortical circuitry in children with benign epilepsy with centrotemporal spikes[J]. Hum Brain Mapp, 2018, 39(3): 1207-1217. DOI: 10.1002/hbm.23910.
[20]
JIANG S, LI H, PEI H, et al. Connective profiles and antagonism between dynamic and static connectivity underlying generalized epilepsy[J]. Brain Struct Funct, 2021, 226(5): 1423-1435. DOI: 10.1007/s00429-021-02248-1.
[21]
WU Z, PAN S, CHEN F, et al. A Comprehensive Survey on Graph Neural Networks[J]. IEEE Trans Neural Netw Learn Syst, 2021, 32(1): 4-24. DOI: 10.1109/TNNLS.2020.2978386.
[22]
BESSADOK A, MAHJOUB M A, REKIK I. Graph Neural Networks in Network Neuroscience[J]. IEEE Trans Pattern Anal Mach Intell, 2023, 45(5): 5833-5848. DOI: 10.1109/TPAMI.2022.3209686.
[23]
潘嘉诚, 董一鸿, 陈华辉. 基于图神经网络的自闭症辅助诊断研究综述[J]. 计算机工程, 2022, 48(9): 1-11. DOI: 10.19678/j.issn.1000-3428.0064352.
PAN J C, DONG Y H, CHEN H H. Review of Research on Auxiliary Diagnosis of Autism Based on Graph Neural Networks[J]. Computer Engineering, 2022, 48(9): 1-11. DOI: 10.19678/j.issn.1000-3428.0064352.
[24]
SHANG S, ZHU S, WU J, et al. Topological disruption of high-order functional networks in cognitively preserved Parkinson's disease[J]. CNS Neurosci Ther, 2023, 29(2): 566-576. DOI: 10.1111/cns.14037.
[25]
JIANG X, ZHOU Y, ZHANG Y, et al. Estimating High-Order Brain Functional Networks in Bayesian View for Autism Spectrum Disorder Identification[J/OL]. Front Neurosci, 2022, 16: 872848 [2024-10-02]. https://www.frontiersin.org/articles/10.3389/fnins.2022.872848/full. DOI: 10.3389/fnins.2022.872848.
[26]
WANG A, DONG T, WEI T, et al. Large-scale networks changes in Wilson's disease associated with neuropsychiatric impairments: a resting-state functional magnetic resonance imaging study[J/OL]. BMC Psychiatry, 2023, 23(1): 805 [2024-10-02]. https://bmcpsychiatry.biomedcentral.com/articles/10.1186/s12888-023-05236-3. DOI: 10.1186/s12888-023-05236-3.
[27]
ZHANG X, YANG L, LU J, et al. Reconfiguration of brain network dynamics in bipolar disorder: a hidden Markov model approach[J/OL]. Transl Psychiatry, 2024, 14(1): 507 [2024-10-02]. https://www.nature.com/articles/s41398-024-03212-3. DOI: 10.1038/s41398-024-03212-3.
[28]
TAN G, XIAO F, CHEN S, et al. Frequency-specific alterations in the amplitude and synchronization of resting-state spontaneous low-frequency oscillations in benign childhood epilepsy with centrotemporal spikes[J]. Epilepsy Res, 2018, 145: 178-184. DOI: 10.1016/j.eplepsyres.2018.07.007.
[29]
KLAASSENS B L, VAN GERVEN J M A, VAN DER GROND J, et al. Diminished Posterior Precuneus Connectivity with the Default Mode Network Differentiates Normal Aging from Alzheimer's Disease[J/OL]. Front Aging Neurosci, 2017, 9: 97 [2024-10-02]. http://journal.frontiersin.org/article/10.3389/fnagi.2017.00097/full. DOI: 10.3389/fnagi.2017.00097.
[30]
XU K, WANG F, GENG B, et al. Abnormal percent amplitude of fluctuation and functional connectivity within and between networks in benign epilepsy with centrotemporal spikes[J/OL]. Epilepsy Res, 2022, 185: 106989 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S0920121122001401. DOI: 10.1016/j.eplepsyres.2022.106989.
[31]
YANG S, ZHANG Z, CHEN H, et al. Temporal variability profiling of the default mode across epilepsy subtypes[J]. Epilepsia, 2021, 62(1): 61-73. DOI: 10.1111/epi.16759.
[32]
OVERVLIET G M, BESSELING R M H, VAN DER KRUIJS S J M, et al. Clinical evaluation of language fundamentals in Rolandic epilepsy, an assessment with CELF-4[J]. Eur J Paediatr Neurol, 2013, 17(4): 390-396. DOI: 10.1016/j.ejpn.2013.01.001.
[33]
VANNEST J, SZAFLARSKI J P, EATON K P, et al. Functional magnetic resonance imaging reveals changes in language localization in children with benign childhood epilepsy with centrotemporal spikes[J]. J Child Neurol, 2013, 28(4): 435-445. DOI: 10.1177/0883073812447682.
[34]
MA Y, CHEN G, WANG Y, et al. Language dysfunction is associated with age of onset of benign epilepsy with centrotemporal spikes in children[J]. Eur Neurol, 2015, 73(3-4): 179-183. DOI: 10.1159/000371417.
[35]
李晓华, 徐成伟, 谢生辉, 等. 低频振幅一致性在伴中央颞区棘波良性癫痫认知功能损害中的研究[J]. 临床放射学杂志, 2021, 40(9): 1812-1815. DOI: 10.13437/j.cnki.jcr.2021.09.032.
LI X H, XU C W, XIE S H, et al. Low Frequency Amplitude in BECTS Children with Cognitive Impairment[J]. Journal of Clinical Radiology, 2021, 40(9): 1812-1815. DOI: 10.13437/j.cnki.jcr.2021.09.032.
[36]
KIM H J, LEE J H, PARK C H, et al. Role of Language-Related Functional Connectivity in Patients with Benign Childhood Epilepsy with Centrotemporal Spikes[J]. J Clin Neurol, 2018, 14(1): 48-57. DOI: 10.3988/jcn.2018.14.1.48.
[37]
JIANG N, YANG C M, WANG J L, et al. The Association Between Sleep Problems and Attentional Network Functions in Patients with Self-Limited Epilepsy with Centrotemporal Spikes[J]. Nat Sci Sleep, 2024, 16: 751-760. DOI: 10.2147/NSS.S460558.
[38]
LIMA E M, RZEZAK P, MONTENEGRO M A, et al. Social cognition in childhood epilepsy with centrotemporal spikes[J]. Seizure, 2020, 78: 102-108. DOI: 10.1016/j.seizure.2020.03.014.
[39]
SOUSA E, PINTO M, FERREIRA M, et al. Neurocognitive and psychological comorbidities in patients with self-limited centrotemporal spike epilepsy. A case-control study[J]. Rev Neurol, 2023, 76(5): 153-158. DOI: 10.33588/rn.7605.2022385.
[40]
JIANG L, MA X, LIU H, et al. Aberrant Dynamics of Regional Coherence Measured by Resting-State fMRI in Children With Benign Epilepsy With Centrotemporal Spikes (BECTS)[J/OL]. Front Neurol, 2021, 12: 712071 [2024-10-02]. https://www.frontiersin.org/articles/10.3389/fneur.2021.712071/full. DOI: 10.3389/fneur.2021.712071.
[41]
YANG Y, WANG F, ANDRADE-MACHADO R, et al. Disrupted functional connectivity patterns of the left inferior frontal gyrus subregions in benign childhood epilepsy with centrotemporal spikes[J]. Transl Pediatr, 2022, 11(9): 1552-1561. DOI: 10.21037/tp-22-270.
[42]
KLAUS J, HARTWIGSEN G. Dissociating semantic and phonological contributions of the left inferior frontal gyrus to language production[J]. Hum Brain Mapp, 2019, 40(11): 3279-3287. DOI: 10.1002/hbm.24597.
[43]
HE W, LIU H, LIU Z, et al. Electrical status epilepticus in sleep affects intrinsically connected networks in patients with benign childhood epilepsy with centrotemporal spikes[J/OL]. Epilepsy Behav, 2020, 106: 107032 [2024-10-02]. https://linkinghub.elsevier.com/retrieve/pii/S1525505020302110. DOI: 10.1016/j.yebeh.2020.107032.

上一篇 定量磁共振成像技术在帕金森病诊断中的研究进展
下一篇 针刺治疗轻度认知障碍的神经影像学研究进展
  
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