分享:
分享到微信朋友圈
X
临床研究
阿尔茨海默病患者脑结构形态学改变与认知功能的相关性研究
田欣 樊丽华 魏伟 姜茂 于楠 周锋 郑运松 陈静

本文引用格式:田欣, 樊丽华, 魏伟, 等. 阿尔茨海默病患者脑结构形态学改变与认知功能的相关性研究[J]. 磁共振成像, 2025, 16(12): 44-51. DOI:10.12015/issn.1674-8034.2025.12.007.


[摘要] 目的 基于体素的形态学分析(voxel-based morphometry, VBM)及表面的形态学测量分析(surface-based morphometry, SBM)方法,探讨阿尔茨海默病(Alzheimer's disease, AD)患者脑灰质结构改变及其与认知功能之间的相关性。材料与方法 从阿尔茨海默病神经影像学倡议(Alzheimer's Disease Neuroimaging Initiative, ADNI)数据库中筛选并纳入61例受试者,包括AD组32人,健康对照(healthy controls, HC)组29人。应用VBM及SBM分析计算每组受试者的形态学指标,包括灰质体积、皮层厚度及复杂度指标(局部回指数、分形维度及脑沟深度),并比较组间差异。提取组间存在显著差异脑区的形态学指标值,与认知量表评分进行Pearson相关分析。结果 在全脑结构中,AD患者灰质总体积低于HC组(P=0.021),AD患者脑脊液体积大于HC组(P=0.011)。VBM分析显示,AD组在左侧海马、右侧海马旁回、双侧颞中回、双侧颞下回、左侧扣带中回多个脑区灰质体积低于HC组[体素水平总体误差(family-wise error, FWE)校正后P<0.001]。SBM分析显示,AD组较HC组皮层厚度、局部回指数发生了改变,差异有统计学意义(团块水平FWE校正后P<0.05);其中双侧顶下回和双侧颞中回、颞上回、颞下回等脑区皮层厚度减低,左侧颞中回、颞下回皮层局部回指数增加。分形维度及脑沟深度差异无统计学意义(未通过FWE校正,P>0.05)。AD组和HC组在简易精神状态检查量表(Mini-mental State Examination, MMSE)、临床痴呆评定量表(Clinical Dementia Rating, CDR)评分的差异有统计学意义(P<0.001)。AD组MMSE评分与左侧海马体积、右侧海马旁回体积、右侧楔前叶和左侧颞中回皮层厚度呈正相关,CDR评分与左侧海马体积、右侧海马旁回体积呈负相关。结论 VBM及SBM分析能够有效揭示AD患者大脑边缘系统及联合皮层存在典型灰质萎缩,且与认知功能障碍程度密切相关。同时研究发现左侧颞叶局部回指数增加,该现象不同于传统线性退行改变,局部回指数有望作为AD微结构改变的新型影像生物标志物。
[Abstract] Objective To investigate the alterations in gray matter structure and their correlation with cognitive function in patients with Alzheimer's disease (AD) using voxel-based morphometry (VBM) and surface-based morphometry (SBM).Materials and Methods Sixty-one participants from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database were enrolled, comprising 32 AD patients and 29 healthy controls (HC). Morphological metrics, including gray matter volume, cortical thickness, and cortical complexity (local gyrification index, fractal dimension, and sulcal depth), were derived using VBM and SBM pipelines. Regional values from brain areas exhibiting significant intergroup differences were extracted and correlated with cognitive scale scores using Pearson's analysis.Results Whole-brain structural analysis indicated that the AD group had significantly lower total gray matter volume (P = 0.021) and higher cerebrospinal fluid volume (P = 0.011) than the HC group. VBM identified gray matter reduction in the AD group within the left hippocampus, right parahippocampal gyrus, bilateral middle and inferior temporal gyri, and the left mid-cingulate gyrus (voxel-level FWE-corrected P < 0.001). SBM revealed statistically significant group differences in cortical thickness and local gyrification index (cluster-level FWE-corrected P < 0.05). Cortical thinning was observed in the bilateral inferior parietal lobules and bilateral middle, superior, and inferior temporal gyri, whereas the local gyrification index was elevated in the left middle and inferior temporal gyri. No significant between-group differences were detected in fractal dimension or sulcal depth (FWE-uncorrected P > 0.05). Cognitive assessment confirmed marked differences in Mini-Mental State Examination (MMSE) and Clinical Dementia Rating (CDR) scores (P < 0.001). In the AD group, MMSE scores correlated positively with left hippocampal volume, right parahippocampal gyrus volume, and cortical thickness of the right precuneus and left middle temporal gyrus. Conversely, CDR scores were negatively correlated with volumes of the left hippocampus and right parahippocampal gyrus.Conclusions VBM and SBM analyses effectively identified characteristic gray matter atrophy in the limbic system and association cortices of Alzheimer's disease patients, which was significantly correlated with the severity of cognitive impairment. Furthermore, the study revealed an increased local gyrification index in the left temporal lobe. This finding deviates from the conventional model of linear degenerative changes, suggesting that the local gyrification index holds promise as a novel neuroimaging biomarker for detecting microstructural alterations in AD.
[关键词] 阿尔茨海默病;形态学分析;磁共振成像;脑结构改变;皮层复杂度;认知功能
[Keywords] Alzheimer's disease;morphometric analysis;magnetic resonance imaging;brain structure alterations;cortical complexity;cognitive function

田欣 1   樊丽华 1   魏伟 1   姜茂 2   于楠 1, 2   周锋 3   郑运松 1, 2   陈静 1*  

1 陕西中医药大学附属医院医学影像科,咸阳 712000

2 陕西中医药大学医学技术学院,咸阳 712046

3 陕西中医药大学附属医院科研科,咸阳 712000

通信作者:陈静,E-mail:345717558@qq.com

作者贡献声明:陈静设计本研究的方案,对稿件重要内容进行了修改;田欣起草和撰写稿件,设计本研究的方案,获取、分析及解释本研究的数据,对稿件重要内容进行修改;樊丽华、魏伟、姜茂、于楠、周锋、郑运松设计本研究的方案,获取、分析及解释本研究的数据,对稿件重要内容进行了修改,其中郑运松获得了陕西省科学技术厅2024年度陕西省重点研发计划项目的资助,周锋获得了2023年度陕西中医药大学科技创新团队项目-脑认知障碍的“针药共调”研究创新团队的资助;全体作者都同意最后的修改稿,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: 陕西省科学技术厅2024年度陕西省重点研发计划项目 2024SF-YBXM-524 2023年度陕西中医药大学科技创新团队项目-脑认知障碍的“针药共调”研究创新团队 2023-CXTD-02
收稿日期:2025-10-15
接受日期:2025-12-05
中图分类号:R445.2  R739.45 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.12.007
本文引用格式:田欣, 樊丽华, 魏伟, 等. 阿尔茨海默病患者脑结构形态学改变与认知功能的相关性研究[J]. 磁共振成像, 2025, 16(12): 44-51. DOI:10.12015/issn.1674-8034.2025.12.007.

0 引言

       阿尔茨海默病(Alzheimer's disease, AD)是神经退行性疾病[1]。其核心病理为β-淀粉样蛋白(Aβ)沉积所致的老年斑、过度磷酸化微管相关蛋白(tubulin assembly unit, Tau)构成的神经原纤维缠结(neurofibrillary tangles, NFTs),最终导致神经元丢失与脑萎缩[2, 3, 4]。该病起病隐匿、不可逆且无法治愈[5]。目前全球AD患者逾5000万[6],造成沉重的医疗与社会负担。因此,深入探究其神经机制、早期诊断,对延缓病程、改善预后及减轻社会负担至关重要。

       结构磁共振成像(structural magnetic resonance imaging, sMRI)已成为评估脑结构异常的核心手段[7]。基于体素的形态学分析(voxel-based morphometry, VBM)和基于表面的形态学分析(surface-based morphometry, SBM)作为sMRI的两种重要分析方法,分别从不同角度揭示AD的脑结构改变特征。其中,VBM能够精确量化全脑范围内灰质体积变化[8, 9, 10],而SBM则通过重建大脑皮层曲面模型,将皮层的几何结构分解为皮层厚度及皮层复杂度,从而实现对局部回指数、分形维度和脑沟深度的精细形态学指标精准测量[11, 12]。尽管VBM与SBM技术已在AD脑影像研究中得到广泛应用,已有研究证实AD 患者在海马、前额叶及后扣带回等关键脑区存在灰质体积减少,且颞叶等区域存在皮层变薄等宏观结构改变[13, 14]。但上述传统指标不能反映大脑皮层精细折叠结构。相比之下,基于SBM技术所衍生的皮层复杂度指标,能够精确量化脑沟回的折叠模式和几何拓扑特性,精准捕捉 AD患者皮层微观结构改变,为定量分析神经连接退化引发的大脑皮层精细结构异常提供了有力工具。现有研究已利用该技术发现AD患者存在皮层复杂度异常,WU等[15]研究结果显示AD患者晚期表现为颞叶皮层的局部回指数显著降低;MARZI等[16]通过纵向随访发现,AD痴呆期全脑分形维数呈现下降趋势。然而,这些研究显示了疾病中晚期的结构性后果,却未能发现其与早期神经连接损伤的关联机制。鉴于此,本研究旨在系统性探讨皮层复杂度在AD早期诊断中的价值,以期从脑结构的几何精细形态表征角度,为揭示AD的早期结构损伤机制提供新的理论依据。

1 材料与方法

1.1 研究对象

       本研究以国际公开数据库-阿尔茨海默病神经影像倡议(Alzheimer's Disease Neuroimaging Initiative, ADNI)为所有受试者的资料来源。本研究方案数据库资料经ADNI委员会审查通过,严格遵循《赫尔辛基宣言》原则,且所有受试者均签署了知情同意书。AD患者纳入标准:其诊断标准参照美国国立神经疾病与卒中研究所-阿尔茨海默病及相关疾病协会发布的指南;年龄57~87岁。健康对照(healthy controls, HC)组纳入标准:在年龄、性别方面与AD组受试者保持匹配;经临床评估确定认知功能正常。​所有受试者均统一适用以下排除标准:(1)有脑外伤史、颅脑器质性病变、合并精神疾病(如抑郁症、精神分裂症、焦虑症等)、诊断为其他类型痴呆症;(2)基线临床资料缺失或不全;(3)扫描参数异常或文件损坏等原因导致3D-T1结构像DICOM数据无法获取;(4)图像质量不合格,包括磁共振图像伪影大、扫描范围未覆盖全脑(含小脑)、后处理所得图像质量评分(imaging ruality rating, IQR)小于80%;(5)数据处理时报错。

       本研究根据纳入标准随机从ADNI数据库中获取影像数据95例。随后,根据排除标准对获取的数据进行逐一排除。所有数据的筛选工作由两名具有5年以上神经影像工作经验的主治医师完成。若评估出现分歧,双方将通过协商达成一致意见。经过严格的质控与筛选,最终确定61例受试者纳入分析,包括AD患者32例与HC组29例。具体选择流程见图1

       样本量效能验证采用G*Power 3.1软件进行事后分析。基于最终纳入样本量(AD组32例,HC组29例),检验类型为两组独立样本t检验,设定检验水准α=0.05(双侧),并参考既往AD脑结构影像学研究[17]中报告的效应量(f=0.8),计算得本研究的实际统计功效为0.82,满足设计要求。

图1  所有受试者选择流程图。HC:健康对照;AD:阿尔茨海默病;IQR:图像质量评分。
Fig. 1  Flowchart of participant selection. HC: healthy controls; AD:Alzheimer's disease; IQR: image quality rating.

1.2 MRI数据采集

       本研究所有数据均采用西门子磁共振扫描仪(型号包括Sonata、Avanto及Symphony)得到3D-T1高分辨率图像。西门子Sonata扫描仪参数:TR 2400 ms,TE 3.55 ms,TI 1000 ms,采集矩阵256×256,翻转角8°,层数188,层厚1.2 mm,体素大小1.0 mm×1.0 mm×1.2 mm。西门子Avanto扫描仪参数:TR 2400 ms,TE 3.50 ms,TI 1000 ms,采集矩阵256×256,翻转角8°,层数188,层厚1.2 mm,体素大小1.0 mm×1.0 mm×1.2 mm。西门子Symphony扫描仪参数:TR 3000 ms,TE 3.87 ms,TI 1000 ms,采集矩阵256×256,翻转角8°,层数188,层厚1.2 mm,体素大小1.0 mm×1.0 mm×1.2 mm。

1.3 临床资料选取

       本研究收集了受试者的人口统计学信息(含年龄、性别与受教育年限)及神经心理学测评结果。采用简易精神状态检查量表(Mini-Mental State Examination, MMSE)和临床痴呆评定量表(Clinical Dementia Rating, CDR),分别对整体认知功能与痴呆严重程度进行了量化评估。

1.4 MRI数据的预处理和分析

       获得的3D-T1结构像数据通过MATLAB R2022b平台的统计参数映射软件包SPM12(statistical parametric mapping 12;版本v7771;https://www.fil.ion.ucl.ac.uk/spm/)中的计算解剖工具箱CAT12(computational anatomy toolbox 12;版本r 2170;http://www.neuro.unijena.de/cat)进行VBM及SBM分析。在分析之前将所有原始数据通过MRIcron(https://www.nitrc.org/projects/mricron)统一转换为.nii格式。

       VBM分析流程如下。(1)组织分割:利用SPM12中的组织概率图(tissue probability map, TPM)与李代数微分同胚配准算法(diffeomorphic anatomical registration through exponentiated lie algebra, DARTEL)将每个受试者的大脑结构在个体空间中区分为灰质、白质和脑脊液;(2)空间标准化:将分割得到的灰质图像通过非线性配准统一对齐至蒙特利尔神经学研究所(Montreal Neurological Institute, MNI)标准空间,以消除个体空间下的解剖结构差异;(3)调制校正:通过引入雅克比行列式因子,对空间标准化过程中产生的偏差进行校正;(4)空间平滑:采用8 mm半高全宽(full width half max, FWHM)作为平滑核大小对校正后的图像进行平滑处理,以提升图像信噪比、减少残留的个体解剖结构差异,并满足高斯随机场理论的统计假设;(5)提取颅内总体积(total intracranial volume, TIV),作为后续统计分析的协变量。

       SBM处理流程如下。(1)初始重建与校正:将3D-T1结构像DICOM数据转换为.nii格式,同样基于TPM与DARTEL配准算法,参照MNI空间模板对数据进行分割、重建、校准及配准;(2)多指标计算:应用投射厚度测量方法(projection based thickness, PBT),定量评估全脑皮层厚度,并进一步计算局部回指数、分形维数及脑沟深度复杂度指标;(3)重采样以及平滑:采用15 mm FWHM平滑核处理皮层厚度图,采用20 mm FWHM平滑核处理复杂度参数图;(4)提取TIV。

1.5 数据同质化

       由于ADNI数据来自不同中心和扫描仪,为了控制扫描参数导致的数据差异,本研究采用了目前公认的一种方便快速的数据同质化方法,即ComBat方法消除批次效应[18]

1.6 感兴趣区的临床相关性分析

       本研究将存在组间差异的脑区作为感兴趣区(region of interest, ROI),利用RESTplus软件(http://www.restfmri.net/forum/RESTplus)以及CAT12提取每受试者在该ROI内的灰质体积、皮层厚度及复杂度指标值,将其与 MMSE量表和CDR量表评分分别进行Pearson相关分析,将年龄、性别、受教育年限和TIV作为协变量,评估形态学改变与受试者认知功能和痴呆程度之间的相关性,P<0.05为两者之间存在显著的相关性。

1.7 统计学分析

       本研究采用SPSS 27.0对临床数据、全脑结构进行统计学分析。符合正态分布且方差齐性的连续变量,用均数±标准差表示,组间比较采用独立样本t检验;符合正态分布且方差不齐,以均数±标准差表示,采用校正后检验(t'检验);不符合正态分布以中位数(上下四分位数)表示,组间比较采用Mann-Whitney U检验。分类变量组间比较采用χ2检验。所有统计分析中,以P<0.05认为差异具有统计学意义。分析时将年龄、性别、受教育年限和TIV纳为协变量。VBM分析使用体素水平总体误差(family-wise error, FWE)校正,校正后P<0.001认为差异具有统计学意义。排除灰度值低于0.20的体素以消除边缘效应。SBM分析使用团块水平FWE校正,统计阈值设P<0.05,如通过FWE校正,则认为差异具有统计学意义(P<0.05),如未通过校正,则差异无统计学意义(P>0.05)。

2 结果

2.1 一般资料

       在人口统计学资料中,年龄、受教育年限、性别在AD组和HC组的差异无统计学意义(P>0.05);在神经心理学评估中,AD组MMSE评分低于HC组(P<0.001),CDR评分高于HC组(P<0.001)(表1)。

表1  两组受试者临床资料比较
Tab. 1  Clinical information between HC and AD groups

2.2 全脑结构比较

       AD组脑灰质总体积低于HC组(P=0.021),AD组脑脊液总体积高于HC组(P=0.011),两组脑白质总体积、颅内总体积差异均无统计学意义(P>0.05)(表2)。

表2  HC组与AD组全脑组织体积比较
Tab. 2  Global brain tissue volumes between HC and AD groups

2.3 组间灰质体积比较

       AD组的左侧海马、右侧海马旁回、双侧颞中回、双侧颞下回和左侧中央扣带回灰质体积小于HC组,差异具有统计学意义(体素水平FWE校正,P<0.001)(表3图2)。未观察到AD患者灰质体积较HC组增加。

图2  AD组与HC组GMV存在差异的脑区。2A~2B冷色区域为AD组GMV减小的脑区。HC:健康对照;AD:阿尔茨海默病;GMV:灰质体积。
Fig. 2  Brain regions withdifferences in GMV between the AD and HC groups. Cool-colored areas in panels 2A to 2B represent regions of reduced GMV in the AD group. GMV: gray matter volume; AD: Alzheimer's disease; HC: healthy control.
表3  AD患者GMV减小脑区
Tab. 3  Brain regions of GMV reduction in AD patients

2.4 组间皮层厚度及复杂度比较

       AD患者脑区(主要包括双侧顶下回及双侧颞中回、颞上回、颞下回等)的皮层厚度低于HC组,差异具有统计学意义(团块水平FWE校正,P<0.001)(表4表5图3A)。AD患者左侧颞中回和颞下回的局部回指数高于HC组,差异具有统计学意义(团块水平FWE校正,P<0.001)(表6图3B)。而分形维度和脑沟深度差异无统计学意义(未通过团块水平FWE校正,P>0.05)。

图3  AD组和HC组组间皮层表面形态有差异的脑区。3A:冷色区域表示皮层厚度减低的脑区;3B:暖色区域表示皮层局部回指数增加的脑区。颜色编码数值代表P值(团块水平FWE校正,P<0.05)。HC:健康对照;AD:阿尔茨海默病。
Fig. 3  Brain regions exhibiting significant between-group differences in cortical surface morphology between the AD and HC groups. 3A: Areas in cool colors represent regions where the AD group shows reduced cortical thickness. 3B: Areas in warm colors represent regions where the AD group shows an increased local gyrification index. The color bar encodes P values (cluster-level FWE corrected, P < 0.05). HC: healthy control; AD: Alzheimer's disease.
表4  AD患者左脑皮层厚度减低脑区
Tab. 4  Cortical thinning in the left hemisphere of AD patients
表5  AD患者右脑皮层厚度减低脑区
Tab. 5  Cortical Thinning in the Right Hemisphere of AD Patients
表6  AD患者左脑皮层局部回指数增加脑区
Tab. 6  Local Gyrification Index Increased in the Left Hemisphere of AD Patients

2.5 形态学指标与认知功能评分的相关性分析

       AD组MMSE评分与左侧海马体积(r=0.532,P=0.002)、右侧海马旁回体积(r=0.518,P=0.002)、右侧楔前叶皮层厚度(r=0.461,P=0.008)、左侧颞中回皮层厚度(r=0.428,P=0.015)呈正相关(图4A~4D);CDR评分与左侧海马体积(r=-0.415,P=0.018)、右侧海马旁回体积(r=-0.562,P=0.001)呈负相关(图4E~4F)。

图4  AD组灰质体积及皮层表面指标值与认知量表的相关性。4A~4D分别表示MMSE 评分与左侧海马体积、右侧海马旁回体积、右侧楔前叶皮层厚度、左侧颞中回皮层厚度呈正相关;4E~4F 分别表示CDR 评分与左侧海马体积、右侧海马旁回体积呈负相关。AD:阿尔茨海默病;MMSE:简易精神状态检查量表;CDR:临床痴呆评定量表。
Fig. 4  Correlations between gray matter volume, cortical surface metrics, and cognitive scores in the AD group. 4A to 4D show significant positive correlations between MMSE scores and the volume of the left hippocampus, the volume of the right parahippocampal gyrus, the cortical thickness of the right precuneus, and the cortical thickness of the left middle temporal gyrus, respectively. 4E to 4F show significant negative correlations between CDR scores and the volume of the left hippocampus and the volume of the right parahippocampal gyrus, respectively. AD: Alzheimer's disease; MMSE: Mini-Mental State Examination; CDR: Clinical Dementia Rating.

3 讨论

       本研究运用基于VBM和SBM技术,探讨了AD患者脑灰质结构的多维度改变及其与认知功能损伤的关联。本研究结果显示AD患者在边缘系统及联合皮层存在显著的灰质体积减少以及颞顶叶脑区皮层厚度显著变薄,意味着认知功能受到损害。值得注意的是,左侧颞叶脑区存在局部回指数增加,提示皮层结构的复杂化。

3.1 AD患者大脑灰质呈现萎缩状态

       本研究结果显示,AD患者大脑灰质总体积减少,并伴有脑脊液体积增加。既往研究指出[19, 20],AD患者普遍存在灰质萎缩与脑脊液体积代偿性扩大的表现,本研究结果与既往研究相一致,反映了AD的核心病理改变,即神经元丢失、突触衰竭及树突退缩[21, 22],进一步支持了灰质萎缩作为AD生物标志物的有效性。具体而言,本研究在左侧海马、右侧海马旁回及双侧颞叶等记忆与语言相关脑区观察到灰质体积缩小,其空间分布与Braak分期中NFTs早期累积区域高度吻合[23]。该结果与王燕等[14]关于边缘系统与联合皮层广泛萎缩的发现一致,亦与多项研究[24, 25, 26]报道的双侧海马、海马旁回及颞叶为主的萎缩模式相互印证,共同证实了AD脑萎缩的分布特点。此外,左侧中央扣带回的萎缩也值得注意,该脑区作为默认模式网络的关键节点,其结构损伤导致AD患者自我参照思维、注意调控、情景记忆等多种高级认知功能的衰退[27]。本研究亦观察到双侧颞顶叶皮层厚度减低。既往研究表明[14, 28, 29, 30],AD患者在双侧颞顶叶皮层(包括颞上回、颞中回、颞下回和顶下回)存在广泛的皮层厚度变薄,本研究与既往研究一致。双侧颞顶叶皮层萎缩,进一步验证了颞顶叶区域在语言学习、记忆和执行功能中的关键作用。

3.2 AD患者大脑皮层复杂度改变

       本研究采用的SBM分析提供了除传统灰质体积及皮层厚度之外的新视角。局部回指数是反映皮质折叠模式和程度的稳定病理学指标[31]。本研究观察到左侧颞中回和颞下回局部回指数增加,这一发现与皮层萎缩形成了对比。CHEN等[32]研究发现,AD患者表现出皮层复杂度的拓扑变化,尤其是颞叶皮层的局部回指数降低明显。SIM等[33]研究发现海马旁回和梭状回的局部回指数降低。BACHMANN等[34]研究发现,与HC组相比,AD组与轻度认知障碍组均出现颞上回和颞中回皮层复杂度指标下降趋势,其中AD患者的局部回指数变化幅度比轻度认知障碍患者更显著。总之,较多的既往研究表明颞叶回指数降低是AD的常见改变,与本研究不一致。然而,本文的结果非但不能简单地归因于变异或误差,反而可能揭示了AD早期阶段脑结构损害中一种未被充分认识的区域性非线性动态演变规律。对此存在以下可能解释:在AD病理进程的早期,Aβ和Tau构成的NFTs触发神经炎症反应,导致星形胶质细胞增生[35]。同时,炎症反应会导致血管通透性增加,引发血管源性水肿[36]。推测出胶质细胞的浸润性生长与局部组织水肿共同作用,可能导致皮层在微观尺度上发生体积膨胀和边界改变,从而在影像上表现为局部褶皱的复杂化,即局部回指数的增加。这一病理性结构复杂化可被视为早期炎症活跃的标志,可能是大脑启动代偿或反应性机制。随着细胞内神经原纤维缠结的广泛形成和突触、神经元的进行性丢失,主导过程转变为不可逆的退行性改变。此时,皮层组织逐渐塌陷、展平,从而表现为既往研究中广泛观察到的局部回指数显著降低。这一发现提示局部回指数并非单向递减,而是随疾病阶段动态演变,AD早期可能因炎症与代偿机制出现区域性升高,中晚期则随神经元大量丢失而逐步降低。左侧颞叶作为语言功能优势区,其特有的皮层复杂度变化可能反映了早期病理过程中的认知改变。

       分形维数通过量化皮质折叠复杂性揭示脑结构特征,沟深则反映皮质发育与神经连接特征[30]。一项综述分析表明[37],大脑的分型维度会随着AD患者神经退行性变而减少。另一研究指出[15],随着AD进展,局部脑区沟深显著减少,以颞叶为著。本文中分型维度及沟深未通过FWE校正,与既往研究均不一致。导致这一差异的潜在原因可能包括以下几方面:首先,多重比较校正方法的差异可能是主要原因,本研究对皮层复杂度分析采用全脑水平上的FWE校正,该方法是目前最为严格的校正方法之一,提高了假阴性的风险。其次,人群异质性可能造成结果变异。分形维度和沟深作为反映皮层宏观几何形态的指标,可能对特定疾病阶段或亚型更为敏感,其改变并非线性进程[38]。与灰质体积和皮层厚度等直接反映神经元丢失的指标不同,分形维度与沟深更多受早期发育因素及复杂退行性过程共同影响[31],其变化可能更为细微且存在个体间较大变异,因此在全脑水平上难以达到非常严格的显著性水平。

3.3 AD患者脑形态学改变与临床特征的相关性

       本研究结果显示,AD患者左侧海马和右侧海马旁回体积与MMSE分数呈正相关、与CDR分数呈负相关,即海马与海马旁回萎缩程度越重,导致记忆损害加重,进而引发MMSE记忆项目得分下降与CDR评分升高,最终导致患者认知功能衰退。既往研究证实[39],海马及海马旁回萎缩能够预测认知能力下降,这与本文结果相一致。另外本研究发现CDR评分存在偏倚,可能原因为本研究数据来源于ADNI数据库,该数据库以提高AD早期诊断能力为建立宗旨,其队列设计中早期患者比例较高;其次,为保障磁共振成像数据的质量与可靠性,研究执行了严格的质量控制标准,而中重度痴呆患者因伪影较大等因素往往难以获得符合质控要求的影像数据。但这为早期诊断疾病提供了可靠的影像学依据。值得一提的是,本研究发现右侧楔前叶和左侧颞中回皮层厚度也与MMSE分数呈正相关。一项为期一年纵向研究[40]追踪了小于65岁的早期发病年龄AD患者,在基线时,患者已经表现出颞叶、顶叶、枕叶和额叶皮层的广泛萎缩;一年后,患者在颞叶内侧和顶叶内侧皮层出现萎缩进展,并且MMSE分数随之下降。KEITH等[41]发现,左侧颞中回皮层厚度的下降速率能够显著预测MMSE中语言相关项目的得分变化并呈正相关,反映了AD病理进程中关键联合皮层退行性变与整体认知功能衰退的密切联系。与本文研究结果相一致。由此可见,右侧楔前叶和左侧颞中回越薄,导致记忆再现障碍和定向力丧失加重,认知功能受损越严重。

3.4 本研究的局限性

       本研究的局限性在于:第一,样本均来源于ADNI数据库,虽保证了数据质量,但样本量相对有限,未来需在更多的样本量中进行验证。第二,本研究为横断面设计,揭示了相关关系而非因果关系,未来将纳入纵向数据以追踪脑结构形态学指标的动态变化轨迹及其与认知衰退速率的关系。第三,未能同时结合Aβ-PET、tau-PET与神经炎症PET等多模态分子影像,未来在可能的情况下同时与死后脑组织病理学进行关联验证,从而最终阐明皮层局部回指数增加等形态学改变背后的精确细胞分子机制。第四,本研究发现受试者均处于CDR评分仅包含0.5与1两个分值,处于AD的早期阶段,缺乏中重度痴呆患者。未来研究需要纳入疾病全病程的样本,避免因样本选择局限而导致的结果偏倚。

4 结论

       本研究验证了AD患者的传统灰质结构指标(灰质体积与皮层厚度)出现显著损害,主要累及边缘系统与联合皮层,且这些损害会加重认知功能障碍。更重要的是,本研究进一步揭示了左侧颞叶皮层局部回指数的增加,这一发现与既往AD脑结构线性退行变的方式不同,反映了疾病的动态过程。局部回指数有望成为一个对AD早期脑灰质微结构改变敏感的新型影像学生物标志物,值得未来结合多模态影像与大样本进行纵向追踪与机制探索。

[1]
MADNANI R S. Alzheimer's disease: a mini-review for the clinician[J/OL]. Front Neurol, 2023, 14: 1178588 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/37426432/. DOI: 10.3389/fneur.2023.1178588.
[2]
CUI X R, LI M P, LEI G X, et al. Differences in cerebral structure among patients with amnestic mild cognitive impairment and patients with Alzheimer's disease[J/OL]. Front Aging Neurosci, 2024, 16: 1453051 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/39697482/. DOI: 10.3389/fnagi.2024.1453051.
[3]
FREDERIKSEN K S, GRAMKOW M H, HASSELBALCH S G, et al. Anti-amyloid antibodies for the treatment of early-stage Alzheimer's disease[J/OL]. Ugeskr Laeger, 2025, 187(35): V03250217 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40910390/. DOI: 10.61409/V03250217.
[4]
ZHENG M H, WANG S M, JIA J P. Potential diagnostic markers in Alzheimer's disease: current perspectives and future directions[J/OL]. Neurodegener Dis Manag, 2025: 1-13 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40911035/. DOI: 10.1080/17582024.2025.2554515.
[5]
VAN DYCK C H, SWANSON C J, AISEN P, et al. Lecanemab in early Alzheimer's disease[J]. N Engl J Med, 2023, 388(1): 9-21. DOI: 10.1056/nejmoa2212948.
[6]
TAE W S, HAM B J, PYUN S B, et al. Current clinical applications of structural MRI in neurological disorders[J]. J Clin Neurol, 2025, 21(4): 277-293. DOI: 10.3988/jcn.2025.0185.
[7]
RAHMAN M, TABASSUM A, SULTANA S, et al. Epidemiology and risk factors of Alzheimer's disease and related dementias in South and Southeast Asia: a systematic review and meta-analysis protocol[J/OL]. BMJ Open, 2025, 15(8): e105955 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40840983/. DOI: 10.1136/bmjopen-2025-105955.
[8]
HUANG H D, ZHENG S Q, YANG Z X, et al. Voxel-based morphometry and a deep learning model for the diagnosis of early Alzheimer's disease based on cerebral gray matter changes[J]. Cereb Cortex, 2023, 33(3): 754-763. DOI: 10.1093/cercor/bhac099.
[9]
KOBAYASHI R, HAYASHI H, KAWAKATSU S, et al. Comparing medial temporal atrophy between early-onset semantic dementia and early-onset Alzheimer's disease using voxel-based morphometry: a multicenter MRI study[J]. Curr Alzheimer Res, 2022, 19(7): 503-510. DOI: 10.2174/1567205019666220820145429.
[10]
MATSUSUE E, INOUE C, SHIMODA M, et al. Utility of combining multiple parameters of 123I-IMP SPECT and voxel-based morphometry MRI using a multiparametric scoring system for differentiating dementia with Lewy bodies from Alzheimer's disease[J]. Acta Radiol, 2024, 65(7): 825-834. DOI: 10.1177/02841851241253775.
[11]
HSIAO H T, MA M C, CHANG H I, et al. Cognitive decline related to diet pattern and nutritional adequacy in Alzheimer's disease using surface-based morphometry[J/OL]. Nutrients, 2022, 14(24): 5300 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/36558459/. DOI: 10.3390/nu14245300.
[12]
MU S Z, BAO J X, XU H X, et al. Multivariate mediation analysis with voxel-based morphometry revealed the neurodegeneration pathways from genetic variants to Alzheimer's Disease[J/OL]. AMIA Jt Summits Transl Sci Proc, 2024, 2024: 344-353 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/38827096/.
[13]
XU Y B, ZHANG Z H, PENG J X, et al. Use of magnetic resonance structural imaging to identify disease progression in patients with mild cognitive impairment: a voxel-based morphometry and surface-based morphometry study[J/OL]. Neuroscience, 2025, 579: 382-389 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40318840/. DOI: 10.1016/j.neuroscience.2025.04.031.
[14]
王燕, 赵魁, 朱紫琳, 等. 阿尔茨海默病患者大脑形态学及结构协变网络的改变[J]. 磁共振成像, 2024, 15(8): 52-58. DOI: 10.12015/issn.1674-8034.2024.08.008.
WANG Y, ZHAO K, ZHU Z L, et al. Altered brain morphometry and structural covariant networks based on cortical thickness in Alzheimer's disease[J]. Chin J Magn Reson Imag, 2024, 15(8): 52-58. DOI: 10.12015/issn.1674-8034.2024.08.008.
[15]
WU Z X, PENG Y, HONG M, et al. Gray matter deterioration pattern during Alzheimer's disease progression: a regions-of-interest based surface morphometry study[J/OL]. Front Aging Neurosci, 2021, 13: 593898 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/33613265/. DOI: 10.3389/fnagi.2021.593898.
[16]
MARZI C, SCHEDA R, SALVADORI E, et al. Fractal dimension of the cortical gray matter outweighs other brain MRI features as a predictor of transition to dementia in patients with mild cognitive impairment and leukoaraiosis[J/OL]. Front Hum Neurosci, 2023, 17: 1231513 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/37822707/. DOI: 10.3389/fnhum.2023.1231513.
[17]
SHI F, LIU B, ZHOU Y, et al. Hippocampal volume and asymmetry in mild cognitive impairment and Alzheimer's disease: Meta-analyses of MRI studies[J]. Hippocampus, 2009, 19(11): 1055-1064. DOI: 10.1002/hipo.20573.
[18]
FORTIN J P, CULLEN N, SHELINE Y I, et al. Harmonization of cortical thickness measurements across scanners and sites[J/OL]. Neuroimage, 2018, 167: 104-120 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/29155184/. DOI: 10.1016/j.neuroimage.2017.11.024.
[19]
JAGUST W. Imaging the evolution and pathophysiology of Alzheimer disease[J]. Nat Rev Neurosci, 2018, 19(11): 687-700. DOI: 10.1038/s41583-018-0067-3.
[20]
THOMPSON P M, HAYASHI K M, DE ZUBICARAY G I, et al. Mapping hippocampal and ventricular change in Alzheimer disease[J]. Neuroimage, 2004, 22(4): 1754-1766. DOI: 10.1016/j.neuroimage.2004.03.040.
[21]
KANTARCI K, SCHWARZ C G, REID R I, et al. White matter integrity determined with diffusion tensor imaging in older adults without dementia: influence of amyloid load and neurodegeneration[J]. JAMA Neurol, 2014, 71(12): 1547-1554. DOI: 10.1001/jamaneurol.2014.1482.
[22]
JACK C R, TWOMEY C K, ZINSMEISTER A R, et al. Anterior temporal lobes and hippocampal formations: normative volumetric measurements from MR images in young adults[J]. Radiology, 1989, 172(2): 549-554. DOI: 10.1148/radiology.172.2.2748838.
[23]
KATABATHULA S, WANG Q Y, XU R. Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations[J/OL]. Alzheimers Res Ther, 2021, 13(1): 104 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/34030743/. DOI: 10.1186/s13195-021-00837-0.
[24]
SAHA C D, FIGLEY C R, DASTGHEIB Z, et al. Gray and white matter voxel-based morphometry of Alzheimer's disease with and without significant cerebrovascular pathologies[J/OL]. Neurosci Insights, 2024, 19: 26331055231225657 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/38304550/. DOI: 10.1177/26331055231225657.
[25]
SATO R, KUDO K, UDO N, et al. A diagnostic index based on quantitative susceptibility mapping and voxel-based morphometry may improve early diagnosis of Alzheimer's disease[J]. Eur Radiol, 2022, 32(7): 4479-4488. DOI: 10.1007/s00330-022-08547-3.
[26]
WHITWELL J L, JACK C R. Comparisons between Alzheimer disease, frontotemporal lobar degeneration, and normal aging with brain mapping[J]. Top Magn Reson Imaging, 2005, 16(6): 409-425. DOI: 10.1097/01.rmr.0000245457.98029.e1.
[27]
LAI H Y, MUSRAH A T S, YAP K H, et al. Visuospatial impairment and resting-state network correlations in Alzheimer's disease: a systematic review[J/OL]. Behav Brain Res, 2025, 495: 115770 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40774645/. DOI: 10.1016/j.bbr.2025.115770.
[28]
SAKURAI K, KANEDA D, MORIMOTO S, et al. Voxel-based and surface-based morphometry analysis in patients with pathologically confirmed argyrophilic grain disease and Alzheimer's disease[J]. J Alzheimers Dis, 2023, 93(1): 379-387. DOI: 10.3233/JAD-230068.
[29]
COLEMAN M M, KEITH C M, WILHELMSEN K, et al. Surface-based correlates of cognition along the Alzheimer's continuum in a memory clinic population[J/OL]. Front Neurol, 2023, 14: 1214083 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/37731852/. DOI: 10.3389/fneur.2023.1214083.
[30]
NHO K, RISACHER S L, CRANE P K, et al. Voxel and surface-based topography of memory and executive deficits in mild cognitive impairment and Alzheimer's disease[J]. Brain Imaging Behav, 2012, 6(4): 551-567. DOI: 10.1007/s11682-012-9203-2.
[31]
李颖娜, 童语晗, 梁文洲, 等. 基于表面形态测量的伏硫西汀干预抑郁症患者全脑皮质结构纵向研究[J]. 中华精神科杂志, 2025, 58(5): 347-355. DOI: 10.3760/cma.j.cn113661-20240516-00149.
LI Y N, TONG Y H, LIANG W Z, et al. A longitudinal study on the intervention of voroxetine on the whole cerebral cortex structure in patients with depression based on surface morphometry[J]. Chinese Journal of Psychiatry, 2025, 58(5): 347-355. DOI: 10.3760/cma.j.cn113661-20240516-00149.
[32]
CHEN L A, ZHOU X, QIAO Y N, et al. The impact of Alzheimer's disease on cortical complexity and its underlying biological mechanisms[J/OL]. Brain Res Bull, 2025, 225: 111320 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40189107/. DOI: 10.1016/j.brainresbull.2025.111320.
[33]
SIM Y, SEO C, LEE Y G, et al. Local gyrification index and sulcal depth as imaging markers of cognitive decline in Alzheimer's disease[J/OL]. Front Aging Neurosci, 2025, 17: 1635861 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/40873932/. DOI: 10.3389/fnagi.2025.1635861.
[34]
BACHMANN T, SCHROETER M L, CHEN K W, et al. Longitudinal changes in surface based brain morphometry measures in amnestic mild cognitive impairment and Alzheimer's Disease[J/OL]. Neuroimage Clin, 2023, 38: 103371 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/36924681/. DOI: 10.1016/j.nicl.2023.103371.
[35]
GONZÁLEZ-REYES R E, NAVA-MESA M O, VARGAS-SÁNCHEZ K, et al. Involvement of astrocytes in Alzheimer's disease from a neuroinflammatory and oxidative stress perspective[J/OL]. Front Mol Neurosci, 2017, 10: 427 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/29311817/. DOI: 10.3389/fnmol.2017.00427.
[36]
BRUNO M, BONOMI C G, RICCI F, et al. Blood-brain barrier permeability is associated with different neuroinflammatory profiles in Alzheimer's disease[J/OL]. Eur J Neurol, 2024, 31(1): e16095 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/37823706/. DOI: 10.1111/ene.16095.
[37]
ZIUKELIS E T, MAK E, DOUNAVI M E, et al. Fractal dimension of the brain in neurodegenerative disease and dementia: a systematic review[J/OL]. Ageing Res Rev, 2022, 79: 101651 [2025-10-14]. https://pubmed.ncbi.nlm.nih.gov/35643264/. DOI: 10.1016/j.arr.2022.101651.
[38]
NÚÑEZ C, CALLÉN A, LOMBARDINI F, et al. Different cortical gyrification patterns in Alzheimer's disease and impact on memory performance[J]. Ann Neurol, 2020, 88(1): 67-80. DOI: 10.1002/ana.25741.
[39]
CHEN G S, MCKAY N S, GORDON B A, et al. Baseline and longitudinal changes in cortical thickness and hippocampal volume predict cognitive decline[J]. J Alzheimers Dis, 2025, 106(4): 1452-1462. DOI: 10.1177/13872877251352202.
[40]
MIGLIACCIO R, AGOSTA F, POSSIN K L, et al. Mapping the progression of atrophy in early- and late-onset Alzheimer's disease[J]. J Alzheimers Dis, 2015, 46(2): 351-364. DOI: 10.3233/JAD-142292.
[41]
KEITH C M, HAUT M W, WILHELMSEN K, et al. Frontal and temporal lobe correlates of verbal learning and memory in aMCI and suspected Alzheimer's disease dementia[J]. Neuropsychol Dev Cogn B Aging Neuropsychol Cogn, 2023, 30(6): 923-939. DOI: 10.1080/13825585.2022.2144618.

上一篇 集成磁共振成像技术在全面发育迟缓儿童脑部中的定量研究
下一篇 基于多模态MRI的海马头谷氨酸兴奋毒性与结构萎缩联合无创定侧难治性颞叶癫痫
  
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