分享:
分享到微信朋友圈
X
临床研究
初诊2型糖尿病患者脑功能损伤的静息态功能磁共振成像研究
王涵 杨少玲 王诗卉 王泽轩 杨尚奇 王昕语 袁佳琪 张艳伟

本文引用格式:王涵, 杨少玲, 王诗卉, 等. 初诊2型糖尿病患者脑功能损伤的静息态功能磁共振成像研究[J]. 磁共振成像, 2026, 17(5): 49-54, 69. DOI:10.12015/issn.1674-8034.2026.05.008.


[摘要] 目的 通过多种静息态功能MRI(resting-state functional MRI, rs-fMRI)指标评估初次确诊的2型糖尿病(type 2 diabetes mellitus, T2DM)患者大脑自发神经活动。材料与方法 本研究共纳入42名初诊T2DM患者以及42名正常对照者,所有受试者均行实验室检查、认知功能量表及rs-fMRI扫描。磁共振图像经预处理后计算低频振幅(amplitude of low-frequency fluctuation, ALFF)、比率低频振幅(fractional amplitude of low-frequency fluctuation, fALFF)、度中心性(degree centrality, DC)及局部一致性(regional homogeneity, ReHo),组间比较采用两样本t检验,并分析不同静息态指标与临床指标及认知评分的相关性。结果 与正常对照者相比,初诊T2DM患者在左侧额上回、右侧角回、双侧楔前叶及丘脑的自发神经活动减低,在右侧额上回的自发神经活动增强(高斯随机场校正,体素水平P<0.001,簇水平P<0.05)。此外,初诊T2DM患者双侧楔前叶fALFF值与餐后2小时血糖(2-hour postprandial blood glucose, 2hPG)呈正相关(r=0.421,P=0.013);左侧丘脑ALFF值与高密度脂蛋白(high-density lipoprotein, HDL)呈正相关(r=0.399,P=0.005),与空腹C肽(fasting plasma C-peptide, FCP)呈负相关(r=-0.345,P=0.015);右侧角回fALFF值与FCP呈负相关(r=-0.432,P=0.009)。结论 初诊T2DM患者存在特定的脑功能改变模式,且与部分临床指标相关,为增强对糖尿病相关认知损伤发生机制的理解提供了更多信息。
[Abstract] Objective To explore the alterations in spontaneous neural activity in drug-free patients with type 2 diabetes mellitus (T2DM) by combining multiple indices resting-state functional magnetic resonance imaging (rs-fMRI).Materials and Methods This study included 42 drug-free patients and 42 age, sex and education matched normal controls. Cognitive function tests, clinical biochemical examinations and rs-fMRI scans were performed. Amplitude of low frequency fluctuation (ALFF), fractional amplitude of low-frequency fluctuation (fALFF), degree centrality (DC) and regional homogeneity (ReHo) were calculated after image preprocessing. Two sample t-test was performed to explore the abnormal alterations of brain function, and the relationships among rs-fMRI indices, clinical indicators, and cognitive scores were also investigated.Results Compared to normal controls, drug-free T2DM patients exhibited decreased spontaneous neural activity in the left superior frontal gyrus, right angular gyrus, bilateral precuneus and thalamus, while increased neural activity was observed in the right superior frontal gyrus (Gaussian random field corrected, voxel P < 0.001, cluster P < 0.05). Furthermore, in the T2DM groups, the fALFF in the bilateral precuneus were positively correlated with 2-hour postprandial blood glucose (r = 0.421, P = 0.013). The ALFF in the left thalamus showed positive correlation with high-density lipoprotein (r = 0.399, P = 0.005), but negatively correlated with fasting plasma C-peptide (r = -0.345, P = 0.015). We also observed a decreased correlation between fALFF in the right angular gyrus and fasting plasma C-peptide (r = -0.432, P = 0.009).Conclusion This study demonstrates that a distinct pattern of aberrant brain function in drug-free T2DM patients is associated with clinical indicators, enhancing the understanding of diabetic brain injury mechanisms.
[关键词] 2型糖尿病;静息态功能磁共振成像;磁共振成像;低频振幅;比率低频振幅;度中心性;局部一致性
[Keywords] type 2 diabetes mellitus;resting-state functional magnetic resonance imaging;magnetic resonance imaging;amplitude of low frequency fluctuation;fractional amplitude of low frequency fluctuation;degree centrality;regional homogeneity

王涵 1, 2   杨少玲 1   王诗卉 1   王泽轩 1, 2   杨尚奇 1, 2   王昕语 1, 3   袁佳琪 1, 2   张艳伟 1*  

1 中国人民解放军联勤保障部队第九八〇医院放射诊断科,石家庄 050051

2 河北医科大学研究生院,石家庄 050000

3 华北理工大学研究生院,唐山 063000

通信作者:张艳伟,E-mail:zyw123b@qq.com

作者贡献声明:张艳伟设计本研究的方案,对稿件的重要内容进行了修改,获得了联勤保障部队第九八〇医院孵育计划项目资助;王涵实施本研究的试验方案,获取、分析并解释本研究的数据,起草并撰写稿件;杨少玲参与本研究试验方案的设计,对稿件的重要内容进行了修改;王诗卉获取、分析本研究的数据,对稿件的重要内容进行了修改;王泽轩、杨尚奇、王昕语、袁佳琪获取、分析本研究的数据,对稿件的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: 联勤保障部队第九八〇医院孵育计划项目 FYJHQN202304
收稿日期:2025-10-17
接受日期:2026-04-29
中图分类号:R445.2  R781.64 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.05.008
本文引用格式:王涵, 杨少玲, 王诗卉, 等. 初诊2型糖尿病患者脑功能损伤的静息态功能磁共振成像研究[J]. 磁共振成像, 2026, 17(5): 49-54, 69. DOI:10.12015/issn.1674-8034.2026.05.008.

0 引言

       流行病学调查数据显示,截至2023年中国糖尿病患者人数已至2.3亿,患病率高达15.88%,其中2型糖尿病(type 2 diabetes mellitus, T2DM)占主要部分[1]。大量研究表明,不仅T2DM,甚至糖尿病前期都会增加痴呆发病的风险,加速大脑衰老[2, 3],这凸显了糖尿病相关脑损伤早期发现与预防的紧迫性。然而,目前对糖尿病致认知能力下降的神经病理机制仍不清楚,可能与胰岛素抵抗、高血糖、神经炎症等有关。

       静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)可在无特定任务状态下通过血氧水平依赖(blood oxygen level-dependent, BOLD)信号间接探测大脑自发神经活动,常用的指标包括:低频振幅(amplitude of low-frequency fluctuation, ALFF)、比率低频振幅[4](fractional amplitude of low-frequency fluctuation, fALFF)、局部一致性[5](regional homogeneity, ReHo)、度中心性[6](degree centrality, DC)等。既往研究证实T2DM患者存在大脑异常神经活动[7, 8]、功能连接改变[9, 10, 11]及大脑功能网络重塑[12, 13, 14]。值得注意的是,即使糖尿病前期人群中,也已观察到大脑白质微观结构及脑区间功能连接的异常[15, 16, 17],提示糖尿病相关脑损伤在疾病临床前阶段已经发生。

       既往研究表明,降糖药物可能通过调节脑血流、神经炎症或突触可塑性等多种途径影响大脑神经活动[18, 19],这使得既往已接受药物治疗的T2DM患者的脑功能改变难以完全归因于疾病本身,而非药物干预的继发影响。鉴于此,本研究T2DM组受试者均因体检、自查或偶然发现血糖异常升高入院治疗,皆为首次确诊的T2DM患者,既往未进行规律的降糖治疗,本研究在最大限度地排除降糖药物对大脑自发神经活动可能带来的混淆效应。本研究使用多参数rs-fMRI方法探究初诊T2DM患者的大脑神经活动改变,旨在填补糖尿病前期与长期病程T2DM患者之间的研究空白,为探索T2DM相关认知功能障碍的神经环路机制补充了完整的影像学证据。

1 材料与方法

1.1 研究对象

       招募2024年1月至2025年6月于中国人民解放军联勤保障部队第九八〇医院(白求恩国际和平医院)内分泌科就诊的T2DM患者42例,纳入标准:(1)符合中国2型糖尿病防治指南(2020版)诊断标准[20],且初次被诊断为2型糖尿病,未规律服用降糖药物和/或注射胰岛素;(2)年龄18~65岁之间,受教育年限大于6年;(3)右利手。排除标准:(1)糖尿病急性并发症及严重慢性并发症,如高渗高血糖综合征、低血糖、糖尿病足等;(2)脑血管病、颅脑损伤或手术史;(3)酒精或药物滥用;(4)精神分裂症、抑郁症、焦虑症等精神系统疾病史;(5)无法配合磁共振检查或存在磁共振检查禁忌证。同期从社区招募年龄、性别和受教育年限相匹配的正常对照者42例,需同时满足空腹血糖(fasting plasma glucose, FPG)<6.1 mmol/L和糖化血红蛋白(hemoglobin A1c, HbA1c)<6.5%。排除标准与T2DM组相同。本研究遵守《赫尔辛基宣言》,经中国人民解放军联勤保障部队第九八〇医院(白求恩国际和平医院)医学伦理委员会批准(批准文号:2022-KY-27),所有受试者均签署知情同意书。

1.2 临床资料及神经心理测试

1.2.1 一般资料及临床生化指标

       所有受试者禁食8小时以上,于次日清晨接受空腹采血,检测FPG、HbA1c及血脂指标。同时测量受试者身高、体质量、血压数据,并计算身体质量指数(body mass index, BMI)。此外,T2DM组还进行了胰岛功能检查,受试者于清晨空腹状态下采集基线血样,随后在5分钟内饮入含75 g葡萄糖的溶液,并于半小时、1小时、2小时、3小时后再次检测外周血血糖、胰岛素以及C肽水平。

1.2.2 神经心理学认知量表评估

       所有受试者均在磁共振扫描前行认知量表评估,具体包括:蒙特利尔认知评估量表(Montreal Cognitive Assessment, MoCA)、简易精神状态量表(Mini-Mental State Examination, MMSE)、画钟测验(Clock Drawing Test, CDT)、连线测试A(Trail Making Test-A, TMT-A)和 B(TMT-B)、波士顿命名测试(Boston Naming Test, BNT)和数字广度测验(Digital Span Test, DST)。MMSE用于排除痴呆症,MoCA用于筛查轻度认知功能障碍,二者共同评价整体认知能力;CDT用来评估视觉空间功能;TMT-A及TMT-B用于评估注意力和执行功能;BNT用来评估语言流利性功能;DST用来评估记忆功能。另外测试汉密尔顿抑郁量表(Hamilton Depression Scale, HAMD)和汉密尔顿焦虑量表(Hamilton Anxiety Scale, HAMA)用来评估受试者是否存在抑郁、焦虑状态。所有神经心理学测试由1名经过相关培训的医师于安静的室内完成。

1.3 MRI数据采集

       采用GE 3.0 T MRI扫描仪(SIGNA HDx, GE Healthcare, Milwaukee, WI)及配套8通道头部线圈采集受试者磁共振数据。扫描前所有受试者佩戴降噪耳塞并用海绵垫固定头部,扫描中要求闭目放松,保持清醒状态。首先常规采集T2加权成像(T2-weighted imaging, T2WI)和T2液体衰减反转恢复(T2-fluid attenuated inversion recovery, T2-FLAIR)序列,排除存在过度白质变性及器质性病变的个体。采用平面梯度回波序列获取静息态BOLD图像,具体参数如下:TR 2000 ms,TE 35 ms,FA 90°,层厚4 mm,层间距0 mm,层数33,FOV 240 mm×240 mm,矩阵64×64,连续采集200个时间点。采用三维磁化准备快速梯度回波序列进行横断位三维T1加权成像(T1-weighted imaging, T1WI),参数设置如下:TR 8.2 ms,TE 3.2 ms,FA 12°,层厚1 mm,层间距0 mm,层数160,FOV 250 mm×250 mm,矩阵256×256。

1.4 rs-fMRI数据预处理及计算

       rs-fMRI数据采用基于Matlab 2018b(MathWorks, Natick, MA, USA)平台的DPABI(Data Processing & Analysis for Brain Imaging, version v7.0,http://rfmri.org/DPABI)工具包进行预处理及计算,具体步骤如下:(1)将原始DICOM图像转换为NIFTI格式;(2)剔除每名受试者前10个时间点数据,消除磁场稳态建立初期及受试者适应期的信号波动;(3)时间层校正,校正因采集顺序导致的时间差异;(4)头部运动校正,并排除头部运动幅度过大的患者(头部平移超过2 mm或转动超过2°);(5)通过回归分析去除干扰变量,包括全脑平均信号、脑脊液信号、白质信号及Friston 24头动参数;(6)基于蒙特利尔神经病学研究所(Montreal Neurological Institute, MNI)所提供的标准平面回波成像(echo planar imaging, EPI)模板,对所有受试者的功能图像进行空间标准化,将其重采样至3 mm × 3 mm × 3 mm的标准空间;(7)图像平滑(高斯核半高宽为6 mm);(8)去除线性漂移;(9)计算ALFF、fALFF值;(10)带通滤波(0.01~0.08 Hz)降低低频漂移与高频生理噪声的影响。ReHo值为各体素与其相邻26个体素之间的Kendall系数,在计算完毕后再行空间平滑。DC值的获取需计算全脑各体素的Pearson相关系数r以构建功能连接矩阵,以r>0.25为有效连接并保留,对功能连接矩阵进行二值化处理后再计算DC值。所有指标均经Fisher-z变换转换为z值,进行后续统计分析。

1.5 统计学分析

       采用SPSS 27.0(IBM SPSS Statistics, Chicago, IL, USA)软件对受试者的临床资料及认知量表评分进行统计分析。针对计量资料,首先采用Shapiro-Wilk检验进行正态性检验。符合正态分布的数据以均值±标准差表示,组间比较采用独立样本t检验;不符合正态分布的数据则以中位数(四分位数间距)表示,组间比较采用Mann-Whitney U检验;计数资料采用卡方检验,以P<0.05为差异有统计学意义。为探究组间脑功能差异,使用DPABI v7.0工具包对全脑ALFF、fALFF、ReHo及DC指标进行两样本t检验,并纳入性别、年龄、受教育年限、血压、体质量、BMI及头动参数作为协变量。结果经高斯随机场(Gaussian random field, GRF)校正,以体素水平P<0.001,簇水平P<0.05为差异有统计学意义。随后提取这些存在差异脑区的平均信号值,计算其与临床特征及认知量表评分之间的相关性,经Bonferroni校正后P<0.05视为差异有统计学意义。

2 结果

2.1 人口统计学与临床特征比较

       本研究共纳入84名受试者,其中包括42例初诊T2DM患者及42例正常对照者。两组间年龄、性别、受教育年限、身高、甘油三酯及认知量表评分差异均无统计学意义(P>0.05),体质量、BMI、TyG指数、FPG、HbA1c、胆固醇、脂蛋白、血压差异均有统计学意义(P<0.05),详细信息见表1

表1  正常对照组与初诊T2DM组人口统计学与临床特征比较
Tab. 1  Comparison of demographic and clinical characteristics between normal control and drug-free T2DM groups

2.2 不同静息态脑功能指标比较

       与正常对照组相比,初诊T2DM患者左侧丘脑的ALFF值减低,右侧额上回的ALFF值升高;双侧楔前叶和右侧角回的fALFF值降低(图1)。同时,右侧额上回的ReHo值升高,而右侧丘脑的ReHo值降低。此外,左侧额上回的DC值降低。详见表2

图1  正常对照组和初诊T2DM组脑功能指标异常脑区比较结果(P<0.05, GRF校正)。T2DM:2型糖尿病;ALFF:低频振幅;fALFF:比率低频振幅;DC:度中心性;ReHo:局部一致性。
Fig. 1  Comparison of differences in rs-fMRI indices between normal control subjects and drug-free T2DM patients (P < 0.05, GRF corrected). T2DM: type 2 diabetes mellitus; ALFF: amplitude of low frequency fluctuation; fALFF: fractional amplitude of low frequency fluctuation; DC: degree centrality; ReHo: regional homogeneity.
表2  正常对照组和初诊T2DM组脑功能指标差异比较
Tab. 2  Comparison of brain function indices between normal control and drug-free T2DM groups

2.3 静息态脑功能指标与临床实验室指标、认知量表相关性

       为了确定初诊T2DM患者中脑功能指标与临床实验室指标及认知量表评分之间的关系,我们通过Pearson相关分析了相关性。相关分析结果显示,在初诊T2DM组中,双侧楔前叶可见fALFF值与餐后2小时血糖(2-hour postprandial blood glucose, 2hPG)呈正相关(r=0.421,P=0.013);在左侧丘脑可见ALFF值与高密度脂蛋白(high-density lipoprotein, HDL)呈正相关(r=0.399,P=0.005),与空腹C肽(fasting plasma C-peptide, FCP)呈负相关(r=-0.345,P=0.015);在右侧角回可见fALFF值与FCP呈负相关(r=-0.432,P=0.009),如图2所示。

图2  初诊T2DM组影像学指标与临床特征的相关性。2A:2hPG与fALFF_PCUN之间存在相关性;2B:HDL与 ALFF_THA_L之间存在相关性;2C~2D:FCP与ALFF_THA_L、fALFF_ANG_R之间存在相关性。T2DM:2型糖尿病;2hPG:餐后2小时血糖;HDL:高密度脂蛋白;FCP:空腹C肽;PCUN:楔前叶;THA_L:左侧丘脑;ANG_R:右侧角回;ALFF:低频振幅;fALFF:比率低频振幅。
Fig. 2  Significant correlations between the brain functional indices and different clinical variables in drug-free T2DM patients. 2A: Correlation between the 2hPG and the fALFF_PCUN; 2B: Correlation between the HDL level and the ALFF_THA_L; 2C-2D: Correlation between the FCP and the ALFF_THA_L as well as the fALFF_ANG_R. T2DM: type 2 diabetes mellitus; 2hPG: 2-hour postprandial blood glucose; HDL: high-density lipoprotein; FCP: fasting plasma C-peptide; PCUN: bilateral precuneus; THA_L: left thalamus; ANG_R: right angular gyrus; ALFF: amplitude of low frequency fluctuation; fALFF: fractional amplitude of low frequency fluctuation.

3 讨论

       本研究综合多个静息态脑功能指标探索初诊T2DM患者的大脑功能异常改变。研究结果发现初诊T2DM患者在双侧额上回、丘脑、楔前叶及右侧角回存在异常神经活动,并与2hPG、HDL、FCP相关,提示其可能涉及不同的病理生理机制,为进一步理解初诊T2DM患者相关脑功能损伤的神经病理学提供新的证据。

3.1 初诊T2DM患者的脑功能异常改变

       本研究发现初诊T2DM患者在右侧额上回的ALFF及ReHo值升高,而左侧额上回的DC值降低。该脑区主要位于内侧前额叶皮层,是默认模式网络的核心区域,在工作记忆的信息暂存、情景记忆的提取整合以及情绪与认知的协同调控等多种高级认知功能中发挥关键作用[21, 22]。多项研究表明T2DM患者在内侧前额叶皮层的局部神经活动改变[23, 24]、与脑区间的功能连接增强[10, 25, 26, 27]以及前额叶-纹状体回路的紊乱[28]。其中,XIA等[29]的研究进一步指出,相较于血糖控制稳定的T2DM患者,血糖波动较大的T2DM患者在左侧内侧前额叶皮层的DC值降低,且与血糖平均波动幅度呈负相关,证实了血糖变异对内侧前额叶皮层神经活动的潜在影响,为代谢紊乱与脑功能异常的关联提供了重要证据。本研究发现内侧前额叶皮层的局部神经活动增强,这可能是大脑在代谢紊乱早期启动的自适应代偿反应,也解释了为何此阶段患者尚未表现出明显的认知水平下降。然而,从全脑网络连接水平来看,内侧前额叶皮层与其他脑区的连接强度减弱。本研究发现即使在糖尿病早期,T2DM患者的大脑功能网络已经出现重塑,这可能是T2DM患者认知功能损发生的潜在风险因素。

       丘脑作为连接大脑皮层、皮层下结构和小脑的关键中继核团,与多个脑区存在密集的纤维连接,广泛调控多种认知和行为功能[30]。既往研究发现丘脑与右侧颞中回、右侧中央前回等脑区的功能连接在T2DM患者中发生改变,且这些连接异常与认知障碍有关[31, 32]。最近,JING等[15]及WANG等[10]报道在糖尿病前期个体及病程小于1年的T2DM患者中,丘脑的功能连接表现出代偿性增强的特征,提示丘脑可能在大脑应对早期代谢异常的神经可塑性调节中发挥重要作用。在局部神经活动方面,有类似研究显示双侧丘脑的ALFF值降低[33]。本研究发现丘脑的ALFF值、ReHo值降低,表示患者出现可检测的认知水平下降之前,丘脑已出现自发性神经活减弱及局部神经元活动同步性异常,提示丘脑可能是介导初诊T2DM患者认知功能异常的关键脑区,为糖尿病相关神经损伤的早期识别提供了新的方向。

       本研究观察到楔前叶的fALFF值降低,楔前叶属于顶上小叶的一部分,是默认模式网络的关键节点,参与多种复杂认知功能的调控,包括记忆编码、心理理论以及自我参照处理等[34]。类似的,之前有研究证实T2DM患者在楔前叶自发性神经活动增强[35],另有一些研究报道了DC值降低[36]及功能连接增加[37]的矛盾结果。此外,一项针对糖尿病前期患者的研究发现,女性糖尿病前期患者在右侧楔前叶的长程功能连接密度升高[14],而本研究发现初次确诊的T2DM患者在楔前叶的自发性神经活动减低,提示默认模式网络的核心脑区可能更容易受到血糖波动的影响,同时反应了T2DM患者在病程早期大脑神经活动的动态变化过程,后面需要纵向观察严格的血糖控制是否可以逆转这种早期神经功能异常。

       角回作为顶叶皮层与颞叶、枕叶皮层的交界区域,参与复杂语言功能,并与表征记忆的存储提取、语义记忆的加工编码等关键认知领域的信息处理过程有关[38]。既往研究发现T2DM患者存在角回血流灌注减少[39]、ALFF及ReHo值改变[35, 40]。QI等[41]的研究揭示了右侧角回与左侧楔前叶之间功能连接的代偿性增强,反映了大脑网络在病理状态下的功能重组和互补机制。此外,基于机器学习算法的研究进一步证实,丘脑、角回等脑区的功能连接可有效区分T2DM伴或不伴认知障碍的患者[42],作为预测T2DM患者认知障碍发生的影像学标志物。本研究通过fALFF方法在初诊T2DM患者中检测到角回神经活动的异常,这种改变在临床认知能力下降之前,提示角回损伤可能是导致T2DM患者认知功能进行性衰退的原因之一,并贯穿疾病发展的始终。

3.2 影像指标与代谢指标及认知评分的相关性

       在初诊T2DM患者中,双侧楔前叶的fALFF值与2hPG呈正相关、左侧丘脑的ALFF值与HDL呈正相关,这种特定脑区的功能活动增强可能是大脑的一种代偿性适应机制,旨在抵消代谢紊乱对大脑神经活动的不利影响,这或可解释为何初诊T2DM患者尚未表现出的认知下降。本研究提示有益脂质可能会对大脑神经活动产生潜在保护效应。既往研究提示糖代谢紊乱、脂代谢异常可能通过促进β淀粉样蛋白沉积,引发神经炎症反应等途径影响神经元活动,继而导致认知能力减退[43, 44, 45]。XIA等[46]发现胆固醇控制不佳的T2DM患者在颞中回-海马之间的功能连接中断,提示脂代谢异常是认知障碍的早期影像学预警。而左侧丘脑的ALFF值及右侧角回的fALFF值与FCP呈负相关,提示高胰岛素水平可能导致该脑区自发神经活动的减弱。胰岛素抵抗是导致胰岛素增多的最常见原因,既往研究发现后扣带回—右侧颞中回之间的功能连接与胰岛素抵抗指数间存在负相关[47],这进一步表示胰岛素抵抗可能会对大脑功能产生不利影响,未来研究需结合分子影像学技术,进一步探讨代谢紊乱对神经活动影响的神经病理生理机制。此外,本研究未发现rs-fMRI指标与认知量表评分存在相关性,可能由于T2DM组受试者病程较短,尚未出现临床可检测的认知能力下降,提示大脑神经活动改变早于认知能力下降。

3.3 局限性

       本研究仍存在一定的局限性:首先,作为一项横断面研究,其结果无法揭示初诊T2DM患者脑神经活动的纵向演变轨迹;其次,纳入的样本量较少;最后,分组较为单一。此外,糖尿病并发症可能会间接影响神经功能[35, 40],但具体机制仍有待探究,本研究为保证分析结果的普遍性及纳入受试的数量,未对糖尿病轻度并发症加以排除。后续可根据糖尿病并发症的轻重程度或不同糖尿病并发症进行分组,以更全面地理解T2DM病情进展对大脑功能的影响,为T2DM相关认知障碍的早期发现和治疗提供进一步支持。

4 结论

       本文基于多参数rs-fMRI,探索初诊T2DM患者的大脑神经活动改变,发现在双侧楔前叶、丘脑、额上回及右侧角回已经出现了脑功能异常,且与2hPG、HDL、FCP有关。我们发现ALFF、fALFF、ReHo及DC指标在病程早期不同脑区内呈现不同的神经活动,其中以默认模式网络为著,提示这些指标可能是糖尿病早期脑损伤的神经影像学标志物。本研究有助于了解初诊T2DM患者大脑的神经生物学机制,为糖尿病相关认知功能障碍的发生机制提供了重要见解。

[1]
ZHOU Y C, LIU J M, ZHAO Z P, et al. The national and provincial prevalence and non-fatal burdens of diabetes in China from 2005 to 2023 with projections of prevalence to 2050[J/OL]. Mil Med Res, 2025, 12(1): 28 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/40457495/. DOI: 10.1186/s40779-025-00615-1.
[2]
SRIKANTH V, SINCLAIR A J, HILL-BRIGGS F, et al. Type 2 diabetes and cognitive dysfunction-towards effective management of both comorbidities[J]. Lancet Diabetes Endocrinol, 2020, 8(6): 535-545. DOI: 10.1016/s2213-8587(20)30118-2.
[3]
DOVE A, WANG J, HUANG H, et al. Diabetes, prediabetes, and brain aging: The role of healthy lifestyle[J]. Diabetes Care, 2024, 47(10): 1794-1802. DOI: 10.2337/dc24-0860.
[4]
GONG J, WANG J, LUO X, et al. Abnormalities of intrinsic regional brain activity in first-episode and chronic schizophrenia: a meta-analysis of resting-state functional MRI[J]. J Psychiatry Neurosci, 2020, 45(1): 55-68. DOI: 10.1503/jpn.180245.
[5]
ZANG Y, JIANG T, LU Y, et al. Regional homogeneity approach to fMRI data analysis[J]. Neuroimage, 2004, 22(1): 394-400. DOI: 10.1016/j.neuroimage.2003.12.030.
[6]
ZUO X N, EHMKE R, MENNES M, et al. Network centrality in the human functional connectome[J]. Cereb Cortex, 2012, 22(8): 1862-1875. DOI: 10.1093/cercor/bhr269.
[7]
LI Y, LI M, FENG Y, et al. Aberrant brain spontaneous activity and synchronization in type 2 diabetes mellitus subjects without mild cognitive impairment[J/OL]. Front Neurosci, 2021, 15: 749730 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/34975372/. DOI: 10.3389/fnins.2021.749730.
[8]
CUI Y, JIAO Y, CHEN Y C, et al. Altered spontaneous brain activity in type 2 diabetes: a resting-state functional MRI study[J]. Diabetes, 2014, 63(2): 749-760. DOI: 10.2337/db13-0519.
[9]
LU W, HUANG X, SHEN D, et al. Potential compensatory mechanism for cognitive impairment in type 2 diabetes and prediabetes: altered structure-function coupling[J/OL]. Front Endocrinol (Lausanne), 2025, 16: 1491377 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/40166679/. DOI: 10.3389/fendo.2025.1491377.
[10]
WANG J, ZHOU S, DENG D, et al. Compensatory thalamocortical functional hyperconnectivity in type 2 Diabetes Mellitus[J]. Brain Imaging Behav, 2022, 16(6): 2556-2568. DOI: 10.1007/s11682-022-00710-0.
[11]
WANG M, ZHANG D, GAO J, et al. Abnormal functional connectivity in the right dorsal anterior insula associated with cognitive dysfunction in patients with type 2 diabetes mellitus[J/OL]. Brain Behav, 2022, 12(6): e2553 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/35543304/. DOI: 10.1002/brb3.2553.
[12]
ZHANG W, FU L, BI Y, et al. Large-scale functional network connectivity mediates the associations between lipids metabolism and cognition in type 2 diabetes[J]. J Cereb Blood Flow Metab, 2024, 44(3): 384-396. DOI: 10.1177/0271678x231204426.
[13]
FU L, ZHANG W, BI Y, et al. Altered dynamics of brain spontaneous activity and functional networks associated with cognitive impairment in patients with type 2 diabetes[J]. J Magn Reson Imaging, 2024, 60(6): 2547-2561. DOI: 10.1002/jmri.29306.
[14]
LOPEZ-VILARET K M, FERNANDEZ-ALVAREZ M, SHOKRI-KOJORI E, et al. Pre-diabetes is associated with altered functional connectivity density in cortical regions of the default-mode network[J/OL]. Front Aging Neurosci, 2022, 14: 1034355 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/36438011/. DOI: 10.3389/fnagi.2022.1034355.
[15]
JING J, LIU C, ZHU W, et al. Increased resting-state functional connectivity as a compensatory mechanism for reduced brain volume in prediabetes and type 2 diabetes[J]. Diabetes Care, 2023, 46(4): 819-827. DOI: 10.2337/dc22-1998.
[16]
VERGOOSSEN L W, SCHRAM M T, DE JONG J J, et al. White matter connectivity abnormalities in prediabetes and type 2 diabetes: The maastricht study[J]. Diabetes Care, 2020, 43(1): 201-208. DOI: 10.2337/dc19-0762.
[17]
JING J, ZHOU Y, PAN Y, et al. Reduced white matter microstructural integrity in prediabetes and diabetes: A population-based study[J/OL]. EBioMedicine, 2022, 82: 104144 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/35810560/. DOI: 10.1016/j.ebiom.2022.104144.
[18]
SEMINER A, MULIHANO A, O'BRIEN C, et al. Cardioprotective glucose-lowering agents and dementia risk: A systematic review and meta-analysis[J]. JAMA Neurol, 2025, 82(5): 450-460. DOI: 10.1001/jamaneurol.2025.0360.
[19]
XU X, SUN Y, CEN X, et al. Metformin activates chaperone-mediated autophagy and improves disease pathologies in an Alzheimer disease mouse model[J]. Protein Cell, 2021, 12(10): 769-787. DOI: 10.1007/s13238-021-00858-3.
[20]
中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2020年版)[J]. 中华糖尿病杂志, 2021, 13(4): 315-409. DOI: 10.3760/cma.j.cn115791-20210221-00095.
Chinese Diabetes Society. Guidline for the prevention and treatment of type 2 diabete s mellitus in China (2020 edition)[J]. Chin J Diabetes Mellitus, 2021, 13(4): 315-409. DOI: 10.3760/cma.j.cn115791-20210221-00095.
[21]
PREFRONTAL CORTEXSCOTT D N, MUKHERJEE A, NASSAR M R, et al. Thalamocortical architectures for flexible cognition and efficient learning[J]. Trends Cogn Sci, 2024, 28(8): 739-756. DOI: 10.1016/j.tics.2024.05.006.
[22]
POWER S K, VENKATESAN S, QU S, et al. Enhanced prefrontal nicotinic signaling as evidence of active compensation in Alzheimer's disease models[J/OL]. Transl Neurodegener, 2024, 13(1): 58 [2026-01-21]. https://pubmed.ncbi.nlm.nih.gov/39623428/. DOI: 10.1186/s40035-024-00452-7.
[23]
SHI W Q, TANG L Y, LIN Q, et al. Altered spontaneous brain activity patterns in diabetic patients with vitreous hemorrhage using amplitude of low-frequency fluctuation: A resting-state fMRI study[J]. Mol Med Rep, 2020, 22(3): 2291-2299. DOI: 10.3892/mmr.2020.11294.
[24]
XIN H, FU Y, FENG M, et al. Altered Intrinsic Brain Activity Related to Neurologic and Motor Dysfunction in Diabetic Peripheral Neuropathy Patients[J]. J Clin Endocrinol Metab, 2023, 108(4): 802-811. DOI: 10.1210/clinem/dgac651.
[25]
ZHANG D, HUANG Y, LIU S, et al. Structural and functional connectivity alteration patterns of the cingulate gyrus in Type 2 diabetes[J]. Ann Clin Transl Neurol, 2023, 10(12): 2305-2315. DOI: 10.1002/acn3.51918.
[26]
LIN L, ZHANG J, LIU Y, et al. Aberrant brain functional networks in type 2 diabetes mellitus: A graph theoretical and support-vector machine approach[J/OL]. Front Hum Neurosci, 2022, 16: 974094 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/36310847/. DOI: 10.3389/fnhum.2022.974094.
[27]
CUI Y, JIAO Y, CHEN H J, et al. Aberrant functional connectivity of default-mode network in type 2 diabetes patients[J]. Eur Radiol, 2015, 25(11): 3238-3246. DOI: 10.1007/s00330-015-3746-8.
[28]
FU Y, GU M, WANG R, et al. Abnormal functional connectivity of the frontostriatal circuits in type 2 diabetes mellitus[J/OL]. Front Aging Neurosci, 2022, 14: 1055172 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/36688158/. DOI: 10.3389/fnagi.2022.1055172.
[29]
XIA W, LUO Y, CHEN Y C, et al. Glucose fluctuations are linked to disrupted brain functional architecture and cognitive impairment[J]. J Alzheimers Dis, 2020, 74(2): 603-613. DOI: 10.3233/jad-191217.
[30]
SHINE J M, LEWIS L D, GARRETT D D, et al. The impact of the human thalamus on brain-wide information processing[J]. Nat Rev Neurosci, 2023, 24(7): 416-430. DOI: 10.1038/s41583-023-00701-0.
[31]
CHEN Y C, XIA W, QIAN C, et al. Thalamic resting-state functional connectivity: disruption in patients with type 2 diabetes[J]. Metab Brain Dis, 2015, 30(5): 1227-1236. DOI: 10.1007/s11011-015-9700-2.
[32]
WU J, KANG S, SU J, et al. Altered functional network connectivity of precuneus and executive control networks in type 2 diabetes mellitus without cognitive impairment[J/OL]. Front Neurosci, 2022, 16: 887713 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/35833084/. DOI: 10.3389/fnins.2022.887713.
[33]
WANG C X, FU K L, LIU H J, et al. Spontaneous brain activity in type 2 diabetics revealed by amplitude of low-frequency fluctuations and its association with diabetic vascular disease: a resting-state FMRI study[J/OL]. PLoS One, 2014, 9(10): e108883 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/25272033/. DOI: 10.1371/journal.pone.0108883
[34]
DADARIO N B, SUGHRUE M E. The functional role of the precuneus[J]. Brain, 2023, 146(9): 3598-3607. DOI: 10.1093/brain/awad181.
[35]
LIU M, LI J, LI J, et al. Altered spontaneous brain activity in patients with diabetic osteoporosis using regional homogeneity: A resting-state functional magnetic resonance imaging study[J/OL]. Front Aging Neurosci, 2022, 14: 851929 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/35601621/. DOI: 10.3389/fnagi.2022.851929.
[36]
KANG S, CHEN Y, WU J, et al. Altered cortical thickness, degree centrality, and functional connectivity in middle-age type 2 diabetes mellitus[J/OL]. Front Neurol, 2022, 13: 939318 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/36408505/. DOI: 10.3389/fneur.2022.939318.
[37]
ZHANG Y, DU X, QIN W, et al. Association between gene expression and altered resting-state functional networks in type 2 diabetes[J/OL]. Front Aging Neurosci, 2023, 15: 1290231 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/38094506/. DOI: 10.3389/fnagi.2023.1290231.
[38]
HUMPHREYS G F, LAMBON RALPH M A, SIMONS J S. A unifying account of angular gyrus contributions to episodic and semantic cognition[J/OL]. Trends Neurosci, 2021, 44(6): 452-463. DOI: 10.1016/j.tins.2021.01.006.
[39]
ROST N S, BRODTMANN A, PASE M P, et al. Post-stroke cognitive impairment and dementia[J]. Circ Res, 2022, 130(8): 1252-1271. DOI: 10.1161/circresaha.122.319951.
[40]
WANG Z L, ZOU L, LU Z W, et al. Abnormal spontaneous brain activity in type 2 diabetic retinopathy revealed by amplitude of low-frequency fluctuations: a resting-state fMRI study[J/OL]. Clin Radiol, 2017, 72(4): 340.e1-340.e7 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/28041652/. DOI: 10.1016/j.crad.2016.11.012.
[41]
QI F, ZHANG D, GAO J, et al. Functional disconnection of the angular gyrus related to cognitive impairment in patients with type 2 diabetes mellitus[J/OL]. Front Hum Neurosci, 2021, 15: 621080 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/33613213/. DOI: 10.3389/fnhum.2021.621080.
[42]
WU J, FANG Y, TAN X, et al. Detecting type 2 diabetes mellitus cognitive impairment using whole-brain functional connectivity[J/OL]. Sci Rep, 2023, 13(1): 3940 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/36894561/. DOI: 10.1038/s41598-023-28163-5.
[43]
POTENZA M A, SGARRA L, DESANTIS V, et al. Diabetes and alzheimer's disease: might mitochondrial dysfunction help deciphering the common path?[J]. Antioxidants (Basel), 2021, 10(8): 1257 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/34439505/. DOI: 10.3390/antiox10081257.
[44]
VAN ARENDONK J, NEITZEL J, STEKETEE R M E, et al. Diabetes and hypertension are related to amyloid-beta burden in the population-based Rotterdam Study[J]. Brain, 2023, 146(1): 337-348. DOI: 10.1093/brain/awac354.
[45]
GUO T, KORMAN D, BAKER S L, et al. Longitudinal Cognitive and Biomarker Measurements Support a Unidirectional Pathway in Alzheimer's Disease Pathophysiology[J]. Biol Psychiatry, 2021, 89(8): 786-794. DOI: 10.1016/j.biopsych.2020.06.029.
[46]
XIA W, ZHANG B, YANG Y, et al. Poorly controlled cholesterol is associated with cognitive impairment in T2DM: a resting-state fMRI study[J/OL]. Lipids Health Dis, 2015, 14: 47 [2025-10-17]. https://pubmed.ncbi.nlm.nih.gov/25989796/. DOI: 10.1186/s12944-015-0046-x.
[47]
CHEN Y C, JIAO Y, CUI Y, et al. Aberrant brain functional connectivity related to insulin resistance in type 2 diabetes: a resting-state fMRI study[J]. Diabetes Care, 2014, 37(6): 1689-1696. DOI: 10.2337/dc13-2127.

上一篇 基于方向萎缩先验知识的可解释性三维注意力网络在阿尔茨海默病诊断中的应用价值
下一篇 基于网络攻击与度分布的轻微肝性脑病脑结构协变网络特性研究
  
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