分享:
分享到微信朋友圈
X
综述
默认网络与背侧注意网络负功能连接在主观认知衰退中的研究进展
刘辰光 潘兴勇 刘莹

本文引用格式:刘辰光, 潘兴勇, 刘莹. 默认网络与背侧注意网络负功能连接在主观认知衰退中的研究进展[J]. 磁共振成像, 2026, 17(7): 139-146, 226. DOI:10.12015/issn.1674-8034.2026.07.018.


[摘要] 主观认知衰退(subjective cognitive decline, SCD)作为阿尔茨海默病(Alzheimer's disease, AD)临床前驱阶段,其早期识别对疾病防治至关重要,但目前缺乏客观、特异的诊断指标。近年来,神经影像学研究发现默认网络(default mode network, DMN)与背侧注意网络(dorsal attention network, DAN)负功能连接异常可能是其潜在的早期神经标志,但现有研究结论存在不一致性,且缺乏系统性的梳理,因此亟需相关综述整合当前进展并厘清方向。本文围绕DMN-DAN负功能连接的生理基础及其在SCD人群中的变化展开综述,梳理了其与AD病理生物标志物及认知功能关联的现有证据,并总结了其在鉴别不同病因(如血管性、抑郁性认知衰退)及预测疾病进展方面的研究价值。同时,本文指出了当前研究在方法学上面临的挑战(如研究对象异质性、缺乏统一分析标准),并展望了融合多模态影像与人工智能等未来研究方向。本文旨在梳理该领域的研究现状与争议,为基于脑网络连接特征的早期生物标志物开发提供理论依据,从而指导临床实践,提升对SCD的早期筛查、精准分型与干预效果。
[Abstract] Subjective cognitive decline (SCD), as a preclinical stage of Alzheimer's disease (AD), is a critical period where early identification is paramount for effective prevention and intervention. However, the current lack of objective and specific diagnostic markers poses a significant challenge to early identification. In recent years, neuroimaging studies have suggested that abnormalities in the negative functional connectivity between the default mode network (DMN) and the dorsal attention network (DAN) may serve as a potential early neural marker. However, existing research findings are inconsistent, and no systematic synthesis of these findings has been conducted. Therefore, there is an urgent need for a review to integrate current progress and clarify future directions. This review focuses on the physiological basis of DMN-DAN negative functional connectivity and its alterations in individuals with SCD, synthesizes existing evidence regarding its association with AD pathological biomarkers and cognitive function, and summarizes its research value in differentiating etiologies (e.g., vascular or depression-related cognitive decline) and predicting disease progression. Additionally, it highlights methodological challenges in current research, such as participant heterogeneity and the lack of unified analytical standards, and looks ahead to future research directions including the integration of multimodal imaging and artificial intelligence. This review aims to summarize the current state and controversies in this field, providing a theoretical foundation for the development of early biomarkers based on brain network connectivity features. Ultimately, it seeks to guide clinical practice and enhance early screening, precise subtyping, and intervention efficacy for SCD.
[关键词] 主观认知衰退;阿尔茨海默病;默认网络;背侧注意网络;负功能连接;磁共振成像;早期生物标志物
[Keywords] subjective cognitive decline;Alzheimer's disease;default mode network;dorsal attention network;negative functional connectivity;magnetic resonance imaging;early biomarker

刘辰光 1   潘兴勇 1   刘莹 2*  

1 新疆医科大学第二临床医学院,乌鲁木齐 830000

2 新疆医科大学第二附属医院医学影像中心,乌鲁木齐 830000

通信作者:刘莹,E-mail: 83982239@qq.com

作者贡献声明::刘莹设计本研究的方案,对稿件重要内容进行了修改;刘辰光起草和撰写稿件,获取、分析和解释本研究的数据;潘兴勇获取、分析和解释本研究的数据,对稿件重要内容进行了修改;刘辰光获得了新疆维吾尔自治区自然科学基金项目资助;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: 新疆维吾尔自治区自然科学基金项目 2025D01C183
收稿日期:2026-02-13
接受日期:2026-06-03
中图分类号:R445.2  R322.81 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.07.018
本文引用格式:刘辰光, 潘兴勇, 刘莹. 默认网络与背侧注意网络负功能连接在主观认知衰退中的研究进展[J]. 磁共振成像, 2026, 17(7): 139-146, 226. DOI:10.12015/issn.1674-8034.2026.07.018.

0 引言

       主观认知衰退(subjective cognitive decline, SCD)是阿尔茨海默病(Alzheimer's disease, AD)和轻度认知障碍(mild cognitive impairment, MCI)之前的临床前阶段,是AD过程中的第一个临床症状[1]。其核心特征在于“主观感受”与“客观测试”结果的分离:患者虽有明确的认知下降主诉(或经知情者证实),但临床常用认知评估工具,如简易精神状态检查(Mini-mental State Examination, MMSE)与蒙特利尔认知评估(Montreal Cognitive Assessment, MoCA),其得分往往仍在正常范围内[2]。流行病学数据显示,每年约有10%~15%的SCD患者会进展为MCI,而约60%的MCI患者将在五年内发展为AD[3]。因此,SCD被视为干预AD进程、实现早期防治的关键窗口[4, 5]

       默认网络(default mode network, DMN)与背侧注意网络(dorsal attention network, DAN)作为大脑静息态和功能态下的两个重要网络,两者的动态平衡在维持正常认知功能中起着关键作用[6]。DMN主导内部导向的认知活动(如自我情节记忆检索、心智理论任务),DAN则专注于外部导向的任务执行与注意力调控[7]。在健康个体中,两个网络的活动模式呈现出一种互补的负相关关系:当其中一个网络激活时,另一个网络会受到抑制[7, 8]。本文所探讨的“DMN与DAN负功能连接”,特指基于静息态功能磁共振成像(resting state functional magnetic resonance imaging, rs-fMRI)数据,通过计算两个大规模脑网络内各节点时间序列的平均信号,所观察到的显著负相关关系。这种负功能连接反映了两网络在自发神经活动中的拮抗或竞争关系,是大脑在无明确任务状态下进行认知资源优化分配的一种重要功能架构,而非一种解剖学或有效连接意义上的固有“连接类型”。在任务态下,这种关系常表现为任务正激活网络(如DAN)与任务负激活网络(如DMN)之间的相互抑制,本文描述为“负相关”或“负功能连接”。在AD谱系患者中,DMN与DAN之间这种负功能连接的失衡,已被证实是导致认知功能障碍的一种重要的大规模脑网络机制[9]

       目前,神经影像学技术在SCD的研究中发挥了重要作用,尤其是功能磁共振成像(functional magnetic resonance imaging, fMRI)的应用为揭示其神经基础提供重要线索。rs-fMRI研究发现,SCD患者DMN功能连接异常,表现为后扣带回(posterior cingulate cortex, PCC)、内侧前额叶(medial prefrontal cortex, mPFC)等关键节点的功能活动减弱或同步性降低[10]。此外,弥散张量成像(diffusion tensor imaging, DTI)和动脉自旋标记(arterial spin labeling, ASL)等技术也进一步证实SCD患者存在脑结构和灌注的异常改变[6]。上述研究成果为理解SCD的病理生理机制奠定了坚实基础。然而,在众多神经影像学发现中,DMN与DAN之间的负功能连接近年来备受关注[11]。这种大规模网络间的拮抗性交互被认为是维持正常认知功能的关键架构,其在AD谱系早期即可能出现异常。尽管已有综述[12, 13]探讨SCD的神经影像学特征,但尚缺乏文章系统性地聚焦于DMN-DAN负功能连接这一特定网络交互模式,并围绕其生理基础、在SCD中的异常改变、与AD核心病理的关联、在鉴别诊断中的应用价值,以及当前方法学挑战进行全方位梳理。因此,本文旨在梳理与整合关于DMN-DAN负功能连接在SCD中的相关研究进展与争议,厘清现有发现中的矛盾与未解问题,并展望未来研究方向,以期为理解其作为AD临床前期新型生物标志物的开发提供理论依据,并为SCD的早期识别、精准鉴别及靶向干预策略提供新思路。

1 文献检索方法

       为确保本综述的系统性与完整性,我们采用了以下文献检索策略。文献检索主要在中国知网(CNKI)、万方数据、PubMed及Web of Science核心数据库中进行。检索时间范围设定为2015年1月至2026年1月,并追溯了重要文献的参考文献。具体检索式举例(以PubMed为例):(“Subjective Cognitive Decline”[Mesh] OR “Subjective Cognitive Decline” OR SCD)AND(“Default Mode Network”[Mesh] OR “Default Mode Network” OR DMN)AND(“Attention”[Mesh] OR “Dorsal Attention Network” OR DAN)AND(“Anticorrelation” OR “negative functional connectivity” OR “functional connectivity”)AND(“Magnetic Resonance Imaging”[Mesh] OR fMRI OR “resting-state fMRI”)。中文数据库检索采用相应中文关键词组合。文献筛选过程分为两步:首先,根据标题与摘要初筛,排除明显不相关的文献;随后,对剩余文献进行全文审阅,依据如下明确的纳入与排除标准进行最终筛选。纳入标准:(1)研究对象,明确诊断为SCD的人群;(2)研究类型,采用静息态或任务态fMRI技术的原创性研究文章;(3)核心内容,主要分析或报告了DMN与DAN之间的功能连接(特别是负相关/负功能连接)。排除标准:(1)fMRI技术及DMN-DAN连接分析并非该研究的主要方法与核心结论依据(例如,研究虽采集了fMRI数据,但核心结论建立在行为学、遗传学或体液生物标志物分析之上);(2)非中文/英文文献;(3)研究类型为病例报告、会议摘要、综述、元分析或系统评价。经过上述筛选流程,最终共纳入符合标准的原创性研究论文58篇。

2 DMN-DAN负功能连接与认知的关联

       DMN与DAN间的负功能连接,是支撑大脑高效认知的核心架构,本质上构成了内部指向性思维与外部指向性注意力之间动态平衡的神经基础[14]。在基础认知层面,这种负相关关系直接支撑着注意力与认知控制:当需要专注外部任务时,DAN激活而DMN被有效抑制,这种负相关性越强,个体维持注意、抵抗干扰的能力就越好[15]。与此同时,这种拮抗机制也同样服务于内部导向的认知过程,例如“思维漫游”。研究揭示,在内部思维产生时,虽然DMN占主导,但DMN与DAN之间的负相关强度本身是预测思维漫游特质的关键指标[11],表明这种连接机制不仅是简单的“开关”,更是灵活支持不同认知状态的动态调节器。

       这种动态平衡并非静态,而是伴随整个生命周期发生显著演变,并与认知健康状态密切相关。研究表明,DMN与DAN之间的负相关性通常随正常老龄化而减弱(P<0.001,错误发现率校正)[11],这可能部分解释了老年人注意力转换灵活性下降的现象。更重要的是,这种连接的显著减弱被证实是认知衰退,特别是AD谱系的早期敏感标志。研究表明,其减弱程度能区分不同病理阶段的个体,并能独立于tau病理与教育水平(认知储备)预测认知表现下降[9],凸显了它作为大脑功能网络健康独立指标的重要价值,也为早期诊断提供了潜在路径。

       在更高级、更复杂的认知活动中,DMN与DAN的交互展现出超越简单“拮抗”的动态协作。例如,在创造性思维这一整合了无约束联想与目标评估的过程中,两个网络扮演着互补且灵活的角色:在想法生成阶段,它们常表现为分离(DMN活跃);而在随后的想法评估与筛选阶段,则需要DAN的参与并可能与DMN产生协作[11]。同样,在目标导向的内部思考(如主动回忆)中,两个网络也能协同工作[11]。这表明,健康的认知系统依赖于DMN与DAN之间在“对抗”与“合作”模式间进行精密、快速切换的能力,这种动态适应性是支持人类认知灵活性、创造性乃至整体心智复杂性的关键。

3 DMN-DAN负功能连接在SCD中的应用

3.1 DMN-DAN负功能连接的改变及其可能的网络代偿机制

       在rs-fMRI研究中,研究者观察到SCD患者DMN与DAN之间的负功能连接呈现减弱趋势[16]。这种减弱可能直接贡献于SCD个体注意力转换迟缓和记忆提取困难等早期症状。研究[9]进一步通过交叉验证和特征重要性分析证实,DMN-DAN负功能连接减弱可作为认知衰退的独立预测因子(在包含年龄、性别、教育水平和颞叶皮层tau负荷的多变量模型中,该连接仍能独立解释约5%的认知表现变异),其贡献独立于tau病理和教育程度(认知储备)。纵向研究[9]数据显示,基线期存在DMN-DAN负功能连接显著减弱的SCD个体,未来转化为MCI或AD的风险更高。值得注意的是,这种负功能连接减弱在AD谱系中的演变可能并非简单的线性过程。现有证据提示,从SCD到MCI再到AD痴呆,DMN-DAN负功能连接减弱可能呈现加速或阶段性变化的特征[17],但其确切轨迹(如是否为单调递减或存在平台期)仍需更多纵向研究阐明。

       除DMN-DAN负功能连接异常外,SCD患者的大脑通常还表现出其他多功能网络的代偿性重组。这些广泛的网络改变可能与DMN-DAN的功能失衡并存,共同塑造了SCD阶段的特征性脑网络图谱。例如,研究发现SCD患者后部DMN与海马旁回之间的功能连接中断[18]。与此同时,其他研究观察到部分脑区间功能连接增强,包括右侧岛叶与海马在边缘网络(limbic network, LN)中存在过度连接[19];双侧海马旁回与DMN的其他区域之间的局部或中程连接增强[20];右侧前额-顶叶网络(frontoparietal network, FPN)内部连接增强[21];以及凸显网络(salience network, SN)、视觉网络(visual network, VIN)、听觉网络(auditory network, AUN)和感觉运动网络(sensorimotor network, SEN)内部及相互之间连接增强[22]。这些现象提示,在尚未出现明显灰质体积改变时,SCD患者大脑可能已启动功能代偿机制以维持认知表现[16, 23]。然而,这些广泛的网络改变与DMN-DAN负功能连接减弱之间的因果关系或协同作用机制,目前尚不明确,是未来研究的重要方向。

       综上所述,现有研究一致表明SCD患者存在DMN-DAN负功能连接的减弱,这可能构成其早期认知症状的神经基础,并具有预测向MCI转化的潜力。然而,当前研究仍存在明显局限:首先,多数证据来自横断面研究,难以确定该连接减弱是SCD的稳定性特征还是进行性恶化的指标,其从SCD到AD的动态演变轨迹尚不清晰;其次,SCD群体内部的异质性(如是否存在AD病理、血管风险等)可能显著影响功能连接模式,但现有研究常将其视为同质群体进行分析,可能掩盖了重要的亚型差异;最后,对广泛观察到的其他网络功能连接改变(如FPN、SN内部连接增强)与DMN-DAN连接减弱之间的因果关系或协同机制,目前知之甚少。未来研究需纳入更大样本的、经过生物标志物精确分型的SCD前瞻性队列,采用动态功能连接分析方法,纵向追踪DMN-DAN连接的变化轨迹及其与多种病理共存的交互关系,并利用计算模型(如有效连接分析)探索不同网络异常之间的因果机制。

3.2 作用机制探究

       随着神经影像技术和认知行为研究的不断进步,学者们对DMN-DAN负功能连接在SCD中的具体作用机制进行了更为深入的探究。研究[9, 24]发现,较高的主观认知下降程度与左侧海马体-背内侧前额叶皮质功能连接的降低显著相关(β=-0.69,P<0.05),这可能与丘脑部分的功能连接减少有关。这一结果表明,DMN-DAN负功能连接的失衡不仅影响局部脑区的功能活动,还可能导致更广泛的大脑网络失调,例如影响SN(负责监测内外刺激显著性)和额顶控制网络(frontoparietal control network, FPCN)(负责认知灵活调控)的功能整合[25],进而损害大脑在多任务切换和认知控制方面的整体效率。

       与此同时,认知行为测试研究显示,在记忆提取和编码过程中,SCD患者右侧背外侧前额叶皮质的活动增强(Z=3.16,P<0.05),而右侧海马、扣带回及枕叶皮质的活动减弱(Z=3.14,P<0.05)[10]。这种活动模式的异常变化提示,DMN-DAN负功能连接的失衡可能干扰正常记忆加工所依赖的网络间动态协作,从而导致认知功能下降。此外,DTI技术的研究进一步支持了这一观点,显示SCD患者白质纤维束的完整性受损,尤其涉及DMN与DAN的相关纤维束,这可能进一步加剧功能连接紊乱[24]

       综合来看,当前研究初步阐明了DMN-DAN负功能连接失衡可能通过损害大规模网络协同与记忆神经效率,导致SCD认知资源分配异常。然而,相关机制研究仍存局限:首先,因果不明。​现有横断面证据难以区分该连接失衡是认知症状的驱动因素,还是多种上游病理的继发表现。其次,深度不足。​其背后的具体神经生物学基础(如特定神经递质或神经血管单元功能障碍)尚未被深入揭示。最后,特异性不清。​多数研究未对SCD进行病因分型,难以区分所发现的机制是AD特异性还是普遍性的。为突破上述局限,未来研究应着力于:(1)利用纵向设计与干预性研究(如靶向脑刺激),明确该连接变化与认知结局的因果关系;(2)深化多模态与跨尺度整合,结合能反映突触功能、神经递质及电生理活动的技术,阐明其微观生物学基础;(3)开展基于生物标志物分型的机制解析,区分AD临床前期、血管性等不同亚型SCD的主导网络失调机制,为精准干预提供依据。

3.3 研究的一致性与矛盾之处

       综合现有证据,DMN-DAN负功能连接与SCD的关联已得到多项研究支持。然而,不同研究在具体发现上仍存在若干分歧。首先,在功能连接变化方向上,部分研究发现SCD患者DMN-DAN的负功能连接显著降低[9],另有研究则报告某些脑区对的连接反而增强[19]。这种差异可能源于研究对象的异质性、数据分析方法的不同,以及SCD亚型的多样性。

       其次,在作用机制的解读上,也有研究提出不同观点。有研究认为DMN-DAN负功能连接的失衡主要源于丘脑功能连接的减少[9],而另一项研究则强调白质纤维束完整性受损的重要性[24]。这些矛盾之处反映了当前研究在方法论和理论框架上的多样性,同时也提示我们需要更加系统化的研究设计来澄清这些问题。

       不过,不同研究之间仍共享一些共识。例如,多数研究均支持DMN-DAN负功能连接的失衡是SCD的重要神经标志之一,并且这种失衡往往早于明显的结构改变[16, 24]。此外,功能连接的异常变化与认知行为测试的结果高度相关,进一步验证了其在SCD中的关键作用[10, 26]。这些共识为未来研究提供了明确的方向,同时也为开发基于DMN-DAN负功能连接的诊断和干预手段奠定了理论基础。

       本部分揭示了关于DMN-DAN负功能连接在SCD中作用机制研究的共识与分歧。共识在于,其失衡被认为是SCD的重要神经标志,且常早于明显的结构改变。然而,分歧同样显著,体现在连接变化方向的不一致及核心机制(Aβ病理、白质损伤、神经血管单元功能障碍)的权重争议上。这些矛盾凸显了当前研究的主要局限性:(1)方法学差异:不同的预处理流程[(如是否使用全局信号回归(global signal regression, GSR)]、网络定义方法(模板/个体化)及统计阈值,直接影响结果的可比性;(2)样本异质性:不同研究纳入的SCD人群在病因、严重程度、认知储备上可能存在较大差异;(3)多模态数据整合不足:单一模态研究难以厘清病理、结构、功能改变之间的时序与因果关系。未来研究应致力于采用统一、透明的方法学流程,开展基于多模态影像​的纵向研究,并结合机器学习方法,旨在识别出能够区分不同SCD病理生理亚型的、稳健的DMN-DAN连接特征谱。

4 DMN-DAN负功能连接与SCD及AD病理的关联

       当SCD患者出现自我报告身体虚弱[27]、自我反省能力下降[28]时,其大脑可能已存在β-淀粉样蛋白(amyloid β-protein, Aβ)沉积和tau蛋白病理等AD特征性改变[29]。基于A/T(N)框架[30],评估由ATN谱组成的淀粉样蛋白(A)、tau(T)和神经退行性变(N)生物标志物与认知功能下降之间的关联。研究发现,Aβ的结构连接性与局部结构连接性呈负相关(β=-0.55×10-2P=0.043)[31]。然而,Aβ主要聚集在DMN的核心枢纽[32],导致DMN内网络内和网络间连接的下降,随着疾病的进展扩展到整个脑网络。同时,SCD患者血浆Aβ42浓度显著高于认知正常(cognitively normal, CN)者(P<0.05),且伴有淋巴管功能异常[33],其模式与AD血浆生物标志物和影像学改变相似[34]

       近年研究进一步揭示,SCD患者大脑网络中DMN-DAN负功能连接的改变不同于正常老化过程中随年龄增长而逐渐减弱[35],在AD谱系中,DMN-DAN负功能连接的减弱更为明显且与特定病理相关。一项针对阿尔茨海默病神经影像倡议(Alzheimer's Disease Neuroimaging Initiative, ADNI)数据库中196名受试者的rs-fMRI数据分析发现,当根据淀粉样蛋白正电子发射断层显像(positron emission tomography, PET)阳性(A+)和认知受损(C+)状态将受试者分组时,高风险组(A+C+)的DMN-DAN负功能连接明显减弱,而仅按临床诊断(如AD、MCI、正常对照)的分组则未显示组间差异[9]。这一结果表明,DMN-DAN负功能连接减弱与较高的脑内Aβ负荷独立相关。更重要的是,在统计模型中控制tau病理后,DMN-DAN负功能连接减弱仍能独立预测更差的认知表现(R2=0.32)[9]。这说明其减弱可能与Aβ沉积有直接关联,且对认知下降的预测价值不完全由tau病理介导,从而可能敏感反映AD早期的生物学病理负担。

       经由上述研究,可推测出SCD阶段的DMN-DAN负功能连接减弱并非孤立事件,而是Aβ病理、神经血管功能障碍与能量供需失衡共同作用的结果。研究[36]提示,Aβ易积聚在神经元活动频繁的脑区。由于DMN在静息状态下高度活跃,因此成为Aβ优先沉积的“靶区”。一旦Aβ开始沉积,又反过来干扰突触传递和神经元兴奋性,形成恶性循环,从而破坏DMN与DAN之间的动态拮抗。同时,ASL显示SCD个体存在区域性脑血流量(regional cerebral blood flow, rCBF)下降,特别是在内侧颞叶(medial temporal lobe, MTL)。这提示神经血管耦合功能受损,进一步削弱了网络稳定性,最终导致认知资源分配失控。

       综上所述,DMN-DAN负功能连接减弱与SCD个体的Aβ病理负担具有关联性,并能部分独立预测认知下降,显示出作为AD早期网络标志的潜力。然而,相关研究存在局限:首先,因果与时序不明,横断面设计难以明确Aβ沉积与连接减弱间的因果关系;其次,机制阐释不足,Aβ损害网络交互的具体生物学通路尚未清晰;最后,病理特异性不清,在Aβ、tau与血管病变共存的现实场景中,该连接特征的特异性与稳健性有待厘清。未来研究需聚焦于:(1)利用前瞻性队列设计,纵向采集多时间点生物标志物与影像数据,明确DMN-DAN连接变化与Aβ积累之间的时序关系;(2)采用多模态跨尺度方法,在微观与宏观层面联动揭示其生物学机制;(3)在基于生物标志物精确分型的SCD亚群中,验证该连接特征的鉴别与预测价值,以推动其向临床应用转化。

5 AD临床前期SCD与SCD各亚型的鉴别

5.1 与血管性SCD的鉴别

       脑小血管病(cerebral small vessel disease, CSVD),即血管性SCD,是脑内小动脉、分支动脉、小静脉和毛细血管病变所致的一系列临床、病理和影像学综合征,以执行功能问题为主要临床表现。其经典的影像学征象为腔隙性梗死、白质高信号(white matter hyperintensities, WMH)[37]。当前,利用fMRI技术探讨CSVD伴和不伴认知障碍(cognitive impairment, CI)患者DMN、FPCN及DAN网络内和网络间功能连接模式,成为研究CSVD机制和与CSVD进展相关的生物标志物的热点。LIU等[38]研究发现,与健康老年人相比,无论是否伴有CI,CSVD患者均表现出DMN内部功能连接减弱,以及DMN与DAN、DMN与FPCN之间的负功能连接减弱。而伴CI的CSVD患者还表现出FPCN内部功能连接增强。此外,研究[38]显示FPCN的这些功能改变与CSVD患者的认知功能显著相关(P=0.002),且FPCN与DMN之间的网络连接强度与深部白质高信号(deep white matter hyperintense signals, DWMH)体积呈负相关(r=-0.353,P=0.027),这提示白质病变负荷可能通过影响FPCN功能导致CI。这些发现表明,FPCN可能是CSVD CI的关键调控网络,而FPCN与DWMH高度相关。

       对比可见,AD临床前期SCD与血管性SCD虽均存在DMN-DAN连接减弱,但其潜在机制与伴随特征有所不同。在AD临床前期SCD中,连接减弱与脑内Aβ沉积高度相关;而在血管性SCD中,​除连接减弱外,通常还伴随FPCN内部连接的显著增强,且后者与WMH等脑血管病变影像标志物密切相关。因此,二者的干预重点与预后方向完全不同。AD临床前期SCD的进展风险是向典型的AD痴呆转化,干预侧重于AD的全程管理及可能的疾病修饰治疗[39]。血管性SCD的主要风险是进展为血管性CI或痴呆,以及发生卒中事件,其干预的基石是严格且系统地控制血管危险因素[40]。临床实践中,精准鉴别依赖于结合认知主诉模式、fMRI特征以及AD生物标志物进行综合判断,这对于制定个性化的预防策略至关重要,尤其在两者常共存的“混合型”病例中,需评估何种病理占主导地位。

       本部分研究表明,利用rs-fMRI揭示的脑网络特征,特别是DMN-DAN负功能连接减弱伴随FPCN内部连接增强的模式,为鉴别血管性SCD与AD临床前期SCD提供了重要的影像学依据。然而,该鉴别方向的研究仍存在若干局限:首先,现有证据多基于横断面研究与小样本,难以确定上述网络特征在疾病纵向演进中的稳定性及其预测血管性认知障碍转归的价值。其次,机制关联尚不明确。尽管观察到FPCN连接增强与WMH负荷相关,但后者如何特异性地导致FPCN代偿性激活,其背后的具体神经血管通路尚未阐明。最后,临床应用的可行性面临挑战。目前网络特征的提取与分析流程尚未标准化,且缺乏能够整合多模态影像与临床信息的客观、定量判别模型。为推进此领域发展,未来研究应着力于:(1)开展大样本、前瞻性的队列研究,纵向追踪血管性SCD人群的脑网络演变轨迹,明确其与血管事件及认知下降的关联;(2)利用多模态影像阐明白质损伤与网络改变的因果通路;(3)开发基于机器学习的客观判别模型,推动其向临床鉴别实践转化。

5.2 与抑郁性SCD的鉴别

       抑郁性SCD,是指由抑郁障碍或显著抑郁症状引发的、以主观认知抱怨为主要表现的临床状态。其核心特征在于认知主诉与情感障碍之间存在紧密的因果与时间关联,是“情感-认知”环路失调的结果,而非神经退行性病理的早期表现。在临床表现上,患者的主诉通常集中在注意力、思维速度、执行功能和记忆检索效率的下降,常描述为“大脑昏沉”“思维滞涩”“记不住事”。关键鉴别点是这些认知症状与情绪低落、兴趣丧失、精力减退、睡眠障碍等抑郁核心症状平行出现、同步波动[41]。当抑郁情绪加重时,认知主诉往往更突出;情绪改善后,认知困难感也随之显著减轻。神经生物学机制主要涉及与情绪调节相关的脑网络改变,如前扣带回-杏仁核-前额叶环路功能紊乱[42]、SN过度活跃(Cohen's d=1.99)(可能与反刍思维有关)[43],以及下丘脑-垂体-肾上腺轴功能异常导致的神经可塑性下降[44]。与AD临床前期SCD不同,抑郁性SCD通常不伴有AD特征性的DMN内部连接减弱或Aβ沉积[45, 46]

       因此,临床实践强调采用多维度综合评估进行鉴别。首先需确立抑郁障碍的诊断。神经心理测验主要用于排除客观认知损害,其成绩可能因动机不足而波动,但整体结构正常。神经影像学(如fMRI)可显示情感网络的功能异常,而AD生物标志物(如淀粉样蛋白PET)应为阴性,这是排除共存AD病理的关键。治疗上,抑郁性SCD的认知症状被视为可逆的、状态依赖性的功能失调。首选规范化的抗抑郁治疗,包括药物治疗和心理治疗[47]。随着抑郁症状的缓解,绝大多数患者的认知主诉会得到实质性改善,这本身也是重要的诊断性治疗依据。其长期风险主要在于抑郁障碍的复发或慢性化,而非直接转化为AD,但需注意两者在老年人群中存在共病的可能性[48]

       综上所述,AD临床前期、血管性及抑郁性SCD在核心主诉、关键神经影像特征、核心影像/生物标志物、干预靶点及转归风险上均存在差异,其鉴别要点总结如表1所示。然而,临床实践中的鉴别远较理论复杂,主要挑战在于:(1)共病普遍:老年个体常同时存在多种病理(如Aβ沉积与脑小血管病),导致网络改变模式混合叠加;(2)生物标志物可及性:Aβ-PET等关键生物标志物成本高昂,限制了其在基层的广泛应用;(3)缺乏定量判别模型:目前鉴别多依赖定性描述,缺乏基于多维度数据(临床、影像、体液标志物)的定量判别工具。未来方向应侧重于:建立大样本、多中心的临床-影像-生物标志物数据库;开发并验证基于DMN-DAN等网络连接特征,融合临床信息和低成本生物标志物(如血浆p-tau)的机器学习鉴别模型;探索针对混合型病理的个性化网络干预靶点。

表1  三种不同病因SCD亚型的鉴别要点
Tab. 1  Key distinguishing features among three different etiological subtypes of SCD

6 DMN-DAN负功能连接在SCD诊断与干预中的应用

6.1 诊断方面的潜在应用

       SCD作为AD的早期阶段,其诊断长期面临挑战:现有的临床评估与神经心理学测验往往无法提供客观的量化支持[49],缺乏灵敏特异的生物标志物。近年来,基于DMN-DAN负功能连接特征的研究为开发更客观的诊断工具提供了新思路。通过fMRI技术,研究者能够捕捉到SCD患者大脑中DMN与DAN之间功能连接的异常模式,这些模式可能成为早期诊断的重要生物标志物。研究表明,SCD患者的DMN核心区域(如PCC和楔前叶)与DAN关键节点(如顶内沟和额叶眼动区)之间的功能连接显著降低,这种变化早于传统结构磁共振成像(structural magnetic resonance imaging, sMRI)所检测到的灰质萎缩[50]

       此外,多模态神经影像技术的应用进一步提高了诊断的准确性。结合rs-fMRI和任务态fMRI(task-based functional magnetic resonance imaging, task-fMRI)的数据分析,可以发现SCD患者在执行记忆提取任务时,DMN与DAN之间的拮抗关系减弱,表现为DMN(以海马为代表)功能不足,而DAN则出现低效的过度代偿[51]。这一现象不仅反映认知资源的分配异常,也为识别早期SCD提供敏感指标。基于上述发现,理论上将DMN-DAN连接特征纳入机器学习模型,有望提高SCD诊断的特异性和敏感性。然而,这类方法在实际应用中仍面临样本量不足、数据标准化困难等挑战,需通过进一步的研究来验证与优化。

6.2 干预方面的潜在应用

       调节DMN-DAN负功能连接是干预SCD的潜在靶点,但相关研究仍处于起步阶段,且需严格区分干预措施是否直接作用于SCD人群及DMN-DAN网络。非侵入性脑刺激技术,如重复经颅磁刺激(repetitive transcranial magnetic stimulation, rTMS),显示出一定的调节潜力[52]。例如,有研究发现针对特定脑区的rTMS可调节“前临床AD谱系”(包括SCD)个体DMN和认知控制网络(cognitive control network, CCN)的有效连接[53]。另一项研究也表明rTMS可调节SCD和MCI患者的同侧半球功能连接[54],尽管未特指DMN-DAN。这些研究表明rTMS具有调节相关脑网络的潜力,但其对SCD患者DMN-DAN负功能连接的特异性影响尚需更多针对性研究证实。

       目前,直接证据表明能调节SCD人群DMN-DAN负功能连接并改善认知的干预研究非常有限。音乐疗法[55]、认知训练[56]的研究对象主要为MCI患者,结论外推至SCD需谨慎。而针刺治疗卒中后CI的研究[57, 58]与SCD的病因和病理基础不同,不宜直接引用作为SCD的干预证据。因此,未来亟需开展以前瞻性、随机对照设计,以SCD人群为对象,并以DMN-DAN负功能连接为主要观测指标之一的干预性研究,以验证其调节该网络连接并改善认知功能的有效性。

       尽管以调节DMN-DAN负功能连接为靶点的干预策略展现出巨大潜力,但必须指出,​目前支持其有效性的直接证据仍相当有限,且多数结论源于间接研究。当前主要局限性在于:(1)直接证据匮乏:绝大多数干预研究(如rTMS、认知训练、音乐疗法)的对象为MCI或卒中后患者,其结论不能直接外推至SCD人群;(2)机制不明:即使干预显示有效,其是否通过特异性调节DMN-DAN连接起效,尚缺乏因果证据;(3)研究设计缺陷:缺乏以SCD为对象、以DMN-DAN连接为核心影像结局指标的前瞻性随机对照试验。因此,未来研究亟需开展严格设计的、针对SCD人群的干预试验,并利用静息态与任务态fMRI相结合的手段,动态监测干预前后DMN-DAN交互模式的变化,以明确其作为治疗反应生物标志物的可行性。

7 小结与展望

       DMN与DAN之间的负功能连接是维持正常认知功能的关键大规模脑网络交互机制。本综述系统梳理的证据表明,该连接的减弱是SCD,特别是AD临床前期SCD的一个潜在早期神经影像标志。这种减弱与脑内Aβ病理负荷相关,能部分解释SCD个体的注意与记忆症状,并可能具有预测其向MCI转化的价值。此外,DMN-DAN连接特征结合其他影像与生物标志物,有助于鉴别AD临床前期、血管性及抑郁性等不同病因的SCD亚型,为早期精准干预提供了潜在靶点。

       尽管该领域研究取得了一定进展,但仍存在若干瓶颈,制约了其向稳定生物标志物及临床应用的转化。首先,是研究方法学的异质性。​研究对象入组标准、影像数据预处理流程(如GSR的使用)、功能连接计算方法与统计阈值不统一,导致研究结果间可比性差,结论存在矛盾。其次,是SCD人群固有的高度异质性。其病因涵盖AD病理、脑血管病、情绪障碍等多种可能,但多数研究将其视为同质群体,未能依据生物标志物进行精细分型,这可能掩盖了不同亚型特异性的网络改变模式。最后,是现有证据的局限性。​研究多以横断面设计为主,难以确定DMN-DAN连接异常与病理进展间的因果关系;同时,缺乏以前瞻性、干预性研究验证其作为治疗反应标志物的可行性。

       为突破上述瓶颈,未来研究应从以下方向着力:第一,推动方法学标准化与技术创新。​倡导使用统一、透明的数据采集与分析流程,并推广动态功能连接、个体化脑网络图谱等新方法,以更精准地刻画网络交互的时空动态特性。第二,深化多维度数据整合。应基于大型前瞻性队列,系统融合多模态神经影像、体液生物标志物、遗传与临床信息,利用机器学习等计算方法,构建能够鉴别SCD不同病理生理亚型、预测疾病转归的客观模型。第三,强化转化应用研究。亟需开展以SCD人群为对象、以DMN-DAN网络连接为核心观测指标之一的随机对照干预试验,明确非侵入性脑刺激等手段调节该连接并改善认知功能的有效性,最终推动其从影像标志物向临床诊断与治疗靶点的实质转化。

[1]
MENGEL D, SOTER E, OTT J M, et al. Blood biomarkers confirm subjective cognitive decline (SCD) as a distinct molecular and clinical stage within the NIA-AA framework of Alzheimer´s disease[J]. Mol Psychiatry, 2025, 30(7): 3150-3159. DOI: 10.1038/s41380-025-03021-0.
[2]
RAO A, RAO A R, PAINKRA B, et al. Cognitive assessment across normal aging and subjective cognitive decline using PGIMS and Stroop color-word test: a cross-sectional study[J/OL]. Arch Gerontol Geriatr Plus, 2025, 2(2): 100133 [2026-02-12]. https://www.sciencedirect.com/science/article/pii/S2950307825000153via%3Dihub. DOI: 10.1016/j.aggp.2025.100133.
[3]
LE X Y, FENG J B, YU X L, et al. Individualized prediction of transition from subjective cognitive decline to mild cognitive impairment based on multimodal MRI: a 10-year follow-up study[J/OL]. J Prev Alzheimers Dis, 2026, 13(2): 100462 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41478831/. DOI: 10.1016/j.tjpad.2025.100462.
[4]
YU X F, SHAO K, WAN K, et al. Progress in blood biomarkers of subjective cognitive decline in preclinical Alzheimer's disease[J]. Chin Med J, 2023, 136(5): 505-521. DOI: 10.1097/CM9.0000000000002566.
[5]
LAN H, LIU W X, ZUO C, et al. Heterogeneous brain abnormalities in subjective cognitive decline converge on a common network and their transcriptional signature[J/OL]. Alzheimers Dement, 2025, 21(3): e70073[2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40145464/. DOI: 10.1002/alz.70073.
[6]
赖梓焱, 张清萍, 赖茵圻, 等. 主观认知下降的MRI研究进展[J]. 磁共振成像, 2022, 13(3): 126-128, 142. DOI: 10.12015/issn.1674-8034.2022.03.031.
LAI Z Y, ZHANG Q P, LAI Y Q, et al. MRI research progress of subjective cognitive decline[J]. Chin J Magn Reson Imaging, 2022, 13(3): 126-128, 142. DOI: 10.12015/issn.1674-8034.2022.03.031.
[7]
HAMMER J, KAJSOVA M, KALINA A, et al. Antagonistic behavior of brain networks mediated by low-frequency oscillations: electrophysiological dynamics during internal-external attention switching[J/OL]. Commun Biol, 2024, 7(1): 1105 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39251869/. DOI: 10.1038/s42003-024-06732-2.
[8]
SINGH-REILLY N, GRAFF-RADFORD J, MACHULDA M M, et al. Posterior cortical atrophy: reorganization of the dorsal attention network and its implications on volume loss and clinical performance[J/OL]. J Neurol, 2025, 272(11): 722 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41125855/. DOI: 10.1007/s00415-025-13466-6.
[9]
LOMBARDO D M, BECKMANN C F. The intrinsic connectivity between the default mode and dorsal attention networks is an independent fMRI biomarker of Alzheimer's disease pathology burden[J/OL]. NeuroImage, 2025, 321: 121509 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41061935/. DOI: 10.1016/j.neuroimage.2025.121509.
[10]
韦懿宸, 梁玲艳, 黎晓程, 等. 主观认知下降及轻度认知障碍患者默认网络的静息态fMRI研究[J]. 中国临床新医学, 2023, 16(4): 305-310. DOI: 10.3969/j.issn.1674-3806.2023.04.01.
WEI Y C, LIANG L Y, LI X C, et al. Study on a resting-state fMRI of default mode network in patients with subjective cognitive decline and mild cognitive impairment[J]. Chin J New Clin Med, 2023, 16(4): 305-310. DOI: 10.3969/j.issn.1674-3806.2023.04.01.
[11]
TRIPATHI V, BATTA I, ZAMANI A, et al. Default mode network functional connectivity as a transdiagnostic biomarker of cognitive function[J]. Biol Psychiatry Cogn Neurosci Neuroimaging, 2025, 10(4): 359-368. DOI: 10.1016/j.bpsc.2024.12.016.
[12]
YANG H, DONG C, CAI Y, et al. Advances in the use of structural and diffusion magnetic resonance imaging for characterizing SCD and MCI due to Alzheimer's disease[J/OL]. Front Neurosci, 2025, 19: 1596459 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40918977/. DOI: 10.3389/fnins.2025.1596459.
[13]
MARAFIOTI G, CULICETTO L, LATELLA D, et al. Neural correlates of subjective cognitive decline in Alzheimer's disease: a systematic review of structural and functional brain changes for early diagnosis and intervention[J/OL]. Front Aging Neurosci, 2025, 17: 1549134 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40336943/. DOI: 10.3389/fnagi.2025.1549134.
[14]
WATTERS H, DAVIS A, FAZILI A, DALEY L,et al. Infraslow dynamic patterns in human cortical networks track a spectrum of external to internal attention[J/OL]. bioRxiv: The Preprint Server for Biology, 2024: 2024.04.22.590625 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38712098/. DOI: 10.1101/2024.04.22.590625.
[15]
AMER T, ANDERSON J A E, CAMPBELL K L, et al. Age differences in the neural correlates of distraction regulation: a network interaction approach[J/OL]. NeuroImage, 2016, 139: 231-239 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/27338513/. DOI: 10.1016/j.neuroimage.2016.06.036.
[16]
彭思锐, 巴黎, 高榕, 等. 主观认知功能下降多模态神经影像学研究进展[J]. 神经损伤与功能重建, 2023, 18(12): 796-799. DOI: 10.16780/j.cnki.sjssgncj.20220732.
PENG S R, BA L, GAO R, et al. Research progress in multimodal neuroimaging of subjective cognitive decline[J]. Neural Inj Funct Reconstr, 2023, 18(12): 796-799. DOI: 10.16780/j.cnki.sjssgncj.20220732.
[17]
SHI Y, LI Y H, CI R, et al. Dynamic functional connectivity and transcriptomic signatures reveal stage-dependent brain network dysfunction in Alzheimer's disease spectrum[J/OL]. Alzheimers Res Ther, 2025, 17(1): 247 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41239516/. DOI: 10.1186/s13195-025-01898-1.
[18]
SHARMA N, MURARI G, VANDERMORRIS S, et al. Functional connectivity between the posterior default mode network and parahippocampal gyrus is disrupted in older adults with subjective cognitive decline and correlates with subjective memory ability[J]. J Alzheimers Dis, 2021, 82(1): 435-445. DOI: 10.3233/JAD-201579.
[19]
JIANG X Y, HU X C, DAAMEN M, et al. Altered limbic functional connectivity in individuals with subjective cognitive decline: Converging and diverging findings across Chinese and German cohorts[J]. Alzheimers Dement, 2023, 19(11): 4922-4934. DOI: 10.1002/alz.13068.
[20]
PIEVANI M, RIBALDI F, TOUSSAS K, et al. Resting-state functional connectivity abnormalities in subjective cognitive decline: a 7T MRI study[J/OL]. Neurobiol Aging, 2024, 144: 104-113 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39305703/. DOI: 10.1016/j.neurobiolaging.2024.09.007.
[21]
陈钱, 陆加明, 青钊, 等. 基于模块化的主观认知减退人群静息态皮质网络连接组学研究[J]. 中华内科杂志, 2021, 60(2): 122-127. DOI: 10.3760/cma.j.cn112138-20200422-00408.
CHEN Q, LU J M, QING Z, et al. Community-informed connectomics of cortical intrinsic organization in subjective cognitive decline[J]. Chin J Intern Med, 2021, 60(2): 122-127. DOI: 10.3760/cma.j.cn112138-20200422-00408.
[22]
XU X W, CHEN P Y, XIANG Y S, et al. Altered pattern analysis and identification of subjective cognitive decline based on morphological brain network[J/OL]. Front Aging Neurosci, 2022, 14: 965923 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/36034138/. DOI: 10.3389/fnagi.2022.965923.
[23]
LIU Y, LI Z Y, JIANG X Y, et al. Differences in functional brain networks between subjective cognitive decline with and without worry groups: a graph theory study from SILCODE[J]. J Alzheimers Dis, 2021, 84(3): 1279-1289. DOI: 10.3233/JAD-215156.
[24]
郝尚慈, 席芊. 主观认知下降的影像学研究进展[J]. 同济大学学报(医学版), 2020, 41(6): 811-816. DOI: 10.12289/j.issn.1008-0392.20399.
HAO S C, XI Q. Research progresses on imaging of subjective cognitive decline in Alzheimer's disease[J]. J Tongji Univ Med Sci, 2020, 41(6): 811-816. DOI: 10.12289/j.issn.1008-0392.20399.
[25]
PEREIRA-OBILINOVIC U, FROUDIST-WALSH S, WANG X J. Cognitive network interactions through communication subspaces in large-scale models of the neocortex[J/OL]. bioRxiv, 2024, [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39554020/. DOI: 10.1101/2024.11.01.621513.
[26]
CHUMIN E J, CUTTS S A, RISACHER S L, et al. Edge time series components of functional connectivity and cognitive function in Alzheimer's disease[J/OL]. medRxiv, 2023: 2023.05.13.23289936 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38014005/. DOI: 10.1101/2023.05.13.23289936.
[27]
TANAKA S, SAIDA K, MURAYAMA A, et al. Longitudinal association between persistent subjective cognitive decline and frailty progression: a three-year study[J]. Adv Gerontol, 2025, 15(2): 81-89. DOI: 10.1134/S2079057025600211.
[28]
CAPPA S F, RIBALDI F, CHICHERIO C, et al. Subjective cognitive decline: Memory complaints, cognitive awareness, and metacognition[J]. Alzheimers Dement, 2024, 20(9): 6622-6631. DOI: 10.1002/alz.13905.
[29]
SAMPATAKAKIS S N, MOURTZI N, CHARISIS S, et al. Cerebral amyloidosis in individuals with subjective cognitive decline: from genetic predisposition to actual cerebrospinal fluid measurements[J/OL]. Biomedicines, 2024, 12(5): 1053 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38791015/. DOI: 10.3390/biomedicines12051053.
[30]
PERETTI D E, RIBALDI F, SCHEFFLER M, et al. Prognostic value of imaging-based ATN profiles in a memory clinic cohort[J]. Eur J Nucl Med Mol Imaging, 2023, 50(11): 3313-3323. DOI: 10.1007/s00259-023-06311-3.
[31]
LI Z Y, SUN Y X, LI T, et al. The impact of amyloid beta burden on white matter dysfunction and associated transcriptomic signatures in cognitively normal elderly individuals[J/OL]. Alzheimers Dement (Amst), 2025, 17(4): e70192[2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41104121/. DOI: 10.1002/dad2.70192.
[32]
SHPAKIVSKA-BILAN D, SUSI G, ZHOU D W, et al. High-power transient 12-30 Hz beta event features as early biomarkers of Alzheimer's disease conversion: an MEG study[J/OL]. Imaging Neurosci (Camb), 2025, 3: IMAG.a.69 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40800811/. DOI: 10.1162/IMAG.a.69.
[33]
LI Y X, WANG L Y, ZHONG J Y, et al. Impaired glymphatic function as a biomarker for subjective cognitive decline: an exploratory dual cohort study[J]. Alzheimers Dement, 2024, 20(9): 6542-6555. DOI: 10.1002/alz.14149.
[34]
XU Q Q, YANG J J, CHENG F, et al. Changes in multiparametric magnetic resonance imaging and plasma amyloid-beta protein in subjective cognitive decline[J/OL]. Brain Sci, 2023, 13(12): 1624 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38137072/. DOI: 10.3390/brainsci13121624.
[35]
GOELMAN G, DAN R, BEZDICEK O, et al. Directed functional connectivity of the default-mode-network of young and older healthy subjects[J/OL]. Sci Rep, 2024, 14(1): 4304 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38383579/. DOI: 10.1038/s41598-024-54802-6.
[36]
NAKHLA M Z, BANGEN K J, SCHIEHSER D M, et al. Greater subjective cognitive decline severity is associated with worse memory performance and lower entorhinal cerebral blood flow in healthy older adults[J]. J Int Neuropsychol Soc, 2024, 30(1): 1-10. DOI: 10.1017/S1355617723000115.
[37]
CHENG Y Y, LAI L H, LUO J Q, et al. Association of intracranial plaque features with the severity of white matter hyperintensities in middle-aged and older community-dwelling adults[J/OL]. Biomedicines, 2025, 13(10): 2553 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41153832/. DOI: 10.3390/biomedicines13102553.
[38]
LIU R Y, WU W H, YE Q, et al. Distinctive and pervasive alterations of functional brain networks in cerebral small vessel disease with and without cognitive impairment[J]. Dement Geriatr Cogn Disord, 2019, 47(1/2): 55-67. DOI: 10.1159/000496455.
[39]
YU X H, LI X R, DU Z R, et al. Effects of non-pharmacological interventions for adults with subjective cognitive decline: a network meta-analysis and component network meta-analysis[J/OL]. BMC Med, 2024, 22(1): 272 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38937777/. DOI: 10.1186/s12916-024-03491-z.
[40]
MOK V C T, CAI Y, MARKUS H S. Vascular cognitive impairment and dementia: Mechanisms, treatment, and future directions[J]. Int J Stroke, 2024, 19(8): 838-856. DOI: 10.1177/17474930241279888.
[41]
REN S H, HU J C, HUANG L, et al. Graph analysis of functional brain topology using minimum spanning tree in subjective cognitive decline[J]. J Alzheimers Dis, 2022, 90(4): 1749-1759. DOI: 10.3233/JAD-220527.
[42]
FAN S J, WANG Y X, WANG Y, et al. Revisiting resting-state functional connectivity of the amygdala and subgenual anterior cingulate cortex in adolescents and adults with depression[J]. Biol Psychiatry Cogn Neurosci Neuroimaging, 2025, 10(7): 759-768. DOI: 10.1016/j.bpsc.2024.11.004.
[43]
LYNCH C J, ELBAU I G, NG T, et al. Frontostriatal salience network expansion in individuals in depression[J]. Nature, 2024, 633(8030): 624-633. DOI: 10.1038/s41586-024-07805-2.
[44]
TANG L L, ZHAO P F, PAN C Y, et al. Epigenetic molecular underpinnings of brain structural-functional connectivity decoupling in patients with major depressive disorder[J/OL]. J Affect Disord, 2024, 363: 249-257 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39029702/. DOI: 10.1016/j.jad.2024.07.110.
[45]
ERIKSSON C M, KIRSEBOM B E, ESPENES R, et al. Depressive symptoms are not associated with predementia cerebrospinal fluid amyloid pathology[J]. Dement Geriatr Cogn Dis Extra, 2024, 14(1): 40-48. DOI: 10.1159/000539284.
[46]
QIU H, ZHANG L Q, GAO Y X, et al. Functional connectivity of the default mode network in first-episode drug-naïve patients with major depressive disorder[J/OL]. J Affect Disord, 2024, 361: 489-496 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38901692/. DOI: 10.1016/j.jad.2024.06.063.
[47]
NELSON J C, GANDELMAN J A, MACKIN R S. A systematic review of antidepressants and psychotherapy commonly used in the treatment of late life depression for their effects on cognition[J]. Am J Geriatr Psychiatry, 2025, 33(3): 287-304. DOI: 10.1016/j.jagp.2024.08.015.
[48]
ALEXANDER L, BECK K, BOCHAROVA M, et al. Late-life affective disorders and risk of progression to dementia: retrospective cohort study of patients in secondary care[J]. Br J Psychiatry, 2026, 228(4): 304-310. DOI: 10.1192/bjp.2025.45.
[49]
LISTA S, MOLINUEVO J L, CAVEDO E, et al. Evolving evidence for the value of neuroimaging methods and biological markers in subjects categorized with subjective cognitive decline[J/OL]. J Alzheimers Dis, 2015, 48(Suppl 1): S171-S191 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/26402088/. DOI: 10.3233/JAD-150202.
[50]
李晓陵, 蔡丽娜, 崔璇, 等. 遗忘型轻度认知障碍的磁共振成像研究进展[J]. 磁共振成像, 2021, 12(11): 94-96. DOI: 10.12015/issn.1674-8034.2021.11.023.
LI X L, CAI L N, CUI X, et al. Magnetic resonance research progress in amnestic mild cognitive impairment[J]. Chin J Magn Reson Imaging, 2021, 12(11): 94-96. DOI: 10.12015/issn.1674-8034.2021.11.023.
[51]
TANG W, ZENG Q H, XIE K Q, et al. Disrupted brain networks underlying high-fidelity memory retrieval in subjective cognitive decline: a task-based fMRI study[J/OL]. Alzheimers Dement, 2025, 21(2): e14431 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39732511/. DOI: 10.1002/alz.14431.
[52]
WANG L Y, HU W J, WANG H X, et al. Different stimulation targets of rTMS modulate specific triple-network and hippocampal-cortex functional connectivity[J]. Brain Stimul, 2024, 17(6): 1256-1264. DOI: 10.1016/j.brs.2024.11.003.
[53]
YANG S Q, BAO Q N, ZHONG W Q, et al. Acupuncture on post-stroke cognitive impairment: a systematic review of neuroimaging studies[J/OL]. J Multidiscip Healthc, 2025, 18: 6391-6410 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/41064333/. DOI: 10.2147/JMDH.S544389.
[54]
GE H L, CHEN S S, CHE Z G, et al. rTMS regulates homotopic functional connectivity in the SCD and MCI patients[J/OL]. Front Neurosci, 2023, 17: 1301926 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/38075270/. DOI: 10.3389/fnins.2023.1301926.
[55]
郝小路, 周娜, 刘安国, 等. 音乐疗法干预轻度认知障碍机制的研究进展[J]. 中外医学研究, 2023, 21(13): 171-175. DOI: 10.14033/j.cnki.cfmr.2023.13.043.
HAO X L, ZHOU N, LIU A G, et al. Advances in research on the mechanisms of music therapy for mild cognitive impairment[J]. Chin Foreign Med Res, 2023, 21(13): 171-175. DOI: 10.14033/j.cnki.cfmr.2023.13.043.
[56]
GOZDAS E, AVELAR-PEREIRA B, FINGERHUT H, et al. Long-term cognitive training enhances fluid cognition and brain connectivity in individuals with MCI[J/OL]. Transl Psychiatry, 2024, 14(1): 447 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39443463/. DOI: 10.1038/s41398-024-03153-x.
[57]
CHENG W, WANG M Y, LI M Y. Acupuncture for poststroke cognitive impairment based on default mode network analysis: protocol for a randomized controlled trial[J/OL]. JMIR Res Protoc, 2025, 14: e74981 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/40939166/. DOI: 10.2196/74981.
[58]
LUO Z Y, LI W X, JIANG J T, et al. Effect of acupuncture on cognitive function in patients with post-stroke cognitive impairment: a systematic review and meta-analysis[J/OL]. Brain Behav, 2024, 14(10): e70075 [2026-02-12]. https://pubmed.ncbi.nlm.nih.gov/39402813/. DOI: 10.1002/brb3.70075.

上一篇 磁共振成像技术在慢性疼痛伴痛情绪神经机制中的研究进展
下一篇 帕金森病患者深部核团的结构与功能MRI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