0 引言

       随着社会老龄化程度加剧，与年龄密切相关的脑小血管病（cerebral small vessel disease, CSVD）患病率显著升高。CSVD是由脑内小血管病变所致的临床表现和神经影像特征性改变，可以导致不同程度认知障碍。CSVD导致的血管性认知障碍占比达到50%~70%^[1]。如果早期不进行有效干预，有可能进展为不可逆的痴呆。然而，CSVD起病隐匿，早期临床症状缺乏特异性，患者认知仍处于正常水平，很容易忽视病情，错过最佳干预时间^[2]。因此，探究CSVD伴认知障碍（CSVD with cognitive impairment, CSVD-CI）的发病机制和早期影像学标志物对临床治疗决策的制订至关重要。

       一项多中心研究证实，皮质和皮质下萎缩可能是皮质下缺血性脑血管病患者认知下降的独立影响因素^[3]。研究表明^[4]，CSVD-CI与特定区域（如额颞叶、丘脑、海马和杏仁核）灰质体积减小有关。大量研究证实，轻度认知障碍（mild cognitive impairment, MCI）和阿尔茨海默病（Alzheimer's disease, AD）患者的海马体积比正常老年人明显减小^[5]。然而，有研究发现，MCI老年患者海马体积增大，而正常老年人海马萎缩^[6]。之前普遍认为，杏仁核主要影响情绪控制，近来研究发现还涉及新的认知领域，如记忆及社会认知等方面^[7]。功能磁共振成像脑网络分析揭示了CSVD患者早期出现杏仁核与前额叶功能连接减弱，可能预测未来认知下降^[8]。以往将杏仁核视为一个整体来研究的结果也存在争议，有研究认为MCI患者右侧杏仁核萎缩，另有研究认为，MCI患者与正常对照（normal control, NC）杏仁核体积未见明显变化^{[9, 10, 11]}。

       最新研究基于人工智能（artificial intelligence, AI）和磁共振薄层扫描，在亚区层面上研究海马和杏仁核的详细微观结构，提高结果准确性。研究表明，与整体海马或内侧颞叶体积相比，海马亚区体积特异度和敏感度更高^[12]。有研究^[13]发现，轻度皮质下血管性认知障碍患者下托、前下托和齿状回存在明显萎缩。大多数研究将杏仁核作为一个整体，研究结果不一致，自动脑区分割技术的出现使得研究模型从整体转向亚区层面，进一步证实杏仁核亚区体积是否与认知相关。WEI等^[14]认为，与NC相比，MCI患者杏仁核基底外侧部和基底内侧部萎缩最严重。杏仁核基底外侧部与额叶、海马及感觉皮层存在广泛的神经投射，而这些部位在情绪与认知加工中承担核心任务^[15]。以往研究^{[16, 17, 18]}累积证明，杏仁核基底外侧亚区可视为CSVD认知功能的关键脑区，参与情感和认知加工。然而，CSVD-CI的发病机制至今仍未完全阐明，需要更进一步研究证实。

       认知功能障碍在CSVD中很常见，但具有敏感性的脑区水平MRI生物标志物仍较为匮乏。本研究通过验证基于AI的海马及杏仁核亚区体积自动分割指标对CSVD-CI患者的筛选价值，旨在为阐明发病机制提供重要见解，为临床实践中早期、精准识别CSVD-CI提供参考依据。

1 材料与方法

1.1 研究对象

       回顾性纳入2025年2月至2025年10月在山西省心血管病医院神经内科确诊的76例CSVD患者[其中CSVD-CI 38例，CSVD不伴认知障碍（CSVD with non-cognitive impairment, CSVD-nCI）38例]作为患者组，另外选取同期来院进行健康体检且性别和受教育年限与患者组相匹配的38例健康者作为NC组。本研究遵守《赫尔辛基宣言》，经我院伦理委员会批准，免除受试者知情同意，批准文号：2025xxg641。

       CSVD-CI组纳入标准：（1）年龄50~80岁。（2）符合脑小血管病MRI规范化应用专家共识^[19]对于CSVD的诊断标准。（3）存在主观认知障碍主诉。（4）MoCA量表评分的受教育年限分层阈值为1~6年≤19；7~12年<25；12年以上<26；MMSE量表评分的受教育年限分层阈值为1~6年≤20；7~12年<24；12年以上<27。（5）临床痴呆评定（Clinical Dementia Rating, CDR）量表评分≥0.5。

       CSVD-nCI组纳入标准：（1）年龄50~80岁。（2）符合脑小血管病MRI规范化应用专家共识^[19]对于CSVD的诊断标准。（3）无认知障碍主诉。（4）MoCA量表评分的受教育年限分层阈值为1~6年>19；7~12年≥25；12年以上≥26；MMSE量表评分的受教育年限分层阈值为1~6年>20；7~12年≥24；12年以上≥27。（5）CDR评分=0。

       NC组纳入标准：（1）年龄50~80岁。（2）常规MRI图像没有异常病灶。（3）无认知障碍主诉。（4）MoCA量表评分的受教育年限分层阈值为1~6年>19；7~12年≥25；12年以上≥26；MMSE量表评分的受教育年限分层阈值为1~6年>20；7~12年≥24；12年以上≥27。（5）CDR评分=0。

       所有被试排除标准：（1）存在症状性大动脉狭窄（如颈动脉狭窄>50%）或近期急性脑血管事件，如症状性缺血性或出血性脑卒中；（2）其他重大神经系统疾病，如阿尔茨海默症、多发性硬化、脑肿瘤、脑积水等；（3）近期接受过影响认知功能的药物治疗。

1.2 MRI扫描参数和数据处理

1.2.1 扫描参数

       本研究采用1.5 T磁共振扫描仪（中国，联影uMR588），8通道阵列线圈进行数据收集。MRI扫描方案见表1。

点击查看表格

表1  MRI扫描参数
Tab. 1  MRI scanning parameters

1.2.2 数据处理

       使用联影uAI脑分割软件20250730-release版本对被试海马和杏仁核亚区体积变化进行定量分析。每个半球海马分为12个亚区：旁下托、前下托、下托、CA1、CA3、CA4、齿状回、海马杏仁核过渡区（hippocampal-amygdalar transition area, HATA）、海马伞、海马分子层、海马尾、海马裂。每个半球杏仁核包括9个亚区：外侧部、基底部、中央部、内侧部、皮质部、副基底部、皮质过渡区、前部、副层（即“旁层核”）。3D可视化海马和杏仁核亚区见图1, 图2。对CSVD的六大影像学征象（包括新发小的皮质下梗死、血管源性腔隙、脑白质高信号病变、微出血、血管周围间隙异常扩张以及脑萎缩）进行精准定位，精细定量。本文重点分析WMH体积。

点击查看大图

图1  3D可视化海马亚区图。
Fig. 1  3D visualization map of hippocampal subfields.

点击查看大图

图2  3D可视化杏仁核亚区图。
Fig. 2  3D visualization map of amygdalar subfields.

1.3 样本量估算

       样本量估算采用G*Power 3.1.9.7软件完成。考虑本研究主要分析校正年龄、性别、受教育年限及颅内容积后三组间海马及杏仁核亚区体积差异，因此选择F tests中的ANCOVA（fixed effects, main effects and interactions）模型。设定组数为3，协变量数为4，效应量f=0.30，α=0.05，检验效能1-β=0.80，分子自由度为2。结果显示所需总样本量约为111例。本研究共纳入114例受试者，每组38例，满足主要ANCOVA分析的样本量要求。

1.4 统计学分析

       所有数据分析在Python 3.10.18 (https://www.python.org/downloads/release/python-31018/)中实现。

1.4.1 临床变量

       连续变量（年龄、受教育年限、MoCA评分）：各组数据的正态性通过Shapiro–Wilk检验评估，方差齐性通过Levene检验评估。当三组数据均满足正态性与方差齐性时，采用单因素方差分析（ANOVA）；若方差不齐但满足正态性，则采用Welch方差分析；任一组不符合正态分布则采用Kruskal-Wallis检验。当ANCOVA主效应显著（P<0.05）时，进一步基于协变量调整后的估计边际均值进行成对t对比检验，并采用Bonferroni方法校正多重比较（修正显著性阈值α=0.05/3≈0.016 7）。

       分类变量（性别、高血压、糖尿病、吸烟、饮酒）：根据期望频数情况采用卡方检验或 Fisher精确检验比较三组间分布差异。当总体卡方检验结果显著（P<0.05）时，进一步进行Bonferroni校正的两两比较（修正显著性阈值α=0.05/3≈0.016 7），两两比较采用卡方检验或 Fisher精确检验。

1.4.2 脑区参数（海马和杏仁核亚区）

       采用协方差分析（ANCOVA）比较三组（NC组、CSVD-nCI、CSVD-CI组）在各脑区体积参数上的差异，协变量包括年龄、性别、受教育年限和全脑容积（total intracranial volume, TIV）。使用Shapiro-Wilk检验评估正态性，若不符合正态分布，对数据进行log10转换以近似正态分布。对主效应进行FDR校正，筛选出显著脑区, 对主效应显著（P<0.05）的脑区再进行Bonferroni校正的两两比较t检验（α=0.05/3≈0.016 7）。将经FDR校正后差异仍具有统计学意义的结果定义为主要结果，并作为后续多因素分析的候选变量。仅在未校正分析中差异具有统计学意义的结果定义为探索性结果，用于补充性报告和趋势性解释。

1.4.3 WMH体积

       WMH体积使用和脑区体积同样的处理方式。

1.4.4 线性回归分析

       偏相关分析：三组FDR校正后差异有统计学意义的脑区体积、WMH体积与MoCA、MMSE评分做偏相关分析，并做Bonferroni校正（修正显著性阈值α=0.05/2=0.025）。协变量：年龄、性别、受教育年限、TIV。

       多因素线性回归：对上述偏相关分析差异有统计学意义的因子做多因素线性回归。以MoCA、MMSE评分作为因变量，所有候选因子作为自变量，同时纳入协变量：年龄、性别、受教育年限、TIV。除此之外，将其他3组差异有统计学意义的临床因子也纳入协变量。

1.4.5 ROC曲线

       首先，对于多因素分析里的显著因子，采用基于NC组的残差调整法。本研究中使用基于NC组的残差调整体积，并非单纯比较两个患者亚组之间的原始体积差异，而是为了在校正年龄、性别和TIV等因素后，量化每位CSVD患者相对于健康人群预期正常体积的异常偏离程度。因此，残差调整值反映的是“相对于正常常模的体积偏离程度”。我们进一步评估这种偏离正常常模的结构异常程度是否能够识别CSVD患者中的认知损害。首先，以NC组数据建立常模回归模型，将差异有统计学意义的因子的指标设为因变量，年龄、性别、受教育年限及TIV设为协变量。随后，利用该模型的回归系数计算全样本的预期理论体积，得到调整残差（即实际体积与预期体积之差）。

       其次，为直接评估原始亚区体积对CSVD-CI与CSVD-nCI的区分能力，我们进行了基于原始体积的ROC曲线分析作为敏感性分析。若年龄、性别和颅内容积校正未实质性改变该指标对CSVD认知损害的区分能力，考虑到原始体积可直接由影像后处理获得，具有更好的可解释性和可操作性，进一步基于原始体积的ROC曲线分析采用约登指数确定识别 CSVD认知损害的最佳截断值，以探索原始右侧杏仁核皮质部体积与WMH体积的CSVD-CI与CSVD-nCI的诊断效能。此时，为评估原始右侧杏仁核皮质部体积与WMH体积的联合效能，进一步构建二变量logistic回归模型。Logistic模型采用前进法，将nCI和CI标签作为因变量（分别对应0和1），将原始右侧杏仁核皮质部体积和WMH 体积作为自变量纳入模型。模型输出的预测概率作为联合指标，用于绘制联合ROC曲线并计算AUC。联合模型的最佳截断值同样采用约登指数最大原则确定。

       为评估联合模型的校准性能及临床增量价值，进一步进行了校准曲线和决策曲线分析（decision curve analysis, DCA）。由于校准曲线和DCA均需要基于预测概率进行分析，而原始右侧杏仁核皮质部体积与WMH体积本身并非概率值，因此首先分别建立单变量 logistic回归模型，将右侧杏仁核皮质部体积和WMH体积转换为认知损害的预测概率。对于单个连续指标，logistic转换属于单调变换，因此不会改变样本排序，其AUC与基于原始指标计算的AUC保持一致。联合模型则基于包含右侧杏仁核皮质部体积和WMH体积的二变量logistic回归模型构建，其输出本身即为认知损害的预测概率。随后使用上述预测概率分别绘制校准曲线和DCA曲线，以评估模型校准度和临床净获益。

2 结果

2.1 临床基线信息

       CSVD-CI组和CSVD-nCI组年龄均大于NC组，差异有统计学意义（P<0.05）。CSVD-CI组高血压占比多于NC组，差异有统计学意义（P<0.05）。CSVD-CI组MoCA评分低于CSVD-nCI组和NC组，差异有统计学意义（P<0.001）。三组性别、受教育年限、糖尿病、吸烟、饮酒差异无统计学意义（P>0.05）。以上见表2。

点击查看表格

表2  临床基线信息
Tab. 2  Baseline clinical information

2.2 海马和杏仁核亚区体积组间差异

       右侧海马（分子层、CA3区）、右侧杏仁核（皮质部、前部、副基底部、皮质过渡区）体积、WMH体积三组比较差异有统计学意义（P<0.05），右侧杏仁核皮质部、WMH体积在三组主效应经FDR校正后差异仍有统计学意义（P<0.05）。两两比较结果显示，CSVD-CI组右侧海马（分子层、CA3区）、右侧杏仁核（皮质部、前部、副基底部、皮质过渡区）体积比NC组减小，差异有统计学意义（均P<0.05）。与CSVD-nCI组、NC组相比，CSVD-CI组右侧海马CA3区、右侧杏仁核皮质部体积减小，差异有统计学意义（均P<0.05）。以上见图3。

点击查看大图

图3  海马、杏仁核两两比较差异显著的亚区体积。**表示P<0.01；*表示P<0.05。NC：正常对照；CSVD-nCI：脑小血管病不伴认知障碍；CSVD-CI：脑小血管病伴认知障碍。
Fig. 3  Volumes of different subfields in the hippocampus and amygdala. **: P < 0.01; *: P < 0.05. NC: normal control; CSVD-nCI: cerebral small vessel disease with non-cognitive impairment; CSVD-CI: cerebral small vessel disease with cognitive impairment.

2.3 线性回归分析

2.3.1 偏相关分析

       右侧杏仁核皮质部体积减小（r=0.346，P<0.001；r=0.330，P<0.001）、WMH体积增加（r=-0.737，P<0.001；r=-0.684，P<0.001）分别与CSVD患者MoCA、MMSE评分减低相关（表3, 表4）。

点击查看表格

表3  三组FDR校正后显著差异指标与MoCA量表评分偏相关分析结果
Tab. 3  Partial correlation analysis results between indicators with significant differences after FDR correction in three groups and MoCA scale score

点击查看表格

表4  三组FDR校正后有差异指标与MMSE量表评分偏相关分析结果
Tab. 4  Partial correlation analysis results between indicators with significant differences after FDR correction in three groups and and MMSE scale score

2.3.2 多因素线性回归分析

       调整了混杂因素后，右侧杏仁核皮质部、WMH体积仍与MoCA、MMSE量表评分呈显著相关性。右侧杏仁核皮质部体积越小、WMH体积越大，与MoCA、MMSE量表评分减低有关（表5, 表6）。

点击查看表格

表5  多因素线性回归分析（MoCA量表评分为因变量）
Tab. 5  Multi-factor linear regression analysis (MoCA scale score is a dependent variable)

点击查看表格

表6  多因素线性回归分析（MMSE量表评分为因变量）
Tab. 6  Multi-factor linear regression analysis (MMSE scale score is a dependent variable)

2.4 ROC曲线分析

       基于残差调整后体积与原始体积区分CSVD-CI与CSVD-nCI的ROC曲线分析结果显示，右侧杏仁核皮质部体积的AUC分别为0.662（95% CI：0.539~0.785）和0.664（95% CI：0.541~0.788）；WMH体积的AUC均为0.855（95% CI：0.763~0.946）（图4）。

       原始右侧杏仁核皮质部体积区分CSVD-CI与CSVD-nCI的敏感度为66%，特异度为74%，WMH体积区分CSVD-CI与CSVD-nCI的敏感度为74%，特异度为92%。将右侧杏仁核皮质部体积与WMH构建联合预测模型后，整体鉴别效能进一步提升，AUC=0.884（95% CI：0.800~0.967），模型敏感度为79%，特异度为92%。以上见图5。

点击查看大图

图4  基于残差调整后体积区分CSVD-CI与CSVD-nCI的ROC曲线。CSVD-nCI：脑小血管病不伴认知障碍；CSVD-CI：脑小血管病伴认知障碍；ROC：受试者工作特征；AUC：曲线下面积。
Fig. 4  ROC curve for distinguishing CSVD-CI from CSVD-nCI based on residual-adjusted volume. CSVD-nCI: cerebral small vessel disease with non-cognitive impairment; CSVD-CI: cerebral small vessel disease with cognitive impairment; ROC: receiver operating characteristic; AUC: area under the curve.

点击查看大图

图5  基于原始体积区分CSVD-CI与CSVD-nCI的ROC曲线。CSVD-nCI：脑小血管病不伴认知障碍；CSVD-CI：脑小血管病伴认知障碍；ROC：受试者工作特征；AUC：曲线下面积。
Fig. 5  ROC curve for distinguishing CSVD-CI from CSVD-nCI based on raw volume. CSVD-nCI: cerebral small vessel disease with non-cognitive impairment; CSVD-CI: cerebral small vessel disease with cognitive impairment; ROC: receiver operating characteristic; AUC: area under the curve.

2.5 校准曲线和DCA

       校准曲线显示，WMH 体积模型和联合模型的预测概率与实际观察概率总体较为接近，而右侧杏仁核皮质部体积单独模型的校准表现相对较弱。Brier分数分别为0.150、0.142和 0.230，提示联合模型较WMH单独模型具有轻度改善的整体预测准确性（图6）。

       DCA结果显示，WMH体积模型和联合模型在较宽阈值概率范围内均具有正向净获益。联合模型在低至中等阈值概率范围内较WMH单独模型具有更高净获益，但提升幅度较小（图7）。

点击查看大图

图6  校准曲线。WMH：白质高信号；AUC：曲线下面积。
Fig. 6  Calibration curve. WMH: white matter hyperintensities; AUC: area under the curve.

点击查看大图

图7  DCA曲线。DCA：决策曲线分析；WMH：白质高信号。
Fig. 7  DCA curve. DCA: decision curve analysis; WMH: white matter hyperintensities.

3 讨论

       本研究通过AI脑区分割技术联合高分辨率3D-T1 MRI，对CSVD患者海马和杏仁核亚区萎缩与认知障碍的相关性进行深入探讨，分析CSVD-CI、CSVD-nCI和NC组海马和杏仁核亚区体积、WMH体积差异，并进一步分析差异亚区体积、WMH体积分别与MoCA、MMSE量表评分的相关性，采用ROC曲线进一步判断差异亚区体积、WMH体积对CSVD-CI和CSVD-nCI的诊断效能，得出右侧杏仁核皮质部和WMH体积与CSVD患者认知水平相关，揭示了CSVD患者特定脑区萎缩与认知障碍的相关性，为临床提供了潜在影像学标志物，为后续研究提供了理论支撑。

3.1 被试一般资料和组间差异分析

       研究发现，随着年龄增长，高血压、CSVD患病率显著上升，这反映出其发病与年龄高度相关^[20]。另有研究^[21]发现，CSVD的严重程度与高血压患病率增加相关。本研究进一步证实了上述发现，CSVD组年龄显著大于NC组，CSVD-CI组高血压患病率显著高于NC组，CSVD-CI患者MoCA评分显著低于无认知障碍组。可能的机制为高血压对颅内小微动静脉及毛细血管内壁冲击，造成血管内膜损伤，引发小血管缺血和硬化、自我调节能力降低，导致管腔狭窄、血流动力学紊乱，进而引起CSVD，由此推测血管危险因素可能是CSVD的发病机制之一^[22]，通过调整生活方式和饮食习惯、控制血压或许能延缓CSVD相关的认知衰退。

3.2 海马和杏仁核亚区体积的组间差异及对认知功能的影响

       本研究发现，CSVD-CI组右侧海马（分子层、CA3区）以及右侧杏仁核（皮质部、前部、副基底部、皮质过渡区）体积比NC组减小。与CSVD-nCI、NC组相比，CSVD-CI组右侧海马CA3区、右侧杏仁核皮质部体积显著减小。先前研究表明，海马和杏仁核的不同亚区具有特定的细胞特性，在不同的认知加工中承担不同分工^{[23, 24]}。

       HUANG等^[25]研究证实，与SIVD-CU组相比，SIVD-CI组左侧CA2/CA3区、右侧旁下托体积显著减小。KESNER等^[26]研究发现，CSVD-CI患者海马下托、CA1区、CA4区、分子层和齿状回萎缩。此外，CAREY等^[27]研究表明，与NC-SIVD患者相比，SIVD-CI患者右侧下托、CA1区、前下托及海马分子层体积更小。CA3区接收经齿状回模式分离处理后的神经信号，并且是记忆提取过程中的核心区域^{[28, 29]}。值得注意的是，海马分子层是齿状回的一部分，且富含从内嗅皮层传递感觉信息的纤维，对注意力和规划等高级执行功能至关重要，分子层萎缩与情景记忆表现较差相关^{[26, 30]}。本研究发现，CSVD-CI组右侧海马分子层体积较NC组减小，与CSVD-nCI组、NC组相比，右侧海马CA3区体积减小，与以往研究结果一致，说明右侧海马分子层及右侧海马CA3区对CSVD患者认知障碍的发生有重要预测作用。研究^[25]发现，即使认知正常的CSVD患者也可能存在海马体积减小的情况，这表明海马萎缩发生在记忆障碍之前，更加突出早期筛查影像学标志物的重要性。

       杏仁核作为与海马体相连的主要边缘结构，在情绪与认知之间发挥着重要作用^{[31, 32]}。已有研究^{[33, 34]}表明，杏仁核可能是识别CSVD早期认知障碍的潜在影像学标志物。左侧杏仁核基底部和副基底部与情绪加工和情绪记忆的存储有关^{[35, 36]}。本研究发现，与NC组相比，CSVD-CI组右侧杏仁核皮质部、副基底部体积减小，与CSVD-nCI组、NC组相比，CSVD-CI组右侧杏仁核皮质部体积减小，多因素线性回归分析结果显示，调整混杂因素后，右侧杏仁核皮质部仍与CSVD-CI显著相关，与以往一些研究^{[9, 10]}一致。以往研究显示，MCI患者右侧杏仁核体积减小。然而，有研究^[37]指出，左侧杏仁核皮质部萎缩与CSVD进展显著相关，导致认知控制和加工能力下降，可能是因为CSVD患者杏仁核体积存在异质性。

3.3 WMH对认知功能的影响

       以往关于中介效应分析^[38]的研究显示，WMH被视为CSVD进展的重要影像学标志物，在年龄与灰质体积之间发挥中介作用，表明在血管老化到灰质萎缩这一退变过程中，WMH起到关键作用，这一发现从病理生理层面揭示了CSVD中与年龄相关的灰质萎缩。脑室周围白质通过联合纤维和投射纤维与跨区域脑结构建立联系，大脑白质对缺血的易感性使其容易发生神经元坏死、轴突丢失和脱髓鞘，一旦这些结构被破坏，就会损害该路径中的通讯连接和营养供应，导致远端脑灰质萎缩^{[39, 40, 41]}。ZENG等^[42]发现，WMH的严重程度与工作记忆得分呈显著负相关。RIZVI等^[43]进一步研究得出，皮层萎缩可能介导WMH体积对整体认知的影响。PHUAH等^[44]研究得出，左侧杏仁核皮质部萎缩速度可能是CSVD相关认知衰退的早期预测指标，与WMH体积增加相关。以上发现与本研究结果一致，本研究发现，与CSVD-nCI、NC组相比，CSVD-CI组右侧海马CA3区、右侧杏仁核皮质部体积显著减小。通过偏相关分析和多因素线性回归分析发现，右侧杏仁核皮质部体积、WMH体积与MoCA评分显著相关，说明右侧杏仁核特定亚区退变和WMH体积增加共同为CSVD-CI的风险预测因素。可能的机制是CSVD患者脑穿支动脉闭塞和神经炎症，破坏了海马和杏仁核亚区与内嗅皮层、前额叶之间的白质纤维连接，导致继发性变性和远端损伤，最终导致认知衰退^{[45, 46]}。本研究发现，特定海马和杏仁核亚区体积可作为CSVD-CI的神经影像学标志物，结合WMH负荷增加，提示脱髓鞘与轴突损伤可能协同驱动灰质结构退化。该结果进一步支持CSVD是一种全脑性疾病，局灶性白质损伤通过中断长程神经传导通路，诱导远端灰质萎缩，最终导致多维度认知功能障碍^[47]。

3.4 ROC曲线分析

       基于残差调整后的右侧杏仁核皮质部体积对区分CSVD-CI与CSVD-nCI患者有统计学意义，但区分效能偏低。特异度高达97%，对无认知障碍CSVD人群的排除能力优异；但敏感度仅29%，漏诊率高达71%。因此，该指标仅可作为辅助补充标志物，无法单独作为诊断标准。WMH负荷用于区分伴与不伴认知障碍的CSVD患者具有良好的鉴别效能（AUC=0.855，95% CI：0.763~0.946）。该指标敏感度74%，可检出74%的CSVD合并认知障碍患者，初筛价值良好；特异度高达92%，对无认知障碍的单纯CSVD人群具备极强的排除能力。原始右侧杏仁核皮质部体积区分CSVD-CI与CSVD-nCI的敏感度为66%。右侧杏仁核皮质部体积与WMH构建联合预测模型后，整体鉴别效能进一步提升，提示原始右侧杏仁核皮质部体积可能具有补充识别价值，有助于减少仅依据WMH负荷进行判断时对认知损害患者的漏诊。

3.5 校准曲线和DCA

       联合模型有限的校准曲线和低至中等阈值DCA提升提示右侧杏仁核皮质部体积可能为WMH提供潜在的增量临床价值，弥补单纯WMH分层的局限性，识别早期亚临床认知损伤人群，优化低、中风险人群的个体化风险分层，减少过度干预，这种潜在的增量价值仍需未来在更大样本及外部队列中进一步验证。

3.6 局限性

       本研究也存在一些局限性：（1）本研究只分析了脑区体积，没有分析相关的功能网络改变，未来研究将结合功能MRI等技术，深入探讨关键脑区结构和功能耦合及其与认知障碍的关系；（2）只进行了整体认知功能评估，没有进行多维度全面的认知功能评估，应采用更精细的认知评估量表，分析执行功能、记忆、注意力等多个维度的认知表现；（3）没有分析微出血灶等重要影像标志物对CSVD认知的影响，纳入微出血、腔隙性脑梗死等影像学指标有助于全面揭示CSVD的病理机制；（4）本研究是横断面病例对照研究，未能显示脑区体积随时间演变，纵向随访将更有助于明确海马及杏仁核体积动态变化与认知衰退的关联；（5）未能比较“传统指标模型”与“传统指标+AI亚区体积模型”的区分效能差异，后续研究会证明其较传统影像指标的增量价值。

4 结论

       CSVD-CI患者存在海马和杏仁核特定亚区萎缩。基于AI的自动亚区分割联合高分辨率3D-T1 MRI能够提取出CSVD-CI患者的神经影像学标志物，精准量化海马和杏仁核亚区体积，揭示海马和杏仁核萎缩与CSVD-CI的相关性。临床可通过定位和量化这些影像学标志物，早期识别高风险人群，为CSVD患者早期制订个性化的预防和治疗方案，并为早期干预赢得时间。