0 引言

       在神经退行性疾病谱系中，额颞叶痴呆（frontotemporal dementia, FTD）的临床表现呈现出极大的不一致性，其突出特征是语言、行为或执行能力的持续恶化^[1]，被列为早发性痴呆的重要病因类别之一。该病在临床上主要被区分为三种亚型：行为变异型FTD（behavioral variant FTD, bvFTD）、非流利性失语型（progressive nonfluent aphasia, PNFA）以及语义变异型原发性进行性失语（semantic variant progressive primary aphasia, svPPA）。在亚型构成方面，bvFTD的占比可达全数病例的一半左右^[2]。同时，约40%的FTD患者存在清晰的家族史^[3]。由于临床高度不一致及其症状与其他神经退行性病的重叠，极易出现误诊^{[4, 5]}，从初诊到最终确诊时间跨度往往大于两年^{[6, 7]}。从流行病学的近期调查结果来看，该病的发病率和患病率均已高出进行性核上性麻痹、皮质基底节综合征及肌萎缩侧索硬化症等其他神经退行性疾患^[8]。此外，随着全球范围内人口老龄化的持续加深，其患病率预计仍会进一步上升^[9]。

       在当前的临床实践与研究中，对FTD进行的早期识别与确诊，已然构成了一项艰巨的任务。延迟诊断加重了患者及照护者的社会、情感与经济负担，延误精准干预时机。因此，实现FTD的早期准确诊断对于优化治疗策略和医疗资源配置至关重要。MRI所示的额叶和/或颞叶区域性萎缩是支持FTD临床诊断的重要影像学标志物^[10-11]。近年来，脑网络科学与图论方法为理解神经退行性疾病提供了新视角。在阿尔茨海默病（Alzheimer's disease, AD）的研究中，已有文献报道了结构协变网络（structural covariance network, SCN）的拓扑重构现象^[12]。该分析方法的核心在于探查不同脑区灰质体积于群体层面的共变关系，进而使疾病关联的脑网络拓扑重组特征得以呈现。其中，度分布分析作为表征网络拓扑异质性的重要方法，已在健康脑网络中揭示了指数截断幂律分布等特征^[13]，但其在FTD的SCN中的应用仍较为匮乏。此外，既往FTD的SCN研究多聚焦于全局或节点参数的平均水平变化，较少涉及网络在面对病理攻击时的动态鲁棒性。为此，本研究尝试将度分布分析与网络攻击分析加以融合，从拓扑非均匀性和动态鲁棒性两个互为补充的维度，对FTD患者SCN的重构特征进行初步探索，以期为理解FTD的脑形态学共变模式改变提供新的视角。

1 材料与方法

1.1 研究对象

       本研究数据来源于额颞叶痴呆神经影像数据库（Neuroimaging in Frontotemporal Dementia，NIFD）公开数据库（ida.loni.usc.edu/home/projectPage.jsp?project=NIFD），按被试编号（Subject ID）排序，从NIFD全部样本里连续收集受试者T1磁化准备快速梯度回波（T1 magnetization-prepared rapid gradient-echo, T1-MPRAGE）影像数据。本研究基于NIFD公开数据库进行二次分析，原始数据采集经各参与中心伦理委员会批准，遵循《赫尔辛基宣言》，所有受试者均签署知情同意书。FTD组纳入标准：（1）符合NIFD项目诊断协议，临床确诊为FTD任意亚型之一；其中，bvFTD诊断依据RASCOVSKY等（2011）制订的bvFTD诊断标准^[10]，PNFA和svPPA诊断依据GORNO-TEMPINI等（2011）提出的原发性进行性失语分类标准^[11]；（2）年龄47~90岁。FTD组排除标准：（1）既往存在头部创伤史或颅内器质性病变史；（2）MRI图像存在严重显著伪影；（3）图像后处理分割失败；（4）基于SPM12内置图像质量评分（image quality rating, IQR）进行客观筛选，IQR<80分；（5）简易智力状态检查量表（Mini-Mental State Examination, MMSE）或临床痴呆评定量表（Clinical Dementia Rating, CDR）相关测评数据缺失。健康对照（healthy control, HC）组纳入标准：（1）性别构成与年龄分布上与FTD组相匹配；（2）不存在认知功能受损或其他神经系统疾患。HC组排除标准：既往有头部外伤、颅脑器质性病变或精神类疾病史者。

1.2 临床资料与神经心理学评估

       对全部受试者的人口学资料展开统一采集，具体涉及年龄、性别以及受教育年限。神经心理学评估采用MMSE评估总体认知功能，CDR评估痴呆严重程度等。

1.3 MRI数据采集

       所有受试者均在3.0 T Siemens MAGNETOM（德国）扫描仪完成T1加权三维结构像数据采集。扫描参数：TR 6.67 ms，TE 3.1 ms，翻转角度9°，FOV 240 mm×240 mm，矩阵256×256，扫描层厚度1.2 mm，体素大小1.0 mm×1.0 mm×1.2 mm。

1.4 MRI数据预处理与分析

       数据预处理与分析基于SPM8平台，采用VBM8工具箱。具体操作环节如下。（1）原始影像的校正：针对T1-MPRAGE原始图像，先后开展头动校正、场强不均匀校正。（2）脑组织分割与空间配准：根据信号强度差异，将T1加权影像划分为灰质、白质和脑脊液三种组分，随后运用DARTEL算法将上述分割结果配准至蒙特利尔神经科学研究所（Montreal Neurological Institute, MNI）的标准模板空间。配准过程中同步施加仿射变换及非线性调制，以此确保各体素原始的灰质体积值得以保留。经调制后，输出的标准化灰质体积图像mwp1即作为后续分析的输入数据。（3）空间平滑操作：采用半高全宽（full width at half maximum, FWHM）为6 mm的高斯核，对标准化后的灰质图像进行空间平滑。在质量管控层面，安排两名陕西中医药大学附属医院医学影像科主治医师（均具有不少于6年的影像诊断经验），对所有图像实施独立的视觉化评估，将存在显著伪影或明显运动干扰的数据予以剔除，对评估不一致的图像，经协商后达成一致意见并决定是否纳入；同步利用SPM8集成的质量控制功能计算信噪比与对比噪声比两项指标，并按照预设的阈值排除不符合质量标准的数据，行Z值标准化并以均值±3倍标准差为阈值，任一指标超标者予以剔除。以WFU PickAtlas工具箱及自动解剖标记（automatic anatomic labeling, AAL）脑图谱为参照，总共划定116个感兴趣区（region of interest, ROI），其空间范围涵盖大脑皮层、皮层下核团以及小脑。最后，将标准化灰质图像重采样至已定义的ROI坐标框架内，并采用SPM8工具提取各ROI所对应的灰质体积数值。

1.5 结构协变网络构建与拓扑分析

       网络节点的确立依据AAL模板所划分的116个ROI。对于每一组被试，逐一测算全部脑区灰质体积两两之间的Pearson相关系数，以此为基础构建出116×116的结构协变矩阵。为确保数据分布更接近正态，对所得的相关系数执行Fisher-Z转换。随后，将年龄、身高、性别、受教育年限以及颅内总体积（total intracranial volume, TIV）变量引入，作为控制协变量，实施偏回归分析。最终提取每对ROI间的偏相关系数，将其绝对值作为连接边的权重，由此构建加权无向网络。全部运算均在MATLAB R2020a计算环境下完成。后续分析中未对单条边进行显著性筛选，而是直接采用全矩阵进行密度阈值化以保留网络拓扑的完整信息并降低虚假连接干扰。SYMONS等^[14]在SCN分析中同样采用固定密度阈值化，仅保留最强连接以去除虚假连接，并认为k=0.2的阈值可兼顾去除虚假连接与保留有意义连接，对假阳性和假阴性连接均较稳健。为确定最低密度阈值，以0.01为步长从稀疏到稠密逐步增加网络密度，检测两组网络均达到全连通（所有节点度>0）的最小密度，确定为Dmin=0.21。在启动网络攻击分析前，应用该阈值是为了确保所构建初始网络具备完全的连通性。随后设定Dmax=0.99，以0.02为步长遍历40个密度点，覆盖从稀疏到稠密的宽密度范围。生成一组不同稀疏度水平下的二值化网络，供后续图论分析使用。两组受试者在共同最小密度条件下所获得的二维矩阵形态见图1。

点击查看大图

图1  在共同最小密度条件下，HC组（1A）与FTD组（1B）组各自所呈现出的二维矩阵形态。HC：健康对照；FTD：额颞叶痴呆。
Fig. 1  Under a common minimum density threshold, the two-dimensional matrix morphologies exhibited by the HC group (1A) and FTD group (1B). HC: healthy control; FTD: frontotemporal dementia.

1.6 网络攻击分析

       为量化SCN在面对节点扰动时的稳健程度，本研究同时施行了目标攻击与随机攻击两种策略。其中，目标攻击以介数中心性作为节点重要性的排序依据，该指标最能表征节点对网络信息传递的调制能力，因而有选择地移除高介数枢纽节点可以系统揭示网络整合性被逐步瓦解的过程。先在固定的网络密度0.21下，将全部节点按介数中心性由高到低排列，随后按此顺序逐一轮替删除枢纽节点，每完成一步即刻记录此时最大连通成分的相对规模，以此度量网络结构的完整度。作为对照，另外实施了随机节点去除方案，并将该过程独立重复20次以控制随机误差，最终对所得结果计算均值，从而绘制出相应的鲁棒性曲线。为从整体上评估攻击全过程中的网络耐受表现，进一步引入了计算曲线下面积（area under the curve, AUC）这一综合指标，其数值愈大，即意味着网络鲁棒性愈强。针对组间AUC的差别，则采用独立样本t检验进行判断，显著性水平设为 P<0.05。上述全部运算均依托于MATLAB R2020a平台，并调用脑连接工具箱加以实现。

1.7 度分布分析

       关于度分布拟合，本研究以组水平聚合网络为基础展开，其核心在于呈现群体层面网络的宏观拓扑属性，而非刻画个体间的变异。所采纳的数学模型为指数截断幂律分布，其概率密度函数可表达为P(d)~d^(a-1)、e^-d/b，其中P(d)代表节点度d的概率，a为幂律指数，b则对应截断度。该模型同时具备了幂律特性与指数截断效应，因而适用于描绘生物网络在中低度区间的异质性以及高度区间所呈现的指数衰减行为。整体分析流程如下。（1）数据输入：将导入图论分析GAT工具箱生成的matAGAT_*.mat文件读入工作空间；（2）度序列提取：在最小连接密度的设定下，利用KAN_FixedDens_Results.mat文件提取出度序列，从而确保所有网络在统一稀疏连接水平上聚焦于核心骨架结构；（3）模型拟合与效果校验：分别对FTD组与HC组的聚合网络执行指数截断幂律模型拟合。本研究直接采用系统自动生成的拟合结果，并借助多个指标对模型拟合优度进行综合评判，全部拟合运算均基于MATLAB的powerlaw工具包，该包通过最大似然估计MLE方法完成参数估算，需说明，本研究立足于组水平聚合网络开展拓扑特征描述，组间模型参数（a和b）差别仅被视作对枢纽节点潜在重组倾向的观察性描述，而未执行严格的统计推断。

1.8 统计学分析

       采用SPSS 26.0软件进行统计分析。对于连续型变量，首先检验其正态性，随后依据结果选用独立样本t检验或Mann-Whitney U检验进行组间比较；分类变量则运用卡方检验，P<0.0认为差异具有统计学意义。采用MATLAB R2020a的GAT（http://brainlens.org/tools.html）工具箱进行影像数据运算处理。网络攻击分析中，组间比较采用两种策略，即对于AUC这一单一汇总统计量，采用独立样本t检验进行组间比较，不涉及多重比较问题。由于网络攻击分析中以最大连通成分相对大小（范围0~1）为纵坐标，以移除节点比例（范围0~1）为横坐标，计算所得AUC的理论取值已自动限定于[0, 1]区间，为标准化度量，无需再次除以节点总数。对于节点移除曲线上的逐点比较，共116个移除步长，采用5000次置换检验，并对116次比较采用Benjamini-Hochberg（BH）方法进行FDR校正，FDR检验水平设为q=0.05。校正后q值> 0.05认为差异无统计学意义。度分布分析中，组间模型参数（a和b）的差异仅作为描述性观察结果呈现，不进行组间统计推断。

2 结果

2.1 两组一般人口学及临床资料的特征比较

       本研究最终共纳入181例受试者，其中FTD组92例[包括bvFTD患者35例、PNFA患者22例、SD患者17例及其他诊断（诊断符合FTD谱系但不属于三大亚型）患者18例]，HC组89例。HC组与FTD组在年龄构成、性别分布及颅内总体积（total intracranial volume, TIV）上差异均无统计学意义（P>0.05）。然而，两组在受教育年限、MMSE评分、CDR评分上差异均有统计学意义（P<0.05）。以上见表1。

点击查看表格

表1  HC组与FTD组的一般人口学及临床资料
Tab. 1  General demographic and clinical characteristics of the HC and FTD groups

2.2 结构协变网络鲁棒性的测量

       在采用介数中心性作为节点重要性排序指标的目标攻击模式下，HC组与FTD组之间的网络相对规模仅在移除特定的节点时差异才具有统计学意义（P<0.05），而两组间AUC的整体对比差异无统计学意义（P=0.148），见图2；与之对比，当攻击策略切换为随机模式时，仅在部分节点移除阶段差异有统计学意义（P<0.05），针对AUC所开展的整体性组间比较差异无统计学意义（P=0.306），见图3。

点击查看大图

图2  以节点介数中心性作为目标攻击的优选排序指标时，基于灰质体积构建的SCN其相对规模随节点移除而演变的轨迹。该网络初始包含116个节点，攻击过程严格遵循介数中心性从高值到低值的次序，逐一对节点进行剔除，直至网络仅剩余最后1个节点为止。在目标攻击条件下，校正前两组间网络相对大小差异有统计学意义（P<0.05，未校正，见图2星号标注处）；经BH-FDR校正（q=0.05，共116次比较）后，所有时间点的q值均>0.05，差异未达到校正后的显著性水平。AUC整体比较差异无统计学意义（P = 0.148）。SCN：结构协变网络；AUC：曲线下面积。
Fig. 2  When nodal betweenness centrality is used as the targeting priority criterion for targeted attack, the trajectory of the relative size of the SCN constructed from gray matter volume evolves as nodes are removed. The network initially contains 116 nodes, and the attack process strictly follows the descending order of betweenness centrality, sequentially removing nodes one by one until only a single node remains. Under targeted attack, differences in network relative size between the two groups reach nominal significance at certain points before correction (P < 0.05, uncorrected; see asterisks in Fig. 2). After BH-FDR correction (q = 0.05, 116 comparisons in total), all q-values exceed 0.05, and no differences survive the corrected significance threshold. The overall comparison of the area under the curve (AUC) reveals no statistically significant difference between groups (P = 0.148). SCN: structural covariance network; AUC: area under the curve.

点击查看大图

图3  在随机攻击策略下，基于灰质体积所构建SCN共包含116个节点。校正前，两组在特定移除阶段的网络相对大小差异具有统计学意义（P<0.05，未校正，见图3星号标注处）；而经BH-FDR校正（q=0.05，共116次比较）后，所有时间点的q值均>0.05，差异未达到校正后的显著性水平。进一步对AUC比较，也未发现差异的统计学意义（P=0.306）。SCN：结构协变网络；AUC：曲线下面积。
Fig. 3  Under the random attack strategy, the SCN constructed from gray matter volume comprises a total of 116 nodes. Before correction, the difference in network relative size between the two groups is statistically significant at certain stages of node removal (P < 0.05, uncorrected; see asterisks in Fig. 3). After BH-FDR correction (q = 0.05, 116 comparisons in total), all q-values exceed 0.05, and the differences do not survive the corrected significance threshold. Further comparison of the area under the curve (AUC) also reveals no statistically significant difference (P = 0.306). SCN: structural covariance network; AUC: area under the curve.

2.3 度分布特征分析

       度分布直方图（图4）特征表现为HC组呈单峰形态右偏分布，其峰值对应度值为13的位置；两组度分布形态存在差异。与HC组相比，FTD组高度节点比例呈升高趋势，提示其脑网络连接更趋密集，枢纽节点数量增多。节点度概率密度函数的原始坐标图进一步显示，HC组曲线呈单峰右偏特征；而FTD组曲线整体向右侧及上方偏移，在任意度阈值下具有更高比例的节点度值大于等于该阈值，尤其在高度区显著高于HC组，且曲线下降更为平缓、呈现多级阶梯形态。以上结果表明，提示FTD网络可能具有更高的平均度及更多超级枢纽节点，反映了疾病状态下的网络连接增强与拓扑重构。

点击查看大图

图4  脑网络度分布分析图。4A：HC组；4B：FTD组。与HC组相比，FTD组高度节点比例呈升高趋势，提示其脑网络连接更趋密集，枢纽节点数量增多。HC：健康对照；FTD：额颞叶痴呆。
Fig. 4  Degree distribution analysis of brain networks in the HC (4A) and FTD (4B) groups. Compared with the HC group, the FTD group showed an increasing trend in the proportion of high-degree nodes, suggesting a denser brain network connectivity and an increased number of hub nodes. HC: healthy control; FTD: frontotemporal dementia.

2.4 度分布幂律拟合分析

       节点度概率密度函数的对数坐标图（图5）显示，HC组度分布符合幂律形式，幂指数a=1.251 7，指数截断参数b=11.560 0，拟合优度极佳（r²=0.991 1）。FTD组幂指数略低（a=1.198 0），而截断参数较大（b=17.038 1），拟合优度仍较高（r²=0.967 8）。与HC组相比，FTD组度分布呈现向更高截断度偏移的趋势（b=17.038 1 vs. 11.560 0），幂律指数略有降低（a=1.198 0 vs. 1.251 7）。

点击查看大图

图5  HC组与FTD组节点度概率密度函数原始、对数坐标图。HC组：a=1.251 7，b=11.560 0，r²=0.991 1；FTD组：a=1.198 0，b=17.038 1，r²=0.967 8。5A：HC组节点度概率密度函数原始坐标图；5B：FTD组节点度概率密度函数原始坐标图；5C：HC组节点度概率密度函数对数坐标图；5D：FTD组节点度概率密度函数对数坐标图。HC：健康对照；FTD：额颞叶痴呆。
Fig. 5  Probability density function plots of nodal degree for HC and FTD groups in original and logarithmic coordinates. HC group: a = 1.251 7, b = 11.560 0, r² = 0.991 1；Frontotemporal dementia group：a = 1.198 0，b = 17.038 1, r² = 0.967 8. 5A: Probability density function plot of nodal degree for the HC group in original coordinates; 5B: Probability density function plot of nodal degree for the FTD group in original coordinates; 5C: Probability density function plot of nodal degree for the HC group in logarithmic coordinates; 5D: Probability density function plot of nodal degree for the FTD group in logarithmic coordinates. HC: healthy control; FTD: frontotemporal dementia.

3 讨论

       本研究基于图论分析方法从网络攻击与度分布双维度系统探究FTD患者SCN的拓扑鲁棒性及度分布特征。在针对网络攻击的鲁棒性评估中，AUC分析显示两组整体网络在抵御节点移除时的结构韧性并未呈现出统计学层面的显著区别。仅在逐点比较中观察到个别阶段FTD组网络相对大小低于HC组的趋势（校正前P<0.05，但经FDR校正后该差异不再满足统计学的显著性标准）；度分布方面，FTD组呈现幂律指数降低、截断参数升高的分布趋势，但该结果为基于组水平聚合网络的描述性观察。上述发现提示FTD相关神经退行性变可能导致网络拓扑结构的趋势性改变，但统计学证据尚需进一步积累。

3.1 网络攻击下FTD组与HC组的鲁棒性比较

       在解释本部分结果时需注意，SCN基于跨被试灰质体积的Pearson相关构建，反映的是群体水平的形态学共变模式，而非个体水平的神经解剖连接或信息传递。因此，本研究所观察到的SCN拓扑参数变化应理解为形态学共变模式的改变，而非神经信息传输功能或网络“崩溃”的直接证据。在网络攻击的逐点比较中，目标攻击及随机攻击条件下，校正前两组间网络相对大小达到显著水平（P<0.05），经BH-FDR校正后均不显著（q>0.05）。这一结果提示，在校正多重比较后，两组在任何单一攻击阶段均未呈现可靠的网络完整性差异。上述校正前显著的零星节点更可能归因于多重比较下的偶然发现，其生物学意义有限，不应被解读为FTD患者存在特定节点移除阶段的网络脆弱性。在实施以高介数中心性节点为优先移除对象的目标攻击策略后，分析数据显示，当移除节点比例低于0.4时，FTD组结构连接网络相对大小低于HC组（校正前P<0.05，但经FDR校正后q>0.05），提示上述趋势更可能为多重比较下的假阳性发现，不应被解读为FTD网络存在特定阶段的脆弱性。然而，AUC作为衡量网络整体鲁棒性的主要指标，两组间差异并无统计学意义（P=0.148），就网络整体的韧性水平而言，FTD组与HC组之间并未呈现出统计学意义上的显著差别。结合AUC组间比较同样未显示显著差异，当前证据一致表明，FTD患者在所分析病程阶段内，无论是在承受靶向攻击还是遭遇随机攻击的条件下，SCN在全局层面的稳健程度均基本得以维系。逐点比较中观察到的个别阶段差异趋势需在更大样本中进一步验证。bvFTD患者额叶、岛叶及前扣带回等核心脑区的早期结构损伤^{[15, 16]}，可导致上述节点介数中心性异常增高。LIU等^[17]发现临床前期FTD患者仍可通过额顶网络完整性维持部分认知功能，提示FTD网络虽核心区域受损，但仍存在一定结构代偿储备，这与本研究整体鲁棒性未显著改变的结果相互印证。CHU等^[18]对bvFTD的解剖连接研究亦证实，疾病状态下脑网络核心节点拓扑完整性受损，枢纽区域结构与功能维系能力下降，进一步支持本研究观察到的靶向攻击早期脆弱性改变。

3.2 攻击后期反超趋势与度分布病理性重构

       尽管本研究整体AUC未显示组间差异，但攻击后期FTD网络相对大小出现反超趋势，推测其机制在于核心结构在早期已大量受损，后期可被破坏的关键节点减少，残余网络趋于相对稳定。随机攻击下两组仅在特定节点移除阶段存在差异，进一步印证FTD网络损伤具有高度选择性，集中于语言相关核心纤维束与皮层网络，而非广泛随机破坏^{[16, 19]}。就度分布而言，WU等^[20]在AD与FTD功能网络对比研究中发现，FTD患者theta频段节点度、聚类系数与局部效率显著升高，呈现区别于AD的拓扑特征，与本研究观察到的度分布偏移趋势方向一致。NIGRO等^[21]基于放射组学特征相似性构建灰质结构网络发现，bvFTD存在显著脑网络异质性重构，额颞叶及皮层下枢纽区域连接强度异常升高，呈现代偿性增强模式。尽管网络构建方法与本研究存在差异，该研究所揭示的网络非均匀重组现象，可在概念层面为本研究中FTD网络截断度增大、度分布重尾趋势提供间接的佐证。上述跨方法的一致性提示，网络拓扑非均匀性增强可能是FTD脑形态学改变的共性特征。健康人脑网络具有高度有序的拓扑组织与稳定连接模式^{[22, 23]}，而FTD患者出现广泛结构连接破坏，提示着网络正经历着从规则性较强的生理运行模式，向以病理性失连接和代偿效应为突出表现的结构状态发生转化。

3.3 多模态机制驱动枢纽负荷与鲁棒性下降

       SPINELLI等^[15]纵向研究证实，额叶、颞叶等核心脑区选择性萎缩是驱动脑网络连接重组的关键，进而引发高度枢纽节点异常形成，为本研究观察到的FTD网络度分布偏移提供了直接病理解剖基础。度分布参数的变化提示FTD患者脑区间形态学共变模式可能更集中于少数关键脑区，这可能与FTD的选择性萎缩模式相关。较低的幂律指数与更高的截断度共同提示，FTD网络结构不均一性增强的趋势。但需强调，上述观察基于组水平聚合网络的度分布拟合，尚需个体水平网络分析加以验证。该模式虽可在疾病早期阶段性维持整体网络连通性，但长期会加剧网络拓扑易损性，进一步推动神经变性进程^{[24, 25]}。多项研究从多模态角度支持这一观点：bvFTD患者右侧纹状体亚区萎缩与岛叶、前额叶功能连接异常^[26]；各亚型存在特异性皮层形态、白质高信号及类淋巴功能异常，与TDP-43/tau病理通路相关^[27]；EEG与图论研究发现FTD与AD患者均出现θ频段节点度与效率升高、α频段连接下降，且FTD枕叶网络相对保留^[20]；FTD抑郁严重度与双侧额顶叶局部脑回指数降低、左侧眶额皮层厚度增加相关^[28]；一项荟萃分析证实各亚型存在特异性且部分重叠的脑萎缩模式^[29]。上述广泛且不均一的灰质损伤可能共同影响FTD患者脑区间形态学共变模式，表现为SCN度分布向更高截断度偏移的趋势。然而，SCN反映的是形态学共变而非神经信息传递，上述拓扑变化应理解为形态学共变模式的病理性重构，而非功能意义上的“连接削弱”或“鲁棒性降低”。SEELEY等^[30]提出的“网络退化假说”认为疾病沿大尺度脑网络传播，而SCN所映射的形态共变模式即为其预存结构基础。在健康个体的大脑SCN中，突显网络以及分布于额叶与颞叶的关键枢纽节点，通常居于高度核心的拓扑地位；然而，这些至关重要的区域恰恰是FTD病理进程中选择性攻击的首要靶点。本研究发现度分布向高截断度偏移，凸显了核心枢纽权重提升与非枢纽共变减弱的此消彼长，加剧了网络拓扑非均匀性。该偏移可能源于发育易感性与病变攻击的叠加，但横断面设计难以独立区分两者的贡献。需要注意的是，本研究观察到的阴性结果，即AUC组间差异无统计学意义，与FTD“选择性脆弱性”假说并不矛盾。选择性脆弱性强调特定脑区和连接对疾病病理的选择性易感，这一过程可能首先表现为关键脑区节点属性的局部改变，而尚未累积至导致网络整体鲁棒性显著下降的程度。本组患者以轻度损害为主，整体鲁棒性的保留可能反映了网络对早期选择性损伤的代偿能力。此外，度分布向更高截断度偏移的趋势为选择性脆弱性在拓扑层面的局部化表现提供了间接线索，少数节点度的异常增高可能正是网络非均匀重组的拓扑印记。未来研究需在包含从临床前期到晚期的纵向样本中，检验选择性脆弱性与网络鲁棒性丧失之间的时序关系。

3.4 局限性

       本研究存在一定局限性：第一，因各亚型样本量有限，未对FTD亚型（bvFTD、svPPA、PNFA）进行分组分析。不同亚型萎缩模式差异显著，bvFTD以额叶及前岛叶为主，svPPA以颞叶前部非对称性萎缩为特征，PNFA主要累及左侧额下回，合并分析可能掩盖亚型特异性的SCN拓扑重构模式。后续研究的推进有赖于在扩大化样本队列中，针对FTD的不同临床亚型实施分层比较与深入剖析。第二，未对FTD严重程度进行分层，无法评估网络拓扑改变是否随疾病进展而呈阶段性变化。第三，样本来源于公开数据库，为横断面设计，缺乏纵向追踪数据以验证拓扑演化因果关系，且白质纤维束之间的连接强度，并不能由基于灰质体积的SCN直接加以衡量。第四，度分布分析基于组水平聚合网络进行，每组仅产生单一度分布，无法计算组内变异，也无法进行基于个体水平的组间统计推断。第五，因NIFD数据库未系统收录疾病病程或发病时间，未能将病程作为协变量纳入分析，可能限制了对不同疾病阶段样本代表性的精确评估。本样本中MMSE及CDR评分提示患者总体上处于轻度至中度损害阶段，在此阶段观察到的网络拓扑改变趋势可能反映疾病相对早期的变化，但该推论需在未来包含详细临床纵向信息的前瞻性研究中予以验证。未来研究若能在更大样本中采用更严格的统计阈值或基于网络的降维方法，如网络成分分析等，可能有助于识别潜在的局部脆弱性特征。后续研究应结合多模态影像（如弥散张量成像与功能连接）及纵向设计，进一步验证FTD网络重构的时空动态及其与认知下降的关联。此外，可结合临床或影像干预措施探究FTD对治疗的响应，为促进FTD早期诊断与干预提供关键依据。

4 结论

       本研究从度分布和网络攻击双维度揭示了FTD患者脑SCN的拓扑特征：度分布呈现向更高截断度偏移的趋势，提示形态学共变网络的非均匀性可能增强的特征；但在以AUC衡量的整体拓扑鲁棒性上，组间差异未达到统计学显著性水平。上述发现为理解FTD相关脑形态学共变模式改变提供了初步的图论视角，但其病理生理意义及临床转化价值尚需在更大样本中结合纵向多模态影像研究进一步验证。