分享:
分享到微信朋友圈
X
• 临床研究 •
基于静息态功能磁共振成像研究血管性认知功能障碍患者皮层低频振幅异常与认知损害的关系
宁晓金 吴敏 凡娜 王金芳

本文引用格式 宁晓金, 吴敏, 凡娜, 等. 基于静息态功能磁共振成像研究血管性认知功能障碍患者皮层低频振幅异常与认知损害的关系[J]. 磁共振成像, 2026, 17(11): 47-52, 77. DOI:10.12015/issn.1674-8034.2026.11.006.


[摘要] 目的 采用静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)探讨血管性认知障碍(vascular cognitive impairment, VCI)患者全脑低频振幅(amplitude of low-frequency fluctuation, ALFF)值的改变特征及其与认知功能的关系。材料与方法 随机纳入56例VCI患者及28例人口学资料匹配的正常对照(normal control, NC)。根据认知量表评分,将VCI组分为非痴呆型VCI(vascular cognitive impairment-no dementia, VCIND)组(n=28)和血管性痴呆(vascular dementia, VaD)组(n=28)。采集所有受试者的rs-fMRI数据,通过单因素方差分析及相关性分析探究VCI患者差异脑区皮层ALFF值与认知功能评分的关联。结果 单因素方差分析显示,与NC组相比,VCIND组和VaD组右侧颞下回的ALFF值均升高(t=3.98,P<0.05;t=3.57,P<0.05),左侧扣带回后部的ALFF值均降低(t=3.10,P<0.05;t=3.08,P<0.05)。在控制年龄、性别及受教育程度的影响后,分别对VCIND和VaD组差异脑区ALFF值与认知功能指标进行相关性分析。结果显示,VCIND和VaD组左侧扣带回后部的ALFF值与Stroop色词测验干扰准确数呈正相关(r=0.781,P<0.001;r=0.467,P=0.014),与数字连线测验B-A耗时呈负相关(r=-0.537,P=0.004;r=-0.567,P=0.002)。结论 VCI患者存在以默认网络关键脑区为主的内在大脑活动ALFF值的异常改变,特别是左侧扣带回后部的功能减退与执行功能评分降低密切相关,提示ALFF值有望成为评估VCI病情严重程度及监测疾病进展的潜在影像学生物标志物。
[Abstract] Objective To investigate the altered characteristics of whole-brain amplitude of low-frequency fluctuation (ALFF) in patients with vascular cognitive impairment (VCI) using resting-state functional magnetic resonance imaging (rs-fMRI), and to explore their correlation with cognitive function.Materials and Methods Fifty-six VCI patients and twenty-eight demographically matched normal controls (NC) were randomly enrolled. According to the scores of cognitive scales, the VCI group was subdivided into the vascular cognitive impairment-no dementia (VCIND) group (n = 28) and the vascular dementia (VaD) group (n = 28). Rs-fMRI data were collected from all participants. One-way analysis of variance and correlation analysis were used to explore the association between cortical ALFF values in different brain regions and cognitive function scores in VCI patients.Results One-way ANOVA revealed that, compared with the NC group, both the VCIND and VaD groups exhibited increased ALFF values in the right inferior temporal gyrus (t = 3.98, P < 0.05; t = 3.57, P < 0.05) and decreased ALFF values in the left posterior cingulate cortex (PCC) (t = 3.10, P < 0.05; t = 3.08, P < 0.05). After controlling for age, sex, and years of education, partial correlation analysis was conducted to examine the relationship between ALFF values of the different brain regions and cognitive performance in the VCIND and VaD groups. The results showed that ALFF values in the left PCC were significantly positively correlated with the number of correct responses in the Stroop color-word interference test (r = 0.781, P < 0.001; r = 0.467, P = 0.014) and significantly negatively correlated with the difference between the completion time of Part B and Part A (r = -0.537, P = 0.004; r = -0.567, P = 0.002).Conclusions VCI patients present with abnormal spontaneous brain activity, which is mainly characterized by altered ALFF in key nodes of the default mode network. Notably, the functional decline of the left PCC is closely associated with the hypofunction of the left posterior cingulate cortex is closely associated with decreased executive function scores, suggesting that ALFF may serve as a potential neuroimaging biomarker for assessing disease severity and monitoring disease progression in VCI.
[关键词] 血管性认知障碍;低频振幅;静息态功能磁共振成像;磁共振成像;执行功能
[Keywords] vascular cognitive impairment;amplitude of low-frequency fluctuations;resting state functional magnetic resonance imaging;magnetic resonance imaging;executive function

宁晓金    吴敏    凡娜    王金芳 *  

长江航运总医院武汉脑科医院神经内科,武汉 430000

通信作者:王金芳,E-mail: 381984693@qq.com

作者贡献声明:王金芳设计本研究方案,对稿件的重要内容进行了修改,获得了武汉市卫生健康委科研的资助;宁晓金起草和撰写稿件,获取、分析和解释本研究的数据;吴敏、凡娜获取、分析和解释了本研究的数据,对稿件的重要内容进行了修改,其中吴敏获得了长航局科研资金项目资助;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: 武汉市卫生健康委科研项目 WX23Q25 长航局科研资金项目 2025-CHKY-015
收稿日期:2025-12-23
接受日期:2026-08-10
中图分类号:R445.2  R749.13 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.11.006
本文引用格式 宁晓金, 吴敏, 凡娜, 等. 基于静息态功能磁共振成像研究血管性认知功能障碍患者皮层低频振幅异常与认知损害的关系[J]. 磁共振成像, 2026, 17(11): 47-52, 77. DOI:10.12015/issn.1674-8034.2026.11.006.

0 引言

       血管性认知障碍(vascular cognitive impairment, VCI)作为全球第二大认知障碍类型,是由脑血管危险因素及各类脑血管病引发或伴随的认知损害,其临床表现涵盖从轻度认知障碍至重度痴呆的全程,且常合并阿尔茨海默病等其他病理改变,给家庭及社会带来沉重负担[1, 2, 3]。流行病学调查显示,约三分之一的成年人可能经历卒中、痴呆或两者并存;而在卒中人群中,约64%存在不同程度的认知障碍,其中三分之一最终进展为痴呆[4, 5]。然而,VCI更多由慢性脑缺血等隐匿性病理改变引起,起病隐匿[6, 7]。当患者出现显著认知功能下降时,常已错过最佳干预时机,且临床上难以明确脑血管损伤与认知损害的时序关联,这给VCI的早期诊断与防治带来了严峻挑战[8, 9]。磁共振高分辨率结构成像与脑功能成像技术的发展,为深入探究VCI的脑机制、寻找早期生物标志物提供了有力的技术支撑[10]。

       功能磁共振成像(functional magnetic resonance imaging, fMRI)通过检测脑血流动力学变化引起的磁共振信号改变,间接反映神经元活动。其中,血氧水平依赖-功能磁共振成像(blood oxygen level-dependent functional MRI, BOLD-fMRI)是当前应用最广泛的fMRI技术[11, 12]。静息态fMRI(resting-state fMRI, rs-fMRI)作为BOLD-fMRI的重要分支,其采集被试者在清醒、闭眼、无系统思维及无外部任务刺激的“静息”状态下的BOLD信号[13, 14]。通过分析静息状态下大脑不同区域血氧水平信号的自发低频波动,可以揭示大脑在无任务状态下的内在功能连接架构。rs-fMRI作为一种新兴的影像学标志物,相较于任务态fMRI具备多项优势,尤其便于采集痴呆患者的BOLD信号[15, 16]。

       低频振幅(amplitude of low-frequency fluctuation, ALFF)是一种基于静息态脑BOLD信号低频成分的神经活动量化指标,其原理是通过计算特定频段内所有频率点的平均振幅值,量化单个体素自发神经活动的强度,从能量维度表征静息状态下各脑区固有活动的基线水平[17, 18]。因此,本研究选取ALFF作为主要分析指标。研究表明,低频带(0.01~0.08 Hz)内的自发波动振幅可有效反映大脑静息态功能活动强度,为解析神经疾病的病理机制提供了基线参考,因此已在多种神经心理障碍研究中广泛应用[19, 20]。例如,针对皮质下缺血性血管性痴呆患者的研究发现,其双侧楔前叶、前扣带回、左侧岛叶和海马存在显著ALFF异常,且左侧岛叶ALFF值与认知功能障碍的进展呈密切关联[21]。与分数ALFF(fractional ALFF, fALFF)或局部一致性(regional homogeneity, ReHo)相比,ALFF从能量维度直接反映局部自发神经活动的强度,对VCI早期功能改变更为敏感;且在病灶异质性较高的VCI人群中,ALFF的稳定性和可重复性优于其他指标[22]。目前关于更为宽泛的VCI患者群体是否在疾病早期即存在内在自发脑活动的特异性异常尚缺乏系统性研究,亟待深入探索。

       因此,本研究拟采用rs-fMRI技术,结合ALFF分析方法,探究VCI脑自发活动的改变特征,并进一步分析异常脑区ALFF值与临床认知量表评分之间的相关性,以期为揭示VCI的早期神经机制、寻找客观影像学标志物提供新的证据。

1 材料与方法

1.1 研究对象与分组

       随机选取2023年1月至2024年12月期间,于长江航运总医院门诊或病房收治且被神经科医生确诊为VCI的58例患者作为观察组,其中非痴呆型VCI(vascular cognitive impairment-no dementia, VCIND)亚组28例,血管性痴呆(vascular dementia, VaD)亚组28例,研究过程中脱落2例(因不能配合完成所有磁共振扫描)。纳入标准:(1)年龄在50~80岁之间;(2)右利手;(3)无MRI检查禁忌证,并能配合完成检查;(4)汉密尔顿抑郁量表(Hamilton Depression Scale, HAMD)得分低于8分,汉密尔顿焦虑量表(Hamilton Anxiety Scale, HAMA)得分不高于7分;(5)经结构影像证实存在脑血管病,包括多发腔隙性脑梗死、关键部位脑梗死或脑白质病变;(6)Hachinski缺血量表(Hachinski Ischemic Scale, HIS)评分≥7分;(7)未使用影响认知功能的药物;(8)无影响神经心理测试的疾病;(9)已签署知情同意书。排除标准:(1)合并严重内科疾病;(2)MRI扫描头动位移超过3 mm导致图像质量差;(3)未按时完成认知功能量表评定。

       同期于长江航运总医院门诊筛选年龄、性别及受教育程度相匹配、脑部MRI检查正常且认知功能正常的健康志愿者28例为正常对照(normal control, NC)组。纳入标准:(1)HAMD评分低于8分,HAMA评分不高于7分;(2)右利手;(3)认知功能正常[北京版蒙特利尔认知评估(Montreal Cognitive Assessment, MoCA)量表(王炜、解恒革等修订)评分≥26分(若受教育年限≤12年,则≥25分)],且无认知功能减退主诉;(4)无精神疾病史,且近6个月内无酒精或药物依赖;(5)头颅MRI平扫未见明确脑血管病变及其他结构性异常;(6)HIS评分<4分;(7)自愿参加本研究并签署知情同意书。排除标准:(1)患有严重内科疾病;(2)神经系统疾病史;(3)MRI检查禁忌证;(4)近1个月内服用过任何可能影响认知功能的药物。本研究遵循《赫尔辛基宣言》,研究方案经武汉市长江航运总医院武汉脑科医院伦理委员会批准(批准文号:L20220013、YL2024005),所有受试者均签署知情同意书。

       研究分组:首先采用简易智能状态检查(Mini Mental State Examination, MMSE)量表(张明园修订版)和MoCA量表对所有受试者进行整体认知水平的初步筛查。对存在认知功能下降的个体,进一步使用临床痴呆评定(Clinical Dementia Rating, CDR)量表判定其认知障碍程度。

       具体分组如下。(1)VCIND组:年龄介于50~80岁;经结构影像证实存在与VCI相关的脑血管病变,包括多发腔隙性脑梗死、关键部位脑梗死及脑白质病变;CDR量表评分为0.5;MMSE量表评分低于对应受教育年限临界值:初中及以上(受教育年限>6年)≤24,小学(0<受教育年限≤6年)≤20,文盲≤17分;MoCA量表评分<26分。(2)VaD组:年龄介于50~80岁;经结构影像证实存在与VCI相关的脑血管病变,包括多发腔隙性脑梗死、关键部位脑梗死及脑白质病变;CDR量表评分≥1,MMSE量表评分低于对应受教育年限临界值:初中及以上(受教育年限>6年)≤24,小学(0<受教育年限≤6年)≤20,文盲≤17分;MoCA量表评分<26分。(3)NC组:在年龄、性别及受教育年限上同VaD组相匹配;颅脑MRI检查未见异常;CDR量表评分为0,MMSE量表评分高于对应受教育年限临界值:初中及以上(受教育年限>6年)>24,小学(0<受教育年限≤6年)>20,文盲>17分;MoCA量表评分≥26分。

1.2 样本量估算

       基于前期预试验效应量(f=0.35),设定α=0.05,检验效能1-β=0.80,使用G*Power 3.1软件计算得出每组最低样本量为23例。为减少脱落影响,每组实际纳入28例。

1.3 研究方法

       本研究为横断面病例对照研究,本文撰写与报告遵循影像学研究报告规范。

       量表评估:认知测评由经过统一培训的神经内科专科医生在安静、无干扰的环境中实施,采用多种量表和标准化测验进行综合评定:MoCA量表和MMSE量表进行整体认知水平的初步判断,CDR量表评定其认知障碍的严重程度。采用Stroop色词测验、数字连线测验(Trail Making Test, TMT)、言语流畅性测验(Verbal Fluency Test, VFT)评估执行功能。日常生活活动能力量表(Activity of Daily Living, ADL)评估受试者的日常功能状况。

       MRI数据采集:所有磁共振成像扫描均在长江航运总医院影像科完成,设备采用德国SIEMENS Magnetom Skyra 3.0 T MRI扫描仪。扫描时受试者需保持清醒、闭眼、平静呼吸,并尽量不进行任何思维活动。使用泡沫垫固定头部以减少运动伪影。使用3D MPRAGE T1加权图像序列获取结构成像,扫描参数:TR 2300 ms,TE 3.28 ms,TI 1200 ms,矩阵256×256,翻转角9°,视野240 mm×240 mm,层数128,层厚1.0 mm,层间距0 mm。

       通过自旋回波平面成像获取rs-fMRI序列,扫描参数:TR 2000 ms,TE 30 ms,矩阵64×64,翻转角90°,FOV 200 mm×200 mm,层数36层,层厚3.7 mm,层间距0.6 mm。

       影像学数据的统计学处理:在Matlab 10.0环境中进行rs-fMRI数据分析,主要使用SPM 8软件包(http://www.fil.ion.ucl.ac.uk/spm)和DPARSF软件包(http://www.restfmri.net/forum/DPARSF)完成预处理与后续分析。(1)剔除时间点:去掉前10个时间点,以排除磁场稳定过程及受试者适应环境的信号伪影;(2)时间层校正:同一TR内不同切片的采集时间不同,通过校正使其在时间上对齐,减少了时序差异对信号的影响;(3)头动校正:以第一帧为参照,通过刚体变换将后序图像对齐,计算x、y、z三个方向上的平移和旋转参数,剔除头动平移>2.0 mm或转动>2.0°的被试数据;(4)结构像分割:将高分辨T1像分割为灰质、白质和脑脊液三部分;(5)协变量回归:去除白质、脑脊液信号以及6个头动参数,目前脑功能分析中,是否回归全脑信号存在争议(SAAD等[23]指出全脑信号回归可能引入虚假负相关),本研究未对全脑信号进行回归,以避免可能引入的虚假信号;(6)空间标准化:将功能像配准到个体结构像,再映射到蒙特利尔神经学研究所(Montreal Neurological Institute, MNI)标准空间,并重采样为3 mm×3 mm×3 mm的体素;(7)空间平滑:使用4 mm全宽半高的高斯核平滑,以提高信噪比;(8)去线性漂移:消除系统线性漂移对信号的影响;(9)带通滤波:保留0.01~0.08 Hz低频信号,去除高频生理噪声及低频漂移;(10)标准化ALFF计算:计算出每个体素的ALFF值,并除以全脑平均ALFF值,得到标准化后的ALFF值用于统计分析。所有受试者的影像资料均由两名影像科医师(分别为主任医师和副主任医师,具有10年以上工作经验)采用双盲法独立进行筛选与判读。完成评估后,对两名医师的判读结果进行一致性检验,以确保观察者间信度,两名阅片医师对MRI表现判读的一致性良好(Kappa=0.85,P<0.001)。

1.4 统计学分析

       (1)基本资料分析:使用SPSS 17.0进行统计分析,P<0.05为差异具有统计学意义。计量资料首先采用Shapiro-Wilk检验结合正态Q-Q图判断数据正态性。符合正态分布且方差齐性的计量资料以均数±标准差表示,三组间比较采用单因素方差分析,两两比较采用SNK法;不符合正态分布或方差不齐的指标采用Kruskal-Wallis H非参数检验,两两比较采用Nemenyi检验。性别、基础疾病、CDR量表评分等无序分类资料以例(%)表示,采用卡方检验进行组间比较。

       (2)全脑ALFF值比较分析:使用rs-fMRI数据分析处理工具包(REsting State fMRI data analysis Toolkit, REST)软件的单因素方差分析模块,对VCIND组、VaD组和NC组进行全脑ALFF值比较,筛选差异脑区。以ANOVA分析获得的显著差异脑区作为感兴趣区掩模[结果经AlphaSim校正,校正后P<0.05(相当于校正前P<0.01,簇大小≥18个体素)视为差异具有统计学意义],采用独立样本t检验在掩模约束下进行体素水平的两两比较。

       (3)相关分析:将性别、年龄和受教育年限作为控制变量,对三组间差异脑区的平均ALFF值与认知功能进行Spearman秩相关分析,P<0.05为差异具有统计学意义。

2 结果

2.1 一般资料和神经心理学评估结果比较

       本研究共纳入84名受试者,包括28例VCIND患者、28例VaD患者以及28例基线资料匹配的NC。NC组、VCIND组与VaD组三组受试者在年龄、性别及受教育年限等基线资料上差异无统计学意义(P>0.05)。与NC组相比,VCIND组与VaD组的MMSE量表评分、MoCA量表评分及执行功能得分均降低(P<0.05)。组间比较进一步发现,VaD组的各项评分均低于VCIND组(P<0.05),提示其认知障碍程度更为严重。详见表1。

表1  三组受试者一般资料和神经心理学测验结果比较
Tab. 1  Comparison of general information and neuropsychological test results among the three groups

2.2 不同组别ALFF值差异分析

       单因素方差分析(ANOVA)结果显示,三组间ALFF值存在显著差异的脑区主要集中在右侧颞下回和左侧扣带回后部(图1,表2)。

       利用ANOVA分析得到的显著差异簇作为感兴趣区掩模,在该掩模约束下进行独立样本t检验,并进行了多重比较校正(AlphaSim校正),结果显示,不同疾病阶段表现出不同的脑区改变模式。(1)右侧颞下回:与NC组相比,VCIND组和VaD组的ALFF值均升高(t=3.98,P<0.05;t=3.57,P<0.05);且VCIND组的ALFF值高于VaD组(t=3.16,P<0.05)。这表明该脑区的自发神经活动在疾病早期异常增强,但在进展至VaD阶段后增强有所下降。(2)左侧扣带回后部:与NC组相比,VCIND组和VaD组的ALFF值均降低(t=3.10,P<0.05;t=3.08,P<0.05),但VCIND组与VaD组之间差异无统计学意义(t=1.74,P>0.05)。这表明该脑区的功能减退在VCIND阶段即已出现,且在进展至VaD阶段后未见进一步下降。详见表3和图2。

图1  VCIND组、VaD组与NC组三组间ALFF差异显著的脑区(ANOVA,P<0.05)。色带表示F值的大小,颜色越暖表示组间差异越显著。VCIND:非痴呆型血管性认知障碍;VaD:血管性痴呆;NC:正常对照;ALFF:低频振幅。
Fig. 1  Brain regions with significant ALFF differences among the VCIND, VaD, and NC groups (ANOVA, P < 0.05). The color bar represents the magnitude of the F-values; warmer colors indicate more significant between-group differences. VCIND: vascular cognitive impairment-no dementia; VaD: vascular dementia; NC: normal control; ALFF: amplitude of low-frequency fluctuation.
图2  VCIND组、VaD组与NC组差异脑区ALFF值两两比较结果。柱状图表示ALFF均值,误差线为95%置信区间。VCIND:非痴呆型血管性认知障碍;VaD:血管性痴呆;NC:正常对照;ALFF:低频振幅。
Fig. 2  Pairwise comparisons of ALFF values in differential brain regions among VCIND, VaD, and NC groups. The bar chart represents the mean ALFF, and the error bars indicate the 95% confidence interval. VCIND: vascular cognitive impairment-no dementia; VaD: vascular dementia; NC: normal control; ALFF: amplitude of low-frequency fluctuation.
表2  VCIND、VaD组与NC组三组间ALFF存在差异的脑区
Tab. 2  Brain regions with significant ALFF differences among the VCIND, VaD, and NC groups
表3  VCIND组、VaD组与NC组差异脑区ALFF值两两比较结果
Tab. 3  Pairwise comparisons of ALFF values in differential brain regions among VCIND, VaD, and NC groups

2.3 差异脑区ALFF值与认知功能评分的相关性分析

       在控制年龄、性别及受教育程度的影响后,对VCIND和VaD组差异脑区ALFF值与认知功能指标进行相关性分析。结果显示,VCIND和VaD组左侧扣带回后部的ALFF值与Stroop色词测验分数呈正相关(r=0.781,P<0.001;r=0.467,P=0.014),与数字连线测验B-A耗时呈负相关(r=-0.537,P=0.004;r=-0.567,P=0.004),见图3。上述结果表明,左侧扣带回后部的自发神经活动与患者的执行功能受损程度密切相关,该脑区可能作为VCI执行功能损害的潜在神经影像学标志。

图3  VCI组差异脑区ALFF值与认知功能评分的相关性分析。左扣带回后部ALFF值与Stroop色词测验分数呈正相关(r=0.781,P<0.001;r=0.467,P=0.014);左扣带回后部ALFF值与数字连线测验B-A耗时呈负相关(r=-0.537,P=0.004;r=-0.567,P=0.004)。VCI:血管性认知障碍;ALFF:低频振幅;TMT:数字连线测验;PCC:扣带回后部。
Fig. 3  Correlation analysis between ALFF values in differential brain regions and cognitive function scores across the VCI. Significant positive correlations between ALFF values in the left PCC and Stroop Color-Word Test interference accuracy (r = 0.781, P < 0.001; r = 0.467, P = 0.014); significant negative correlations between ALFF values in the left PCC and TMT B-A completion time in seconds (r = -0.537, P = 0.004; r = -0.567, P = 0.004). VCI: vascular cognitive impairment; ALFF: amplitude of low-frequency fluctuation; TMT: Trail Making Test; PCC: posterior cingulate cortex.

3 讨论

       本研究采用rs-fMRI技术结合ALFF分析方法,首次在同一研究框架下系统观察了VCI不同阶段(VCIND与VaD)患者大脑自发活动的变化轨迹。结果发现,VCI患者的脑功能异常呈现出时空特异性演变模式:右侧颞下回的ALFF值在疾病早期(VCIND阶段)显著升高,提示可能存在代偿性神经活动增强;而左侧扣带回后部的ALFF值在疾病VCIND阶段即已出现,且在疾病进展至VaD阶段后未见进一步显著下降,提示关键默认网络节点的功能衰退可能是VCI的早期标志,其受损程度并不随痴呆的加重而显著增加。此外,相关性分析表明,左侧扣带回后部的功能异常与执行功能受损密切相关,可能是VCI执行功能障碍的重要神经基础。这一发现揭示了VCI从轻度认知损害进展至痴呆过程中潜在的神经机制,即由局部代偿性激活向关键枢纽功能失代偿的转变。这一发现不仅丰富了我们对VCI病理生理过程的理解,也提示ALFF指标有望作为监测疾病进展及评估执行功能损害的敏感影像学标志物,具有重要的临床应用前景。

3.1 左侧扣带回后部功能减退:断开效应与疾病进展

       左侧扣带回后部/楔前叶作为默认网络核心枢纽,在情景记忆与执行功能中发挥着关键作用[24, 25]。本研究中VCI组该区域ALFF值降低,且与执行功能受损密切相关,这与YI等[26]、WEN等[27]的发现高度一致,提示扣带回后部是多种认知障碍的共同易损脑区。其功能减退机制主要涉及“断开效应”:脑小血管病导致的白质损伤可中断扣带回后部与额叶、海马等区域的结构连接,使其失去传入驱动,导致自发神经活动减弱[28, 29]。YAMAGUCHI等[30]证实楔前叶与额叶执行网络存在直接纤维联系,这些通路的中断可解释为何扣带回后部功能减退与执行功能下降密切相关。此外,慢性脑缺血可损害神经血管耦合机制,使BOLD信号对神经元活动的响应能力下降[9, 27]。值得注意的是,左侧扣带回后部的ALFF值在疾病VCIND阶段即已出现,且在疾病进展至VaD阶段后未见进一步显著下降,提示关键默认网络节点的功能衰退可能是VCI的早期标志,其受损程度并不随痴呆的加重而显著增加[31]。

3.2 右侧颞下回功能增高:早期代偿与疾病鉴别价值

       本研究发现右侧颞下回的ALFF值在VCIND阶段显著升高,而在VaD阶段虽有所回落但仍高于正常对照水平,呈现出典型的“倒U型”动态演变特征。我们推测这种早期的异常激活可能是一种代偿机制,而随着痴呆的加重,这种代偿能力耗竭,导致激活程度下降。颞下回作为高级视觉加工与语义处理的关键枢纽,其在VCI早期的功能亢进可能由以下两种机制介导:其一为神经代偿假说,即在认知受损初期,大脑通过募集额外神经网络资源以维持认知表现,表现为局部静息态活动的“超激活”[32];其二为网络去抑制假说,即扣带回后部等默认网络核心节点的功能减退,可能导致其对颞叶皮层的自上而下抑制性调控减弱,进而引发颞下回的继发性异常兴奋[33]。

       值得注意的是,这种脑自发活动的改变模式在VCI与阿尔茨海默病之间表现出显著的异质性。既往研究多证实,阿尔茨海默病患者表现为扣带回后部、颞叶ALFF值显著降低[34, 35],而本研究观察到VCI患者颞下回ALFF值呈增高趋势,提示两者可能存在截然不同的病理生理调控机制。这一影像学特征的差异具有重要的临床鉴别诊断意义:相较于阿尔茨海默病患者常见的左侧扣带回后部与颞叶同步功能减退,VCI患者呈现出“左侧扣带回后部功能减低合并颞下回功能增高”的特征性空间解离模式,这或可为临床上早期区分这两类认知障碍提供潜在的影像学依据。

3.3 执行功能障碍的网络基础

       左侧扣带回后部的功能异常与执行功能受损密切相关,揭示了默认网络-执行网络交互失衡在VCI认知损害中的核心地位。扣带回后部通过胼胝体压部与额叶保持纤维联系,其功能减退通过影响与执行网络的动态平衡,最终导致执行功能障碍[36]。

       右侧颞下回早期增高可能反映代偿机制启动,左侧扣带回后部晚期减退则标志着疾病进展,两者的动态演变共同构成了VCI从轻度认知损害到痴呆的脑功能影像学轨迹。

3.4 局限性

       本研究存在以下局限性:第一,样本量较小且为单中心,可能影响统计效能和结果外推性,后续需开展多中心大样本研究验证;第二,横断面设计无法揭示因果关联,需纵向随访追踪VCI患者ALFF的动态变化轨迹;第三,未纳入脑血流量测量,难以区分神经活动与血管因素对ALFF信号的影响,未来可联合动脉自旋标记技术进一步验证。

4 结论

       VCI患者的左侧扣带回后部与右侧颞下回脑区ALFF值存在异常波动,其中左侧扣带回后部ALFF值减低与执行功能测验耗时呈正相关,这一结果从脑自发活动异常的视角,为我们深化对该病患者认知障碍的理解提供了新依据。

[1]
SCHNEIDER J A. Neuropathology of Dementia Disorders[J]. Continuum (Minneap Minn), 2022, 28(3): 834-851. DOI: 10.1212/CON.0000000000001137.
[2]
LOI S M, CATIONS M, VELAKOULIS D. Young-onset dementia diagnosis, management and care: a narrative review[J]. Med J Aust, 2023, 218(4): 182-189. DOI: 10.5694/mja2.51849.
[3]
SOMMERLAD A, KIVIMÄKI M, LARSON E, et al. Social participation and risk of developing dementia[J]. Nat Aging, 2023, 3(5): 532-545. DOI: 10.1038/s43587-023-00387-0.
[4]
PRINS N, SCHELTENS P. White matter hyperintensities, cognitive impairment and dementia: an update[J]. Nat Rev Neurol, 2015, 11(3): 157-165. DOI: 10.1038/nrneurol.2015.10.
[5]
JIA L, QUAN M, FU Y, et al. Dementia in China: epidemiology, clinical management, and resear chadvances[J]. Lancet Neurol, 2020, 19(1): 81-92. DOI: 10.1016/S1474-4422(19)30290-X.
[6]
IADECOLA C, DUERING M, HACHINSKI V, et al. Vascular Cognitive Impairment and Dementia: JACC Scientific Expert Panel[J]. J Am Coll Cardiol, 2019, 73(25): 3326-3344. DOI: 10.1016/j.jacc.2019.04.034.
[7]
CHANG W E, CHANG C H. Vascular Cognitive Impairment and Dementia[J]. Continuum (Minneap Minn), 2022, 28(3): 750-780. DOI: 10.1212/CON.0000000000001124.
[8]
RUNDEK T, TOLEA M, ARIKO T, et al. Vascular Cognitive Impairment (VCI)[J]. Neurotherapeutics, 2022: 68-88. DOI: 10.1007/s13311-021-01170-y.
[9]
PÉREZ P N, TREJO O B, JOSHI P, et al. Cognitive Impairment in Older Adults: Epidemiology, Diagnosis, and Treatment[J]. Psychiatr Clin North Am, 2022, 45(4): 639-661. DOI: 10.1016/j.psc.2022.07.010.
[10]
GLOVER G H. Overview of functional magnetic resonance imaging[J/OL]. Neurosurg Clin N Am, 2011, 22(2): 133-vii [2025-12-23]. https://doi.org/10.1016/j.nec.2010.11.001. DOI: 10.1016/j.nec.2010.11.001.
[11]
WANG R, LIU N, TAO Y Y, et al. The Application of rs-fMRI in Vascular Cognitive Impairment[J/OL]. Front Neurol, 2020, 11: 951 [2025-12-23]. https://doi.org/10.3389/fneur.2020.00951. DOI: 10.3389/fneur.2020.00951.
[12]
VAN NIFTRIK C H B, HILLER A, SEBÖK M, et al. Heterogeneous motor BOLD-fMRI responses in brain areas exhibiting negative BOLD cerebrovascular reactivity indicate that steal phenomenon does not always result from exhausted cerebrovascular reserve capacity[J]. Magn Reson Imaging, 2023, 103: 124-130. https://doi.org/10.1016/j.mri.2023.07.010. DOI: 10.1016/j.mri.2023.07.010.
[13]
KHOSLA M, JAMISON K, NGO G H, et al. Machine learning in resting-state fMRI analysis[J]. Magn Reson Imaging, 2019, 64: 101-121. DOI: 10.1016/j.mri.2019.05.031.
[14]
PIRASTRU A, PELIZZARI L, BERGSLAND N, et al. Consistent Cerebral Blood Flow Covariance Networks across Healthy Individuals and Their Similarity with Resting State Networks and Vascular Territories[J/OL]. Diagnostics (Basel), 2020, 10(11): 963 [2025-12-23]. https://doi.org/10.3390/diagnostics10110963. DOI: 10.3390/diagnostics10110963.
[15]
IBRAHIM B, SUPPIAH S, IBRAHIM N, et al. Diagnostic power of resting-state fMRI for detection of network connectivity in Alzheimer's disease and mild cognitive impairment: A systematic review[J]. Hum Brain Mapp, 2021, 42(9): 2941-2968. DOI: 10.1002/hbm.25369.
[16]
DADARIO N B, SUGHRUE M E. The functional role of the precuneus[J]. Brain, 2023, 146(9): 3598-3607. DOI: 10.1093/brain/awad181.
[17]
ZHANG J, LIU D Q, QIAN S, et al. The neural correlates of amplitude of low-frequency fluctuation: a multimodal resting-state MEG and fMRI-EEG study[J]. Cereb Cortex, 2023, 33(4): 1119-1129. DOI: 10.1093/cercor/bhac124.
[18]
GOLDBERG E, TULVISTE J. Large-scale distributed networks and cerebral hemispheres[J]. Cortex, 2022, 152: 53-58. DOI: 10.1016/j.cortex.2022.03.010.
[19]
MARCHITELLI R, AIELLO M, CACHIA A, et al. Simultaneous resting-state FDG-PET/fMRI in Alzheimer Disease: Relationship between glucose metabolism and intrinsic activity[J]. Neuroimage, 2018, 176: 246-258. DOI: 10.1016/j.neuroimage.2018.04.048.
[20]
FENG M, ZHANG Y, LIU Y, et al. White Matter Structural Network Analysis to Differentiate Alzheimer's Disease and Subcortical Ischemic Vascular Dementia[J/OL]. Front Aging Neurosci, 2021, 13: 650377 [2025-12-23]. https://doi.org/10.3389/fnagi.2021.650377. DOI: 10.3389/fnagi.2021.650377.
[21]
WANG X, ZHANG R, NGO G H, et al. Neural basis underlying the relation between boredom proneness and procrastination: The role of functional coupling between precuneus/cuneus and posterior cingulate cortex[J/OL]. Neuropsychologia, 2021, 161: 107994 [2025-12-23]. https://doi.org/10.1016/j.neuropsychologia.2021.107994. DOI: 10.1016/j.neuropsychologia.2021.107994.
[22]
WANG N, GUO L, GAO Y, et al. Disrupted Brain Structure-Function Coupling and Its Mediating Effects on the Associations Between Cerebral Small Vessel Disease Burden and Cognitive Dysfunction[J/OL]. CNS Neurosci Ther, 2025, 31(9): e70604 [2025-12-23]. https://doi.org/10.1111/cns.70604. DOI: 10.1111/cns.70604.
[23]
SAAD Z S, REYNOLDS R C, JO H J, et al. Correcting brain-wide correlation differences in resting-state FMRI[J]. Brain Connect, 2013, 3(4): 339-352. DOI: 10.1089/brain.2013.0156.
[24]
SOUMYA KUMARI L K, SUNDARRAJAN R. A review on brain age prediction models[J/OL]. Brain Res, 2024, 1823: 148668 [2025-12-23]. https://doi.org/10.1016/j.brainres.2023.148668. DOI: 10.1016/j.brainres.2023.148668.
[25]
YUE J, ZHAO N, QIAO Y, et al. Higher reliability and validity of Wavelet-ALFF of resting-state fMRI: From multicenter database and application to rTMS modulation[J]. Hum Brain Mapp, 2023, 44(3): 1105-1117. DOI: 10.1002/hbm.26142.
[26]
YI L, WANG J, JIA L, et al. Structural and functional changes in subcortical vascular mild cognitive impairment: a combined voxel-based morphometry and resting-state fMRI study[J/OL]. PLoS One, 2012, 7(9): e44758 [2025-12-23]. https://doi.org/10.1371/journal.pone.0044758. DOI: 10.1371/journal.pone.0044758.
[27]
WEN X, WU X, LI R, et al. Alzheimer's disease-related changes in regional spontaneous brain activity levels and inter-region interactions in the default mode network[J]. Brain Res, 2013, 1509: 58-65. DOI: 10.1016/j.brainres.2013.03.007.
[28]
TANG C, DING Y, YANG J, et al. Cerebrovascular disease in Alzheimer's disease: Brain structure as a critical mediator of cognitivdecline[J/OL]. J PrevAlzheimers Dis, 2025, 12(8): 100209 [2025-12-23]. https://doi.org/10.1016/j.tjpad.2025.100209. DOI: 10.1016/j.tjpad.2025.100209.
[29]
WANG Q, HE C, ZHU Y, et al. Cortical atrophy mediates the accumulating effects of vascular risk factors on cognitive decline in the Alzheimer's disease spectrum[J]. Aging (Albany NY), 2020, 12(14): 15058-15076. DOI: 10.18632/aging.103573.
[30]
YAMAGUCHI A, JITSUISHI T. Structural connectivity of the precuneus and its relation to resting-statenetworks[J]. Neurosci Res, 2024, 209: 9-17. DOI: 10.1016/j.neures.2023.12.004.
[31]
TAN L, XING J, WANG Z, et al. Study of gray matter atrophy pattern with subcortical ischemic vascular disease-vascular cognitive impairment no dementia based on structural magnetic resonance imaging[J/OL]. Front Aging Neurosci, 2023, 15: 1051177 [2025-12-23]. https://doi.org/10.3389/fnagi.2023.1051177. DOI: 10.3389/fnagi.2023.1051177.
[32]
BETTIO L E B, THACKER J S, RODGERS S P, et al. Interplay between hormones and exercise on hippocampal plasticity across the lifespan[J/OL]. Biochim Biophys Acta Mol Basis Dis, 2020, 1866(8): 165821 [2025-12-23]. https://doi.org/10.1016/j.bbadis.2020.165821. DOI: 10.1016/j.bbadis.2020.165821.
[33]
MENON V. 20 years of the default mode network: A review and synthesis[J]. Neuron, 2023, 111(16): 2469-2487. DOI: 10.1016/j.neuron.2023.04.023.
[34]
LIU X, WANG S, ZHANG X, et al. Abnormal amplitude of low-frequency fluctuations of intrinsic brain activity in Alzheimer's disease[J]. J Alzheimers Dis, 2014, 40(2): 387-397. DOI: 10.3233/JAD-131322.
[35]
TANG X, GUO Z, CHEN G, et al. A Multimodal Meta-Analytical Evidence of Functional and Structural Brain Abnormalities Across Alzheimer's Disease Spectrum[J/OL]. Ageing Res Rev, 2024, 95: 102240 [2025-12-23]. https://doi.org/10.1016/j.arr.2024.102240. DOI: 10.1016/j.arr.2024.102240.
[36]
MESSINA A, CUCCÌ G, CRESCIMANNO C, et al. Clinical anatomy of the precuneus and pathogenesis of the schizophrenia[J]. Anat Sci Int, 2023, 98(4): 473-481. DOI: 10.1007/s12565-023-00730-w.

上一篇 基于皮层-纹状体-小脑环路结构与代谢特征的可解释机器学习模型预测青少年首发重度抑郁障碍恢复后复发风险
下一篇 急性缺血性卒中患者深髓静脉不对称征与DTI-ALPS指数的相关性研究
  
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