王貞，汪彥，2，張夢麗，2，祝寒宇，2，潘志銘，2，黃桂乾，聞彩云，熊麗，石林

1.溫州醫(yī)科大學附屬第一醫(yī)院 神經(jīng)內(nèi)科 浙江省阿爾茨海默病重點實驗室，浙江 溫州 325015；2.溫州醫(yī)科大學 第一臨床醫(yī)學院（信息與工程學院），浙江 溫州 325035；3.溫州醫(yī)科大學附屬第一醫(yī)院放射科，浙江 溫州 325015；4.香港中文大學 影像及介入放射學系，香港 999077

阿爾茨海默?。ˋlzheimer’s disease,AD）是老年期最常見的中樞神經(jīng)系統(tǒng)的退行性疾病之一，是老年人致殘和致死主要原因之一[1]。我國AD患者的年社會經(jīng)濟成本為1.914萬美元/年，社會負擔極大[2]。MRI是目前主要的神經(jīng)成像方法，可用于輔助診斷AD[3]。有研究表明，全腦[4]、海馬體[5-6]、額葉[7]、頂葉[7]、內(nèi)側(cè)顳葉[8]、內(nèi)嗅皮層[6，9]、杏仁核[10]的體積縮小與AD的發(fā)生相關(guān)。在疾病的早期，已經(jīng)出現(xiàn)海馬區(qū)和內(nèi)嗅區(qū)皮質(zhì)體積減小。因此3D MRI圖中分割關(guān)鍵腦組織技術(shù)對于早期診斷以及監(jiān)測疾病進展具有重要意義[11]。國際上對海馬體積的手動分割已做出標準化規(guī)定，但由于解剖標志物和測量方法的差異，手工測量結(jié)果誤差較大。因此需要一種能自動分割并精確計算的軟件來減少誤差[12]，減少分段測量海馬平均容積的誤差[13]。AccuBrain?是一種全新的自動體積分析軟件，由香港中文大學影像及介入放射學系獨立研發(fā)，該軟件根據(jù)歐洲阿爾茨海默病聯(lián)盟-阿爾茨海默病神經(jīng)影像學倡議（EADC-ADNI）標準和3D MRI[14]自動進行海馬區(qū)的精確分割。AccuBrain?可計算急性缺血性腦梗死病灶[15]和白質(zhì)病變?nèi)莘e[16]，在一定程度上可以幫助確定腦卒中后白質(zhì)病變[17]和小血管疾病[18]對認知功能的影響。本研究擬利用該技術(shù)驗證AD與不同腦區(qū)容積的相關(guān)性，以輔助診斷早期AD。

1 對象和方法

1.1 對象 納入2018年1月至2020年12月溫州醫(yī)科大學附屬第一醫(yī)院神經(jīng)內(nèi)科記憶門診早期AD患者（早期AD組）29例，同期納入年齡、性別和教育程度匹配的體檢中心的健康對照者（對照組）20例。AD的診斷標準參照NINCDS-ADRDA的標準定義。排除標準：①既往診斷為癡呆的其他原因，如血管性癡呆（vascular dementia,VD）、中樞神經(jīng)系統(tǒng)感染（如艾滋病毒/艾滋病、梅毒等）、亨廷頓病和帕金森病引起的癡呆、路易體癡呆（dementia with Lewy bodies,DLB）或創(chuàng)傷性腦癡呆；②長期飲酒或濫用精神活性物質(zhì)或曾有一氧化碳中毒史；③證實為顱內(nèi)占位性病變；④神經(jīng)系統(tǒng)疾?。òㄅ两鹕?、卒中、格林-巴利綜合征、多發(fā)性硬化）；⑤精神疾病包括精神分裂癥、精神錯亂、雙相情感障礙或嚴重抑郁癥。分別對入選受檢者進行簡易智力狀態(tài)檢查（mini-mental state examination,MMSE）、臨床癡呆量表（clinical dementia rating,CDR）和通過改良巴氏指數(shù)評定的日常生活能力（activity of daily living-modified Barthel index,ADL-MBI）等量表評定。對照組來自健康體檢者。本研究經(jīng)溫州醫(yī)科大學附屬第一醫(yī)院醫(yī)學倫理委員會批準（審批號：KY2021-153），所有患者均簽署知情同意書。

1.2 方法

1.2.1 一般資料采集：采集所有受檢者年齡、性別、教育程度、職業(yè)、既往史、個人史、用藥史等一般資料。

1.2.2 神經(jīng)心理學評估：使用MMSE、ADL-MBI、CDR對所有受檢者進行評估。

1.2.3 磁共振影像數(shù)據(jù)參數(shù)：采用MRI掃描顱腦，所有MRI圖像均由配備3D系統(tǒng)（Achieva TX 3.0T，荷蘭飛利浦公司）的MRI機器進行，包括八通道磁頭線圈。常規(guī)軸位T1、T2加權(quán)像和軸位T2液體衰減反轉(zhuǎn)恢復（fluid-attenuated inversion-recovery,FLAIR）圖像，從而排除不合格的單側(cè)或雙側(cè)海馬區(qū)信號增強的患者。翻轉(zhuǎn)角度=90°，切片數(shù)=60，切片厚度=2 mm，切片間隙=0 mm，NSA=1，F(xiàn)OV=230 mm×183 mm，ACQ矩陣尺寸=256×160。

1.2.4 圖像分割分析：所有圖像均使用AccuBrain?[15-19]軟件（深圳BrainNow醫(yī)療技術(shù)有限公司）進行處理，這是一種基于云端的自動化腦容積測量工具，以全自動模式進行腦結(jié)構(gòu)和腦組織的分割量化，不同版本AccuBrain?在海馬分割準確性和AD診斷準確性均相似[20]，見圖1。

圖1 應用AccuBrain?處理后的大腦MRI圖像分割分析圖

1.3 統(tǒng)計學處理方法 采用SPSS25.0軟件對數(shù)據(jù)進行統(tǒng)計分析。正態(tài)分布計量資料用±s表示，2組間比較用獨立樣本t檢驗；非正態(tài)分布的計量資料采用M（P25，P75）表示，2組間比較采用Mann WhitneyU檢驗。計數(shù)資料以例（%）表示，2組間比較采用χ2檢驗。通過相關(guān)性分析和共線性分析篩查出有診斷意義且不存在共線性的變量，條件指標大于15的變量可懷疑在該維度存在共線問題；同時結(jié)合方差比例數(shù)值，其中大于0.9則懷疑該變量存在共線性。進行多次排列組合來篩選不同腦區(qū)，最后聯(lián)合多個腦區(qū)計算AUC值，篩選最佳模型。P＜0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 2組受檢者臨床資料比較 本研究共納入49例受檢者，其中早期AD組29例，男12例、女17例。對照組20例，男10例、女10例。2組性別、年齡、文化程度等差異均無統(tǒng)計學意義（P＞0.05）。2組間MMSE評分差異有統(tǒng)計學意義（P＜0.001），特別是定向力、注意力和計算力、語言回憶、閱讀能力、三步命令等認知域，早期AD組得分顯著低于對照組，差異有統(tǒng)計學意義（P＜0.05）。2組受檢者中CDR評分及ADL-MBI評分差異有統(tǒng)計學意義（P＜0.001）。見表1。

表1 2組受檢者臨床特征比較

2.2 2組受檢者不同區(qū)域腦容積比較 2組受檢者腦實質(zhì)中，雙側(cè)海馬區(qū)、左側(cè)丘腦、杏仁核、核殼、顳葉、扣帶回、左側(cè)島葉比較差異有統(tǒng)計學意義（P＜0.05）；2組受檢者中部分相對萎縮的腦容積也存在差異，如右側(cè)額葉、枕葉、右側(cè)顳葉、右側(cè)頂葉、雙側(cè)扣帶回、左側(cè)島葉、灰質(zhì)萎縮的腦容積差異有統(tǒng)計學意義（P＜0.05）。在腦室系統(tǒng)，早期AD組的腦室容量明顯大于對照組，差異有統(tǒng)計學意義（均P＜0.05）。與對照組比，早期AD組的側(cè)腦室、第三腦室和側(cè)腦室下角均增大，差異有統(tǒng)計學意義（P＜0.05）。見表2。

表2 2組不同區(qū)域腦容積比較

2.3 2組間差異腦區(qū)腦容積與認知功能障礙的相關(guān)性分析 因變量患病狀態(tài)（對照組=1，早期AD組=0），自變量中性別（男性=1，女性=0），受教育程度（文盲=1，小學=2，初中=3，高中=4，大學=5），其余連續(xù)變量資料均未予賦值。將2組間有差異的腦區(qū)逐個進行單因素二元Logistic回歸分析，海馬體和杏仁核、側(cè)腦室下角、殼核、以及顳葉、扣帶葉、左側(cè)腦島、右側(cè)額葉萎縮、枕葉萎縮、右側(cè)顳葉萎縮、右頂葉萎縮、島葉萎縮、右側(cè)扣帶回萎縮的腦容積的改變會影響AD的患病風險，見表3。采用多重共線性檢驗篩除混雜變量，右側(cè)海馬、右側(cè)枕葉萎縮、右側(cè)扣帶回、左側(cè)側(cè)腦室下角、左側(cè)島葉萎縮的腦容積在共線性分析中VIF值均小于2。將上述不存在共線性的變量作為自變量建立Logistic回歸模型，將存在共線性的2個自變量分別納入Logistic回歸模型中，通過比較P值的大小來選取合適的腦區(qū)，不斷重復進行，直至篩選出均不存在共線性的腦區(qū)。通過調(diào)整混雜因素，分別得到模型1～3。通過調(diào)整年齡、性別、受教育程度后發(fā)現(xiàn)右側(cè)海馬體、右側(cè)枕葉萎縮、右側(cè)扣帶回、左側(cè)側(cè)腦室下角、左側(cè)島葉萎縮腦容積，這5項指標形成的聯(lián)合診斷體系可以用于早期AD的診斷，AUC=0.919（95%CI=0.758～0.963，P＜0.01），其中將右側(cè)海馬體、右側(cè)枕葉萎縮聯(lián)合診斷所得AUC=0.878（95%CI=0.790～0.885，P＜0.01），見表4和圖2。

表3 單因素二元Logistic回歸分析兩組不同區(qū)域腦容積比

圖2 二元Logistic回歸分析所得聯(lián)合診斷預測值的ROC曲線圖

2.4 調(diào)整干擾因素后不同感性興趣區(qū)模型的ROC曲線分析 調(diào)整年齡、性別、文化程度等干擾因素后，挑選有意義的指標分別對不同感興趣區(qū)進行Logistic回歸分析，并計算診斷模型1～5 的預測概率。對5個感興趣區(qū)所得的5個預測值繪制ROC曲線，通過Logistic回歸分析，計算聯(lián)合預測因子，將所得的5個聯(lián)合預測因子進行繪制ROC曲線，發(fā)現(xiàn)與預測概率繪制的ROC曲線所得的結(jié)果是一致的。右側(cè)海馬、右側(cè)腦室后角形成的診斷體系可用于早期AD疾病的診斷的AUC=0.867。右側(cè)海馬、左側(cè)腦室后角診斷AUC=0.860。右側(cè)海馬、左側(cè)殼核的AUC=0.843。右側(cè)海馬、左側(cè)島葉的AUC=0.876。右前額葉萎縮腦容積、右側(cè)頂葉萎縮腦容積的AUC=0.893，見表5和圖3。

表5 二元Logistic回歸分析所得聯(lián)合診斷預測值

圖3 感興趣區(qū)1～5診斷早期AD的ROC曲線圖

3 討論

本研究主要探索不同腦區(qū)容積比與早期AD的關(guān)系，量化不同區(qū)域腦區(qū)容積值，用于輔助早期AD診斷。本研究發(fā)現(xiàn)多個腦區(qū)的容積比與早期AD之間存在很大的相關(guān)性，特別是海馬區(qū)、杏仁核、殼核、腦島等腦區(qū)。ROC曲線表明不同腦區(qū)的聯(lián)合診斷表現(xiàn)出較好的診斷性能，尤其右側(cè)海馬在聯(lián)合診斷中起到重要作用。

本研究采用AccuBrain?，獲得的單個腦區(qū)相對容積比計算的ROC沒有診斷價值，但進行多個腦區(qū)的聯(lián)合診斷可獲得較好的診斷價值，多指標聯(lián)合診斷效果最好，可為早期AD患者的臨床確診提供輔助作用。特別值得注意的是，單因素二元Logistic回歸分析發(fā)現(xiàn)雙側(cè)海馬體、雙側(cè)杏仁核和左側(cè)腦島等腦結(jié)構(gòu)均與早期AD相關(guān)，而在調(diào)整干擾因素后再次進行多因素二元Logistic回歸分析，只有右側(cè)海馬體和右側(cè)枕葉腦容積的萎縮最為顯著。聯(lián)合診斷也發(fā)現(xiàn)均與右側(cè)海馬體有關(guān)。本研究結(jié)果提示聯(lián)合診斷可用于AD的臨床預測和早期診斷。

本研究發(fā)現(xiàn)大腦結(jié)構(gòu)的容積比，如右側(cè)海馬體、左側(cè)腦島、雙側(cè)側(cè)腦室下角和雙側(cè)杏仁核，均與早期AD相關(guān)。在進行多個腦區(qū)容積隨機組合行聯(lián)合診斷中發(fā)現(xiàn)五個感性興趣的預測值最有意義，均和右側(cè)海馬容積相關(guān)。因此，猜測右側(cè)海馬在早期AD進展中最先受累。目前尚未有文獻報道左右側(cè)海馬與早期AD不同認知功能受損的相關(guān)性，是否與右側(cè)海馬受累的可能性更大及其受累原因的研究。同時，發(fā)現(xiàn)左側(cè)額頂萎縮的聯(lián)合診斷也是早期AD的良好預測指標。所以AD疾病進展過程中所累及的腦區(qū)可能是各不相同的，而且相同腦區(qū)在左右大腦的受累程度也可能是不同的。

通過AccuBrain?技術(shù)的應用，發(fā)現(xiàn)雙側(cè)海馬、雙側(cè)島葉、左側(cè)丘腦、雙側(cè)杏仁核等腦結(jié)構(gòu)的容積比與AD顯著相關(guān)，右側(cè)海馬、左側(cè)殼核、左側(cè)腦室后角、左側(cè)腦島等腦結(jié)構(gòu)的萎縮可能是診斷AD的潛在指標。其中，右側(cè)海馬在聯(lián)合診斷中具有重要作用。

海馬體在學習、記憶和認知中的作用已得到廣泛的肯定[19]，是AD早期受累的區(qū)域之一。結(jié)構(gòu)MRI可反映海馬容積的變化，可輔助AD的診斷[21]。JOSEPHS等[22]研究表明幾乎80%的AD患者都有典型的海馬區(qū)萎縮。也有研究表明，AD與海馬神經(jīng)元的喪失密切相關(guān)[23]。本研究也驗證了AD與海馬MRI容積比之間的相關(guān)性，在聯(lián)合診斷分析時，右側(cè)海馬容積具有優(yōu)勢診斷作用。島葉是大腦皮層的一部分，影像研究表明，AD組較正常對照存在明顯的島葉萎縮[24]。免疫組化研究發(fā)現(xiàn)，雙側(cè)島葉都有早期AD的病理改變，93%的患者有淀粉樣沉積改變，82%的患者有神經(jīng)原纖維纏繞改變[23]。與對照組相比，AD組杏仁核腦容積顯著減小[25]，AD患者腦萎縮也導致其腦室容量明顯大于健康人。本研究發(fā)現(xiàn)在AD和對照組中不同腦室容積比存在差異。AD患者通常雙側(cè)丘腦容積較小，有研究表明下丘腦容積減少是AD最原始的癥狀[26]。此次研究發(fā)現(xiàn)左側(cè)丘腦與AD相關(guān)，但在二元Logistic回歸分析中沒有意義，這可能因樣本偏少導致的。顳葉是大腦中與語言和記憶功能有關(guān)的另一個重要部分，本研究發(fā)現(xiàn)AD患者雙側(cè)顳葉容積比明顯小于對照組。據(jù)報道，AD組的顳葉腦容積顯著減小，在血流方面也有類似的結(jié)果[26-27]。另有綜述表明，顳葉萎縮是AD的經(jīng)典影像表現(xiàn)之一[28]。本研究發(fā)現(xiàn)與對照組相比，AD組側(cè)腦室下角的容積比在本研究中也具有統(tǒng)計學意義。目前已有研究發(fā)現(xiàn)攜帶不同APOE基因型的AD患者臨床特征和側(cè)腦室下角大小有關(guān)[29]。本研究再次驗證了側(cè)腦室下角容積比與早期AD患病風險的關(guān)系。

目前臨床醫(yī)師對關(guān)鍵腦組織的萎縮程度主要依靠主觀判斷，這高度依賴評估者的專業(yè)知識，無法對不同年齡的腦萎縮正常范圍給出量化評定。因此，利用腦影像定量工具輔助腦萎縮的評估已成趨勢。然而國外的檢測工具（如NeuroQuant等）對于人腦萎縮程度的推導均是基于西方人（高加索人）大腦結(jié)構(gòu)的正常范圍，而西方人與東方人腦結(jié)構(gòu)容積存在差異。本研究所應用的AccuBrain?腦影像定量系針對基于中國人腦數(shù)據(jù)庫而設計，對中國人群的腦結(jié)構(gòu)特征有較好的適應性。AccuBrain?已被證實在同類大腦分割軟件中具有最佳的準確度，與手工分割的參照數(shù)據(jù)相比，AccuBrain?的海馬體分割在左海馬體積、右海馬體積、總海馬體積上均有非常吻合的結(jié)果（如Dice相似系數(shù)分別為0.89、0.89、0.89，同類相關(guān)系數(shù)為0.94、0.96、0.95，Pearson相關(guān)系數(shù)為0.95、0.96、0.95）。相比于同類的海馬體自動定量工具（如FreeSurfer），AccuBrain?也顯示出了更高的準確度。一種基于機器學習的新型腦萎縮標志物，即AD相似萎縮指數(shù)（AD-similar atrophy index,AD-RAI），通過AccuBrain?技術(shù)自動處理以計算AD-RAI，使AD-RAI代表了一種潛在的生物標志物，能支持AD診斷[30]。其腦容積定量結(jié)果不僅與手工分割的參照數(shù)據(jù)非常吻合，且相比于同類的自動定量工具（如FreeSurfer）也顯示出了更高的準確度，因而具有高效、準確的特點。

本研究使用了AccuBrain?自動分割軟件，可以自動分析大腦各個區(qū)域的容積比，減少人工誤差。通過比較所有大腦結(jié)構(gòu)的容積，增加了數(shù)據(jù)的可靠性。但本研究也存在一定的局限性。最明顯的局限性是樣本量較小，這可能會導致統(tǒng)計偏差，從而使結(jié)論不可靠。由于參與研究的患者數(shù)量有限，患者的病情嚴重程度沒有分類，這可能會使結(jié)果缺少嚴謹性；而且本研究未納入輕度認知障礙和其他類型的癡呆癥。因此，該結(jié)論的準確性還有待檢驗。本研究尚未對每個大腦結(jié)構(gòu)（如海馬體）進行更詳細的體積分析，如分析海馬體四個區(qū)域（CA1、CA2、CA3和CA4）的容積比與認知能力的關(guān)系。