BRAIN:阿爾茨海默臨床、認知和神經精神癥狀的腦網絡定位
阿爾茨海默病在存在臨床和神經解剖學上的個體差異，這使得我們對大腦-行為關系的理解變得復雜，并使開發神經成像生物標記物來跟蹤疾病的嚴重程度、進展和治療反應變得具有挑戰性。先前的工作已經表明，基于組分析的臨床癡呆綜合征的萎縮和局灶性腦損傷患者的復雜神經癥狀都可以定位到大腦網絡中。本文使用一種名為“萎縮網絡圖”的方法來檢驗以下假設：臨床診斷為阿爾茨海默病的患者中的個體萎縮圖也可以定位到特定癥狀以及其腦網絡中。
首先，本文通過比較兩個獨立的數據集中，每個阿爾茨海默病患者（總數330人）和一組年齡匹配、認知正常的患者的皮層厚度，定義了個體的萎縮圖。在這些數據集中，小于42%的阿爾茨海默病患者在任何給定位置都有萎縮。
接下來，在一個大型(n=1000)標準的正常人連接組中使用基于種子的功能連接，確定了一個與每個阿爾茨海默病患者萎縮位置都具有功能性連接的腦網絡。盡管萎縮區域具有個體差異，本文發現，臨床診斷為阿爾茨海默病的患者中，100%的萎縮在功能上與內側顳葉、楔前葉和角回相連。最后，使用萎縮網絡圖來定義記憶受損和妄想的癥狀特異性網絡，結果與來自大腦局灶性病變患者的癥狀網絡相匹配。本文的研究結果支持將萎縮網絡圖作為一種將臨床、認知和神經精神癥狀定位到腦網絡的方法，為癡呆癥患者的大腦-行為關系提供新的見解。文章發表在BRAIN雜志。
1. 前言
皮層厚度的神經成像測量結果可作為阿爾茨海默病患者神經變性的活體標志物。在群體水平上，特定神經解剖部位的萎縮與阿爾茨海默病的臨床診斷、進程、認知和神經行為癥狀有關。新開發的使用結構MRI的定量方法可以在個體水平上測量腦萎縮，為群體水平的神經成像結果和基于個體的臨床護理之間提供了一座潛在的橋梁。然而，一個主要的挑戰是，由于存在顯著的個體差異，導致不同患者的萎縮部位不同，癥狀也不同。這種臨床和神經解剖學的個體差異使得很難對臨床癡呆癥狀和特定的認知和神經精神癥狀進行定位，使人們對大腦-行為關系的基本理解變得復雜。
一個有希望的解決方案是將臨床癡呆癥癥狀和特定的神經癥狀映射到大腦網絡上。先前的研究已經發現，神經退行性疾病患者的群體水平萎縮發生在對應特定癥狀的、具有內在聯系的大腦網絡中。同樣，最近一項名為病變網絡映射的技術已經為一系列復雜的病變誘導癥狀識別出對應特定癥狀的大腦網絡，包括幻覺、妄想、犯罪行為、無序的自由意志知覺和記憶�？偠灾�，這項先前的工作已經將臨床、認知和神經精神癥狀定位到特定的大腦網絡中。然而，目前尚不清楚這些相同的癥狀特異性大腦網絡是否可以解釋在個體水平上觀察到的阿爾茨海默病患者的臨床和神經解剖學的差異。
在這里，本文使用一種新的技術，萎縮網絡映射，它使用連接組技術來測試阿爾茨海默病患者的臨床、認知和神經精神癥狀是否可以映射到特定的大腦網絡。首先，通過將每個阿爾茨海默病患者的皮層厚度與正常人的皮層厚度的標準模型的估計值進行比較，來定義個體萎縮圖。接下來，利用標準的正常人連接組數據進行功能連接分析，其中每個患者的個體萎縮圖作為一個種子點，使用這種方法來確定與每個個體萎縮圖功能性連接的腦網絡。這種方法類似于病變網絡映射，不同之處在于個體萎縮圖被用作種子。然后，使用萎縮網絡圖來定義阿爾茨海默病記憶力受損和妄想癥的特定癥狀的大腦網絡，并將結果與局灶性大腦病變患者的癥狀網絡進行比較。
2. 材料和方法
2.1 被試
本文使用的數據來自阿爾茨海默病神經成像計劃(ADNI)數據庫。ADNI成立于2003年，由首席調查員Michael W. Weiner領導。ADNI的主要目標一直是測試是否可以把一系列MRI、PET、其他生物標志物以及臨床和神經心理學評估結合起來，以衡量輕度認知障礙(MCI)和早期阿爾茨海默病的進程。這項研究的對象包括認知正常的患者和那些在55-90歲之間被臨床診斷為MCI或阿爾茨海默病的患者。
本研究包括ADNI研究第一部分(ADNI-1)的184名被診斷為阿爾茨海默病的患者和227名認知正常的患者，以及ADNI研究第二部分(ADNI-2)的146名被診斷為阿爾茨海默病的患者和201名認知正常的患者。根據ADNI協議，阿爾茨海默病的診斷需要主觀記憶主訴，臨床癡呆癥評分0.5-1，在邏輯記憶任務第二部分的表現受損，延遲回憶低于校正教育水平后的臨界值，簡易精神狀態檢查(MMSE)分數在20-26(含)之間，以及臨床醫生使用NINCDS/ADRDA標準診斷為很有可能是阿爾茨海默病。使用聽覺言語學習任務(AVLT)的延遲回憶和再認分數來定義記憶損害。是否存在妄想癥經由神經精神病學量表(NPI)評估。在基線MRI掃描后6個月內報告妄想癥的患者包括在妄想組(n=39)，而非妄想組被定義為在ADNI研究期間的任何時間點從未報告過妄想癥的患者(n=1211)。
2.2 MRI 分析
ADNI-1的MRI掃描采用1.5T掃描儀，使用標準的MPRAGE協議：矢狀面，TR/TE/反轉時間，2400/3/1000ms，翻轉角度8°，FOV 24 cm，192 X192矩陣，層厚1.2 mm。ADNI-2的MRI掃描在3T掃描儀上進行，使用標準的MPRAGE協議：矢狀面，TR/TE/反轉時間2300/2.95/900ms，翻轉角9°，FOV 26 cm，矩陣256 X256，層厚1.2 mm。
使用Freesurfer 6.0進行定量形態學分析。經過空間和強度歸一化和顱骨剝離后，分割為灰質、白質和腦脊液，并使用可變形曲面算法識別軟腦膜表面。皮層厚度通過測量約160000點(頂)處白質與軟膜表面之間的距離來確定。然后，每個患者重建的大腦配準到平均球形空間，使得整個皮層表面上的個體之間的皮層位置能夠精確匹配。Freesurfer質量控制分析包括全程處理錯誤的自動檢測和分割、強度歸一化和顱骨剝離錯誤檢查。ADNI-1中的一名阿爾茨海默病患者和一名對照患者因recon-all錯誤被排除在外，ADNI-2中三名阿爾茨海默病患者因可視的分割錯誤而被排除在外。
2.3 個體萎縮圖
使用年齡和性別作為協變量，使用基于頂點的GLM模型，計算每個數據集中被試的皮層厚度 (圖1A)。標準模型分別針對ADNI-1和ADNI-2進行計算，因為兩個數據集的掃描協議不同。接下來，使用年齡和性別的Beta圖，以及來自這些標準模型的殘差圖，計算每個患者基于頂點的皮層厚度w分數(w分數是校正協變量如年齡和性別調整后的z得分；圖1B)。為了計算w分數，使用公式：w_score=(實際-預期)/RSD，其中“實際”是患者觀察到的皮層厚度，“預期”是根據GLM預測的皮層厚度，RSD是GLM的殘余標準偏差，與以前的方法類似。萎縮的w圖被二值化（w＜-2），對應于皮層厚度低于健康對照組人群平均值2標準差(SD)，該過程控制了年齡和性別。在對照分析中用更嚴格的(w＜-2.5)和不那么嚴格的(w＜-1.5)萎縮閾值重復所有分析，以確保結果不會根據選定的萎縮閾值改變(補充圖1)。我們還進行了另外兩項對照分析。首先，將w圖設為患者前5%的萎縮體素，以校正患者中單個患者的萎縮大小。其次，在每個患者的萎縮程度最高的位置創建了一個半徑為8毫米的球形種子，以確定與分布式計算相比，限制在單一位置的種子點是否會產生更多或更少的穩健結果。我們疊加了來自所有患者的二值化w圖，以確定最多的患者在特定區域具有萎縮。
圖1 個體萎縮網絡圖流程圖
A：使用來自對照的皮層厚度的GLM用于根據患者的年齡和性別生成皮層厚度的規范模型。圖B：將每個患者的皮層厚度與模型估計進行比較，以生成皮層萎縮的頂點w-map(控制年齡和性別的z-map)。
2.3 萎縮網絡圖
接下來，為每個患者生成一個萎縮網絡圖，定義為與患者二值化的個體萎縮圖有功能聯系的大腦區域。首先，將來自每個半球的表面空間中的個體萎縮圖合并并轉換到MNI體積空間(圖2A)。使用來自基因組超結構計劃(GSP)的1000名健康人的公開可用的標準化功能連通性數據集，我們計算了每個患者的分布式個體萎縮圖中所有體素的平均血氧水平依賴(BOLD)時間序列。接下來，計算個體萎縮圖中的平均時間序列與大腦其他區域每個體素的BOLD時間序列的相關性。使用Fisher的r-to-z變換將得到的r值轉換為正態分布，對于1000個被試進行基于體素的t檢驗，生成無閾值萎縮網絡t-map（圖2B）。為了可視化，基于FWE校正P＜0.05(未校正的P＜10-6)將每個患者的萎縮網絡圖閾值和二值化。疊加了所有患者的閾值萎縮網絡圖，以確定與大多數患者的萎縮部位相關的區域(圖2C)。
圖2 萎縮網絡圖流程
2.4 比較阿爾茲海默病患者與控制組的萎縮網絡圖
將阿爾茨海默病患者的無閾值萎縮網絡圖與年齡匹配、認知正常的對照組繪制的萎縮網絡圖進行比較。使用與上述相同的方法定義了這些對照組的萎縮，將每個患者與標準模型進行比較，并將得到的w二值化（w<-2）。我們預期對照組中的這些位置是隨機的。使用組水平t檢驗比較了各組(阿爾茨海默病和對照組)在每個體素上的萎縮網絡圖，并使用統計非參數圖(SnPM13)進行置換檢驗校正多重比較錯誤（10000次置換，FWE校正P＜0.05)。
2.5 萎縮網絡圖在兩個獨立數據集之間的重復性
首先使用ADNI-1執行所有分析，然后，對ADNI-2中進行重復分析，所有分析相同。為了定量比較這兩個數據集的結果，測量ADNI-1和ADNI-2的萎縮網絡重疊圖和組水平t檢驗圖之間的體素空間相關性。
2.6 認知和神經精神癥狀的萎縮網絡圖
進行體素水平的分析，將萎縮網絡圖與記憶評分或是否存在妄想進行比較。之所以選擇這些癥狀，是因為對來自局灶性腦損傷患者的癥狀特異性腦網絡有很強的先驗假設。由于每個數據集中有妄想癥的患者數量較少，我們將ADNI-1和ADNI-2結合起來進行分析。記憶回憶是使用AVLT上的延遲回憶分數來定義的。記憶識別是使用AVLT的延遲再認分數定義的。是否存在妄想是從NPI評估中獲得的。在基線MRI掃描后6個月內報告妄想癥的患者為妄想組(n=39)，而非妄想組是在ADNI研究期間的任何時間點從未報告過妄想癥的患者(n=121)。對于妄想癥，我們做了基于體素水平的雙樣本t檢驗，比較有妄想和無妄想患者的萎縮網絡圖。對于記憶，對萎縮網絡圖結果與記憶分數進行了體素水平的回歸。在每個分析中，都使用SnPM13進行置換檢驗校正多重比較（10000次置換，FWE校正P＜0.05)。
為了量化萎縮網絡圖結果的效應量，使其可以與妄想和記憶的病變網絡圖(下文)進行比較，在結果的峰值點生成球形種子，妄想癥t檢驗的結果(MNI坐標12，20，68)、AVLT延遲再認回歸結果(MNI坐標-18，-34，-2)以及AVLT延遲回憶回歸結果(MNI坐標28，-40，6)。根據FSL組織先驗知識，使用每個分析的T圖中灰質概率至少為25%的體素(=63.75強度值)做mask。然后基于這些灰質團塊中的峰值點生成半徑為8毫米的球形種子，使用它們作為mask。
然后，使用標準連接組計算了每個患者的萎縮圖和這個峰值位置種子之間的功能連接強度。計算了每個個體萎縮圖內的所有體素和每個8毫米半徑感興趣區域內的所有體素的平均BOLD時間序列。然后，計算來自每個個體萎縮圖和每個感興趣區域的平均信號之間的相關性，以確定功能連接強度。我們進行了線性回歸分析，以確定AVLT延遲回憶分數與記憶種子的功能連接強度之間的關系。我們將分析局限于AVLT評分大于0分的患者(n=93)。我們還在控制海馬體積后重復了上述分析。我們對阿爾茨海默病患者中有和無妄想癥的患者進行了雙尾t檢驗，比較了功能連接強度和峰值點。
2.7 比較認知和神經精神癥狀的萎縮網絡圖
使用病變網絡圖直接將記憶和妄想萎縮網絡圖結果與來自局灶性腦損傷患者的這些癥狀的網絡圖進行比較。病變網絡圖的定義方法是在病變網絡圖峰值處生成8 mm的球形種子圖，與記憶(MNI坐標8，-39，3)和妄想(MNI坐標48，32，-4)的區域重疊。如上所述，通過在灰質峰值坐標處生成8 mm球形種子來定義萎縮網絡圖。然后，我們進行基于種子的功能連接，以確定每個種子點與所有其他腦體素之間BOLD信號的相關性。最后，測量了使用病變網絡圖和萎縮網絡圖中的種子生成的癥狀特定的腦網絡之間的空間相關性(不包括MNI腦mask外的體素)，作為相似性的衡量標準。
3. 結果
3.1 阿爾茲海默病萎縮網絡圖的個體差異
為了得出單個患者的萎縮圖，我們在ADNI-1數據集中將每個患者與認知正常被試的皮層厚度進行了比較，將萎縮定義為校正年齡和性別后，皮層厚度低于預期的2個標準差S（圖1)。單個患者的萎縮位置存在顯著的個體差異，ADNI-1中只有42%的患者，ADNI-2中只有36%的患者在相同的位置出現萎縮(圖3A)。
3.2 萎縮網絡圖確定了一個阿爾茲海默病共同的萎縮網絡
首先假設阿爾茨海默病的皮質萎縮會局限于一個共同的大腦網絡。為了使用個體萎縮圖來驗證這一假設，利用一種名為萎縮網絡映射的新技術來確定與每個患者的萎縮位置有功能聯系的大腦區域(圖2)。雖然萎縮的位置是不同的，但在ADNI-1和ADNI-2中，100%患者的萎縮在功能上與內側顳葉皮質、楔前葉/后扣帶回和角回區域有關，這一發現在兩個數據集中一致(圖3B)。雖然ADNI-1和ADNI-2的萎縮網絡映射結果有所不同，但兩者的結果高度相似(空間相關r=0.9)，ADNI-1的萎縮與額葉內側皮質相連的患者比例較高。阿爾茨海默病患者和對照組的組水平t檢驗結果在兩個數據集中的重復性很強(空間相關性r=0.97)(圖3C和補充表1)。使用不同的閾值來定義萎縮或控制患者間萎縮的空間范圍，結果沒有顯著變化(補充圖1)。與只使用峰值萎縮位置作為種子相比，分布式萎縮種子在被試間重復性更高，而且具有更高的組水平效應(補充圖1)。
圖3 兩個數據集的萎縮網絡圖結果高度重復
3.3 記憶損傷和妄想的癥狀特定網絡
接下來，使用萎縮網絡圖來定義記憶受損和妄想的癥狀特異性網絡。為了定義受損記憶網絡，將萎縮網絡映射結果與AVLT上的延遲回憶分數進行了回歸。妄想通過NPI評估，比較了有妄想癥患者和無妄想癥被試的萎縮網絡圖。對于每個比較，進行了基于體素的萎縮網絡圖連接強度分析，使用置換檢驗，并用FWE校正P＜0.05。
萎縮網絡圖確定了延遲回憶的記憶網絡，包括內側顳葉的區域(圖4A和補充表2)。分析中確定的峰值位置的功能連通性與記憶延遲回憶分數有很強的相關性(Pearson相關r=-0.39，P＜0.0001，圖4B)，校正海馬體積后，這種影響仍然顯著(偏相關r=-0.37，P＜0.0001)。延遲再認的記憶網絡位于顳葉內側更靠后的位置(補充圖2)。
萎縮網絡圖確定了一個妄想網絡，其中包括雙側腹外側額葉、眶額葉和上額葉皮質(圖4C和補充表2)。有妄想癥的阿爾茨海默病患者與沒有妄想癥的阿爾茨海默病患者相比，與峰值位置的功能連接性明顯更高(P＜0.001，圖4D)。
圖4 癥狀特定的萎縮網絡圖圖4A:Voxel-wise GLM記憶記憶評分回歸與萎縮網絡映射(cluster水平FWE校正P<0.05);
B: 散點圖顯示功能連接強度與峰值萎縮網絡映射結果和延遲回憶分數之間的關系;
C:體素水平檢驗阿爾茨海默病患者與無妄想癥患者的萎縮網絡映射(FWE校正P<0.05)；
D：條形圖表示阿茲海默有妄想和無妄想患者的萎縮網絡映射的功能連接強度峰值。*P<0.001,**P<0.0001。
3.4 利用萎縮網絡圖定義的癥狀網絡與病變網絡圖的結果相似
本文比較了阿爾茨海默病患者中使用個體萎縮圖得出的記憶和妄想的癥狀網絡與局灶性腦損傷患者中得出的癥狀網絡。利用先前在記憶和妄想中病變網絡圖研究中重疊的峰值位置產生的種子，得到了病變網絡圖。用于記憶的病變網絡圖與用于記憶再認的萎縮網絡圖高度相似(空間相關性r=0.82)(圖5A和B)。用于記憶的病變網絡圖也與用于記憶回憶的萎縮網絡圖相似(空間相關r=0.46)，但也有差異，在顳葉內側處更靠前，特別是在比較萎縮網絡圖和病變網絡圖結果時(補充圖3)。妄想癥的病變網絡圖與妄想的萎縮網絡映射高度相似(空間相關性r=0.66)，但萎縮網絡映射更大的延伸至眶額葉(圖5C和D)。
圖5 病變網絡圖與萎縮網絡圖的比較
4. 討論
在這里，使用萎縮網絡圖將阿爾茨海默病患者的個體萎縮圖定位到功能連接腦網絡中。首先，在兩個獨立的數據集上將單個患者的萎縮圖定位到阿爾茨海默病萎縮網絡中，這與大量先前的文獻相匹配，這些文獻表明臨床癡呆癥的萎縮發生在特定癥狀的功能連接腦網絡中。第二，使用萎縮網絡圖將阿爾茨海默病患者的認知和神經精神癥狀定位到癥狀特定的腦網絡中，并與局灶性腦損傷患者的癥狀特定的大腦網絡匹配。綜上所述，本研究驗證了一種名為萎縮網絡映射的新方法，該方法可以將單個對象的萎縮圖定位到與神經退行性疾病中的特定癥狀或行為相關的腦網絡中。
4.1 萎縮網絡圖的個體差異
在組水平上得到神經退行性疾病的生物標記物會影響患者的臨床護理，個體化生物標記物是減緩阿爾茨海默病和相關癡呆的神經變性進程的要點。評估結構磁共振成像的量化方法的不足阻礙了這種生物標記物的發展。主要挑戰是單個被試水平上萎縮位置的空間個體差異。我們的結果表明，這種個體差異可以通過在網絡水平上定義結構神經成像生物標記物來解釋。
另一種方法是使用預定義的、空間分布的先驗大腦網絡的平均皮層厚度。盡管存在個體差異，這種方法也可以比較不同患者之間的萎縮情況，并與神經退行性疾病的診斷、進程和特定癥狀有關。然而，與感興趣區域內的平均皮層厚度相比，萎縮網絡映射有幾個優點。首先，萎縮網絡圖不需要先驗的感興趣區，因為結果本身可以識別與特定臨床癥狀或認知/神經精神癥狀相關的大腦區域。這可能對與神經解剖學的相關性知之甚少的神經精神病癥或行為癥狀特別有用。其次，將感興趣區平均會使得萎縮位置產生偏差，因為不同區域在連通模式上是具有臨床意義的。本文的方法提供了一種平衡，既有每個患者的獨特之處(該患者的特定萎縮部位)，也有具有類似癥狀患者的共同點(該處的萎縮在功能上相關)。因此，萎縮網絡映射可以被視為一種互補的和潛在的協同作用的方法。
4.2 將臨床癡呆癥狀定位到大腦網絡中
先前在組水平的研究已經支持了這樣的假設，即神經退行性疾病的萎縮發生在疾病特有的功能連接的大腦網絡中。例如，確定了阿爾茨海默病和其他癡呆癥的群體水平上萎縮的峰值位置，在功能上與該位置相連的大腦區域也傾向于出現萎縮。一種稱為基于坐標的網絡映射的神經成像元分析方法也發現了不同臨床癡呆綜合征的癥狀特異性萎縮網絡。進一步的研究發現，與阿爾茨海默病和其他癡呆癥的分布萎縮圖聯系最緊密的種子區出現在萎縮最嚴重的位置。這導致了一種假設，即阿爾茨海默病和其他癡呆癥始于這些疾病“震中”的萎縮，隨著時間的推移，擴散到每種疾病特定網絡中其他區域的功能連接位置。
后來的工作發現，來自個別阿爾茨海默病患者的這種“震中”表現出顯著的變異性，而個人，而不是群體水平的“震中”種子點，可以很好的預測萎縮模式。在這里，本文同樣發現，個體的萎縮圖顯示了阿爾茨海默病的個體差異。然而，本文進一步表明，這些不同的萎縮區域發生在同一個阿爾茨海默病特定的大腦網絡中。本文的方法說明了一種機制，通過這種機制，個體水平上的萎縮的區域的差異仍然可以導致群體水平上一致的網絡神經變性。因此，諸如萎縮網絡圖之類的方法，根據個體差異來確定預期進展的不同空間模式時可能是有用的。
值得注意的是，本研究分析了臨床診斷為阿爾茨海默氏癥的患者，而不是阿爾茨海默病的病理診斷患者。臨床診斷為阿爾茨海默氏癥的一些患者有可能(甚至很可能)有不同的病理診斷，例如LATE。因此，本文目前的結果最好被解釋對阿爾茨海默氏癥的臨床癥狀定位，而不是阿爾茨海默病病理定位。
4.3 將臨床癥狀定位到大腦網絡中
所觀察到的萎縮部位和癥狀之間的個體差異使得建立大腦-行為關系具有挑戰性。將癥狀定位到大腦網絡的方法可能會為這個問題提供一個潛在的解決方案。在以前的工作中，病變網絡圖已經被用來將異常的運動癥狀、認知癥狀和神經行為癥狀定位到癥狀特定的大腦網絡。使用這些方法確定的特定癥狀的大腦網絡，在有類似癥狀的精神病患者中也是功能失調的。在目前的研究中，使用萎縮網絡圖識別的記憶和妄想癥狀網絡與先前的病變研究中的癥狀網絡相匹配。綜上所述，本研究的結果支持將復雜的認知和神經精神癥狀定位到類似癥狀特定的大腦網絡中。
病變網絡圖結果與萎縮網絡圖結果有很強的相似性，但也存在一些顯著差異。我們發現，與位于內側顳葉更前側的記憶回憶萎縮圖相比，位于后內側顳葉的記憶再認萎縮網絡圖與病變網絡圖相似度更高。這可能反映了病變病例的報告偏差，因為記憶再認的喪失表現為一種更嚴重的記憶損害形式，更有可能在病例報告中發表。此外還發現，我們的妄想網絡略有不同，萎縮網絡圖識別了一個更對稱的網絡(相對于右半球占主導地位)，并且與病變網絡映射相比，更大程度地延伸到眶額葉。這可能是由于阿爾茨海默病患者典型的對稱性萎縮模式與典型的單側腦局灶性病變之間的種子點差異。
對網絡定位的解釋還不清楚。一種可能性是，神經性疾病的臨床癥狀可能是通過一種稱為神經機能聯系失能的機制，由連接但未受損的大腦區域的功能障礙引起的�；蛘�，可能表明復雜癥狀表現了整個網絡的交互功能，而不是該網絡中的任何特定位置或節點。未來研究萎縮對連接區域的功能影響可能有助于區分這些機制和其他可能的機制。
5. 局限性
目前的研究有幾個重要的局限性。首先，研究僅限于一種神經退行性疾病，即阿爾茨海默病。此外，雖然在兩個獨立數據集中結果是可重復的，但兩個數據集有相似的招募策略、方法和納入標準。因為阿爾茨海默病患者的不同研究人群之間可能存在更大的變異性，本文中的網絡定位方法在這一背景下解釋患者之間的個體差異可能更有用。
其次，研究使用一個標準的正常人的連接組數據來確定與每個患者的萎縮位置在功能上相關的區域。使用標準連接組數據，而不是患者的功能連接性，對本研究的方法是有利的，因為萎縮的大腦位置的局部功能障礙可能會減少或改變與其他大腦區域的功能連接強度。雖然這個標準連接組數據(n=1000)是大規模的，增加了連接性估計的置信度，但標準連接組數據無法解釋功能連接性中重要的個體差異。來自個別患者的功能連接在其他情況下可能也很重要，例如結構性腦萎縮和臨床癥狀之間的關系。因此，同時使用標準化和患者特異性連接的方法很可能有助于理解導致神經退行性疾病臨床癥狀的神經機制。
第三，萎縮網絡圖與病變網絡圖存在差異。與定義為二值化的病變不同，在單個患者中確定萎縮的閾值是具有挑戰性的。雖然本文的結果在使用不同的閾值來定義萎縮時沒有顯著變化，但基于萎縮閾值的更細微的差異可能會出現。因此，建議在今后的分析中以不同的萎縮閾值重復分析。與局灶性腦部病變相比，萎縮起病較慢，彌漫性更強，區域也更具特異性。這些差異可能會導致不同的疾病病理效應，而這些影響可能無法用類似的網絡映射方法來解釋。
第四，使用每個個體萎縮圖中所有體素的平均時間序列來生成萎縮網絡圖。本文發現，使用分布式萎縮地圖作為種子，而不是萎縮的峰值位置，會產生更一致的結果。因為患者可能有不同的萎縮區域，這些區域與不同的內在靜息態連接網絡相關，所以利用個體的萎縮網絡圖可以識別來自不同網絡的連接區域。當病變延伸到空間相鄰但功能不同的大腦區域時，在病變網絡圖中也會出現同樣的問題。在這兩種情況下，考慮所有可能的連接區域都是有利的，因為到不同網絡的連接可能會導致不同的癥狀。例如，本研究在患有妄想癥的阿爾茨海默病患者中發現了與腹側額葉皮質相關的萎縮，這是確診阿爾茲海默癥臨床癥狀網絡之外的一個區域。然而，過度廣泛的萎縮圖(或病變)有可能產生“淡化”的平均信號，可能是沒有信息的。進一步的方法學可以納入更精細的萎縮網絡繪圖方法，例如加權個體萎縮種子，或使用圖論方法對偏遠區域萎縮的影響進行建模。
最后，神經退變網絡假說經常被用作解釋阿爾茨海默病中神經退變隨時間變化的模型。本文目前的研究是橫斷面的，不能評估隨著時間推移的進行性萎縮。然而，本文定義個體萎縮圖和得到萎縮網絡圖的方法可以讓人們在測試神經退化網絡假說隨著時間的推移萎縮的同時，把患者萎縮的個體差異作為基線。
總結
阿爾茨海默病在單個患者水平上既有臨床個體差異，也有神經解剖學個體差異。本文在考慮個體差異的情況下，建立了基于個體的分析，分析過程采用了不同的閾值確定萎縮程度，也采用了多種建立網絡種子點的方法，如取以峰值點為圓心，半徑8mm為半徑定義種子點，或采用分布式的萎縮區域定義種子點，分析過程較為嚴謹，考慮了多種可能性，統計分析過程進行了置換檢驗校正多重比較錯誤，結果具有一定的可信度。
本文將萎縮區域定位到了具有功能連通性的大腦網絡中，發現100%患者的萎縮在功能上與內側顳葉皮質、楔前葉/后扣帶回和角回區域有關，說明雖然萎縮腦區具有個體差異，但可以導致群體水平上一致的網絡神經變性。除此之外，本文還將記憶與妄想癥狀定位到了癥狀特定的大腦網絡中，結果與先前的大腦局灶性病變網絡的研究一致，為深入了解癡呆癥患者大腦-行為的關系提供了基礎。在文章的局限性部分，作者提出了多種可能性，為未來的研究提供了思路。
請微信搜索“思影科技”關注我們，關注我們的公眾號，獲得更多精彩腦科學內容，如需原文或對思影科技課程感興趣請添加微信號siyingyxf或19962074063
歡迎瀏覽思影的數據處理課程以及數據處理業務介紹。（請直接點擊下文文字即可瀏覽思影科技其他課程，歡迎添加微信號siyingyxf或19962074063進行咨詢，仍接受報名，受疫情影響部分課程時間或有調整，報名后我們會第一時間聯系）：
第六屆任務態fMRI專題班（重慶4.8-13）
第二十八屆磁共振腦影像基礎班（重慶2.24-29）
第十四屆磁共振腦網絡數據處理班（重慶3.18-23）
第二十屆腦電數據處理中級班（重慶3.7-12）
第二十九屆磁共振腦影像基礎班（南京3.15-20）
第十五屆磁共振腦網絡數據處理班（南京4.13-18）
第十屆腦影像機器學習班（南京3.3-8）
第六屆小動物磁共振腦影像數據處理班(3.27-4.1)
第十二屆磁共振彌散張量成像數據處理班（南京3.21-26）
第九屆磁共振腦影像結構班(南京2.26-3.2）
第八屆腦電數據處理入門班（南京3.9-14）
第七屆眼動數據處理班（南京4.9-13）
第七屆近紅外腦功能數據處理班(上海4.2-7）
思影數據處理業務一：功能磁共振（fMRI）
思影數據處理業務二：結構磁共振成像(sMRI)與DTI
思影數據處理業務三：ASL數據處理
思影數據處理業務四：EEG/ERP數據處理
思影數據處理服務五：近紅外腦功能數據處理
思影數據處理服務六：腦磁圖（MEG）數據處理
招聘：腦影像數據處理工程師（重慶&南京）
BIOSEMI腦電系統介紹
