基于脑灌注成像与机器学习预测帕金森病左旋多巴诱导异动症的创新研究

本研究针对帕金森病治疗中左旋多巴诱导异动症（LID）的预测难题，通过多模态神经影像与机器学习技术，成功构建了基于治疗前脑血容量（CBV）成像的LID风险分类模型。该模型在啮齿类动物实验中达到86.67%的准确率，揭示了神经血管耦合异常在LID发病机制中的关键作用，为早期干预提供了新思路。

　　

帕金森病作为常见的神经退行性疾病，全球有超过90%的患者采用左旋多巴（levodopa）进行症状管理。然而这种金标准治疗方案伴随着一个棘手的并发症——约半数患者在用药5年内会出现左旋多巴诱导异动症（LID），表现为剂量峰值期不自主的舞蹈样动作。这种运动障碍不仅抵消了左旋多巴的治疗效果，还严重影响患者的生活质量。尽管临床尝试通过调整给药方案、添加多巴胺激动剂或使用金刚烷胺等方法来缓解症状，但这些措施只能提供暂时性改善，无法从根本上阻止LID的发生发展。深部脑刺激（DBS）虽被证明有效，但由于年龄、认知障碍等禁忌症限制，仅有不到10%的患者适合接受这种侵入性治疗。

面对这一临床困境，研究人员开始思考：是否能在治疗早期预测LID的发生风险？如果能够在左旋多巴治疗开始前识别高风险个体，将为预防性干预提供宝贵的时间窗口。然而人类研究面临伦理限制和纵向数据缺乏的挑战，这使得动物模型成为探索这一问题的关键途径。

在此背景下，曼尼托巴大学研究团队在《npj Parkinson's Disease》发表了创新性研究成果。他们利用6-羟基多巴胺（6-OHDA）损伤的帕金森病大鼠模型，模拟人类患者LID发生的变异性，并通过多模态神经影像技术结合机器学习算法，成功实现了治疗前对LID风险的准确预测。

研究采用30只雌性Sprague-Dawley大鼠，通过单侧右侧内侧前脑束注射6-OHDA（12.5μg）建立帕金森病模型，确保多巴胺能神经元损伤超过90%。在2周恢复期后，动物接受每日左旋多巴（2 mg/kg）皮下注射联合苄丝肼（15 mg/kg）治疗22天。通过异常不自主运动（AIM）量表评估，14只大鼠发展为LID，16只未出现异动症（NLID）。

关键技术方法包括：1）使用7.0 T小动物PET-MR系统采集治疗前多模态影像数据：T₂加权结构MRI、动态磁敏感对比灌注成像（获取脑血流量CBF和脑血容量CBV参数）以及氟代脱氧葡萄糖PET（FDG PET）；2）采用支持向量机（SVM）机器学习算法构建分类模型；3）通过留一法交叉验证（LOOCV）评估模型性能；4）使用10,000次置换检验确定显著脑区。

Modality-based performance comparison

在所有单模态模型中，基于CBV的模型表现最佳，达到86.67%准确率、86.16% AUC、92.86%敏感性和81.25%特异性。CBF模型同样表现出色（83.33%准确率，88.84% AUC）。相比之下，结构MRI（T₂）和代谢成像（FDG PET）预测能力有限，准确率均为70%。多模态组合中，CBF+CBV组合达到最佳性能（90.62% AUC，100%敏感性），但综合所有模态并未进一步改善性能。

Hyperplane visualization and permutation testing

通过10,000次置换检验和簇大小阈值处理（50体素以上），确定了6个显著簇。这些脑区在LID分类中发挥关键作用：双侧纹状体（簇1和3）和右侧梨状皮质（簇4）对LID分类呈正向贡献；右侧苍白球、内囊和纹状体（簇2）、右侧岛叶皮质（簇5）、左侧体感皮质（簇6）则呈现负向贡献。

Anatomical overlap of the model hyperplane

解剖分析显示，纹状体在LID发生中具有复杂作用，右侧纹状体在头尾方向上呈现混合贡献模式，梨状皮质在内外侧方向上也显示类似模式。皮层区域中，体感皮质和岛叶皮质的参与表明LID不仅涉及基底节区，还涉及运动和感觉整合网络。

研究结论表明，治疗前脑灌注成像（特别是CBV）能够有效预测帕金森病大鼠模型对LID的易感性，这支持了神经血管耦合异常在LID病理生理中的核心作用。讨论部分强调，LID不应被视为单纯的基底节障碍，而是涉及运动和非运动领域的分布式网络功能障碍。即使在左旋多巴治疗前，通过灌注成像指标已可检测到脑血管动力学的细微差异，这可能是触发异动症的血管运动 predisposition。该研究为临床前研究提供了新工具，使研究者能够在症状出现前识别高风险个体，并针对性地开发预防性干预策略。未来研究需要扩大样本量、纳入雄性动物，并进一步探索这些灌注异常与LID发生的因果关系。