基于TBSS技术的脑小血管病白质微结构损伤与认知障碍关联研究及多变量预测模型构建

本研究基于TBSS技术，揭示脑小血管病（CSVD）患者白质纤维束微观结构损伤与认知障碍的关联，构建了整合DTI参数（FA、MD、RD）的多变量逻辑回归模型，其训练集AUC达0.940、测试集AUC为0.809，为CSVD相关认知损害的早期识别提供了客观影像标志物与实用预测工具。

　　

引言

脑小血管病（CSVD）是以脑内小动脉、微动脉、毛细血管及小静脉病变为特征的一组疾病，临床表现为认知障碍、步态异常和情绪障碍等多种症状。认知障碍是CSVD患者的常见表现，部分患者会进展为痴呆，而另一部分患者则能维持相对正常的认知功能，这种异质性提示CSVD患者群体中存在不同的病理生理机制。因此，识别CSVD患者的认知障碍不仅有助于理解疾病进展的异质性，还可为个体化治疗和早期干预提供依据。

临床上，CSVD伴认知障碍的诊断和分型主要依赖常规神经影像标志物，如白质高信号（WMH）、腔隙性脑梗死、脑微出血（CMBs）和扩大的血管周围间隙（EPVS），再结合认知评估量表。尽管这些标志物提供了有价值的诊断信息，但其敏感性和特异性存在局限，尤其在认知衰退早期。评估常依赖主观解读，并可能受患者配合度和评估者经验的影响，导致漏诊或干预延迟。

近年来，先进神经影像技术为揭示CSVD的微观结构改变提供了新视角。其中，弥散张量成像（DTI）已成为探测白质纤维束完整性的有力工具，而白质纤维束在CSVD中常受损。与主要捕捉宏观病变的常规MRI标志物不同，DTI衍生的指标——如分数各向异性（FA）、平均扩散率（MD）、轴向扩散系数（AD）和径向扩散系数（RD）——可定量测量微观结构的完整性、轴突密度和髓鞘组织结构。越来越多的证据表明，DTI参数可能比基于体积或病变的指标更早、更敏感地提示认知衰退，且白质损伤的严重程度是CSVD患者发生认知障碍的主要风险因素。因此，鉴于临床评估的局限性和白质损伤的确切作用，像DTI这样的先进神经影像技术为客观评估提供了有前景的途径。

束基空间统计（TBSS）是一种针对DTI数据的体素分析方法，通过将个体纤维束对齐到共同骨架，减少配准错误和部分容积效应，从而增强白质改变的检测能力。该技术允许更精确地评估整个白质结构的微观变化。重要的是，CSVD患者常表现出白质纤维束损伤，这被认为是认知障碍的关键病理基础，并可作为监测疾病进展和评估治疗效果的敏感MRI标志物。白质纤维束是不同脑区之间信息传递的关键通路，其完整性对维持正常认知功能至关重要。研究表明，CSVD患者白质纤维束损伤的程度与认知衰退密切相关。因此，研究CSVD中白质纤维束损伤模式有助于阐明认知障碍的神经机制。

基于此，本研究采用TBSS分析伴和不伴认知障碍的CSVD患者的DTI数据，提取FA、AD、MD和RD值，进而通过单变量逻辑回归分析识别两组间存在差异的白质纤维束损伤区域，随后利用这些差异区域的FA、AD、MD和RD数据构建多变量逻辑回归模型以区分两类患者，并采用列线图可视化相关风险因素，量化各指标对患者认知障碍的预测价值。

材料与方法

这项回顾性研究经重庆医科大学附属第二医院伦理委员会批准，所有参与者均签署书面知情同意书。共纳入54例确诊为CSVD的患者，诊断由经过专科培训的神经科医生确认。

纳入标准包括：单侧或双侧大脑半球存在CSVD的MRI证据；使用认知评估量表评估整体认知功能，至少一个认知域存在客观损害证据，或无整体认知障碍的客观证据；相应的神经影像诊断包括近期皮质下小梗死（RSSI）、脑微出血（CMB）、扩大的血管周围间隙（EPVS，2-4级）、皮质表面铁沉积（cSS）和白质高信号（WMH，Fazekas评分≥2）；已完成颅脑MRI和DTI扫描。

排除标准为：急性颅内大血管疾病，如缺血性卒中或脑出血；代谢性脑病、缺氧缺血性脑病或其他非血管性白质病变；其他并存颅内病变，如肿瘤、痴呆、头部外伤或其他疾病；临床资料不完整；影像数据不完整；严重影像伪影。

所有患者在MRI扫描前均接受临床评估，记录人口统计学信息（年龄和性别），并使用中文版简易精神状态检查（MMSE）和蒙特利尔认知评估（MoCA）进行认知评估。MMSE和MoCA均由经验丰富的神经科医生严格按照指南和方案进行面对面施测。参与者的MoCA和MMSE评分用于患者分组。

MRI检查

所有参与者的MRI数据均使用3.0 T MRI扫描仪（Achieva 3.0 T, Philips, Netherlands）搭配32通道头线圈采集。扫描协议包括T1加权成像（T1WI）和DTI。T1WI参数为：重复时间（TR）= 7.9 ms，回波时间（TE）= 39 ms，视野（FOV）= 256 × 256 mm²，矩阵= 256 × 256，层厚= 1 mm，层间距= 0 mm。DTI参数为：TR/TE = 6000/70 ms；FOV = 256 × 256 mm²；体素大小= 2.50 × 2.50 × 2.50 mm³。每个DTI数据集包括32幅在b = 1000 s/mm²下采用非共线扩散梯度采集的图像和一幅在b = 0 s/mm²下的基线图像。

处理与数据分析

DICOM格式图像使用dcm2niix软件转换为NIFTI格式。使用FSL（FMRIB Software Library v6.0）进行处理：fsl roi命令用于提取b0图像；bet命令用于脑提取，生成脑掩膜；eddy_correct命令用于校正DTI数据（NIFTI格式）中的涡流畸变和头动。预处理后，使用dtifit工具生成体素水平的扩散参数图：FA、MD、AD和RD。

TBSS分析中，FA图通过两步程序非线性配准到MNI空间中的FMRIB58_FA_1mm标准模板。创建平均FA骨架，阈值设为FA > 0.2。然后将该平均骨架投射到每个受试者的FA图（标准空间）以创建个体骨架化FA图。为确保所有扩散指标的空间分析一致，将FA配准得到的变换参数应用于MD、AD和RD图，生成相应的骨架化图。

统计分析

所有统计分析均使用R软件（3.6.3版）和FSL中的randomise工具进行。正态分布的连续变量以均值±标准差（SD）表示，组间比较采用t检验，多重比较校正使用TFCE（无阈值簇增强校正）。分类变量比较采用卡方检验或Fisher精确检验。

使用FSL的randomise工具（6.0版）对骨架化FA、MD、AD和RD数据进行体素水平统计分析，该工具采用非参数置换检验框架以避免正态性假设。使用一般线性模型（GLM）和5000次置换检验两组（CI与NCI）在每个扩散指标（FA、MD、AD、RD）上的差异。为应对全白质骨架体素分析中的多重比较问题，应用了TFCE。TFCE是一种在不依赖任意初始簇形成阈值的情况下增强类簇结构信噪比的方法，其通过整合每一点的簇支持来转换原始统计图像，提供一个细化后的输出图像，其中每个体素的值代表信号高度和空间范围的组合。TFCE转换后的图像用于推断，使该方法比传统基于簇的阈值法更敏感和稳健。TFCE校正结果的显著性通过将观察到的检验统计量与置换数据生成的零分布进行比较来评估，家族wise错误（FWE）校正后p值 < 0.01视为具有统计学意义。

为在有限样本量下开发和验证预测模型并增强评估的稳健性，采用了5折交叉验证策略。将整个CSVD患者队列随机分为5个大小近似相等的子集。迭代过程中，4个子集作为训练集开发模型，剩余子集作为测试集进行验证，该过程重复5次，确保每个子集恰好作为独立测试集一次。

对整个队列的扩散张量数据进行单变量逻辑回归分析，以识别与认知障碍显著相关的区域和参数（p < 0.01）。将单变量分析中具有统计学意义的变量以及年龄、教育水平、白质高信号等临床协变量纳入多变量逻辑回归模型进行构建。单变量分析中显示显著关联的变量随后被纳入多变量逻辑回归模型。通过平均所有5折的结果来评估所建立模型的性能，评估指标包括受试者工作特征曲线下面积（AUC）、校准曲线和决策曲线分析（DCA），最终模型使用列线图可视化。

结果

患者群体的人口统计学和临床特征

本回顾性研究共检查54例CSVD患者，其中25例有认知障碍（CI），29例无认知障碍（NCI）。基线特征比较显示，两组在性别、吸烟状况、高血压或糖尿病患病率、教育水平方面无统计学显著差异，但患者年龄存在显著差异。训练集和测试集的人口统计学和临床特征：训练集和测试集之间的变量无统计学显著差异。

基于单变量逻辑回归的变量选择与模型性能

与无认知障碍患者相比，认知障碍患者显示左侧内囊前肢、左侧内囊后肢、左侧前放射冠和左侧上放射冠的FA值降低（TFCE校正，p < 0.01）；胼胝体膝部、胼胝体体部、左侧内囊前肢、左侧前放射冠、左侧上放射冠、左侧外囊和左侧上额枕束的MD值增加（TFCE校正，p < 0.01）；以及多个区域的RD值增加，包括胼胝体膝部和体部、双侧内囊前肢和后肢、双侧上放射冠和前放射冠等多个纤维束（TFCE校正，p < 0.01）。

为正式识别显著预测因子，对提取的DTI参数（FA、RD、AD、MD）与认知障碍进行了单变量逻辑回归分析。发现CI与多个区域的FA参数存在显著关联（p < 0.01），包括胼胝体（体部）、左侧皮质脊髓束、双侧内侧丘系和双侧小脑下脚。特定区域的MD和RD参数也存在显著关联，而AD参数未发现显著关联。

使用上述确定的显著FA、RD和MD变量，结合临床变量（如年龄），构建了多变量逻辑回归模型。采用5折交叉验证评估模型，训练集和测试集的交叉验证平均AUC值分别为0.940和0.809。训练集和测试集的校准曲线均显示样本实际概率与预测概率之间具有良好的一致性。Hosmer-Lemeshow检验表明模型拟合良好（训练集和测试集均p > 0.05）。所有预测变量的方差膨胀因子（VIF）均低于5，表明不存在显著多重共线性。决策曲线分析表明，该模型在广泛的阈值概率范围内为训练集和测试集均带来了高临床收益。列线图纳入以下风险预测因子：胼胝体（体部）、左侧皮质脊髓束、双侧内侧丘系、双侧小脑下脚、左侧大脑脚和右侧扣带回（海马部）的FA参数；右侧小脑上脚和左侧大脑脚的MD参数；双侧内侧丘系、右侧小脑下脚、右侧小脑上脚、左侧大脑脚、右侧外囊和左侧扣带回（海马部）的RD参数；以及患者的临床数据。

列线图解读

该列线图整合了脑白质纤维束的DTI参数、人口统计学特征、教育水平和健康相关因素，以定量计算个体发生认知障碍的概率。首先获取患者各预测变量的具体值，然后在每个变量对应的行中，根据其值在“Points”轴（0-100刻度）上找到相应得分，接着将所有预测变量对应的得分相加得到“Total Points”（总分，0-350刻度），最后根据总分在“Cognitive impairment probability”轴上找到对应位置，即可得到患者发生认知障碍的概率。

临床医生可使用此列线图整合患者的各种信息，定量评估其发生认知障碍的风险。对于高风险患者，可提前制定干预措施，如加强认知功能监测和进行认知训练；对于低风险患者，可制定适当的随访计划。同时，该图也提供了一个整合多因素的可视化工具，用于研究认知障碍的发病机制，有助于深入理解不同因素对认知障碍发生的影响。

讨论

随着全球人口老龄化，CSVD及其相关认知衰退的患病率预计将大幅上升，给医疗系统带来相当大负担。此外，研究表明，早期识别有发生认知障碍风险的个体并及时进行临床干预可降低CSVD患者痴呆发病率，这凸显了开发CSVD相关认知衰退早期诊断生物标志物和认知障碍风险评估工具的迫切需求。

既往研究显示，特定白质区域微观结构完整性的丧失与CSVD患者的特定认知功能障碍相关，表明白质在认知衰退中起关键作用。越来越多证据表明，DTI参数可作为比体积测量更早的认知衰退标志物。应用于DTI分析的TBSS通过聚焦白质纤维束的核心骨架，减轻了脑脊液（CSF）部分容积效应的影响。遵循此方法，本研究调查了伴和不伴认知障碍的CSVD患者，利用TBSS提取的参数，最终构建了基于DTI参数的分类模型。结果表明，DTI参数可作为区分伴和不伴认知障碍的CSVD患者的工具。一个关键发现是，与其他DTI参数相比，FA参数作为认知障碍风险预测因子表现出更广泛的关联。具体而言，当我们单独探讨不同DTI参数对区分两组患者的贡献时，发现对于FA，我们在9个区域识别出两组间的差异，多于其他参数。这表明FA在监测CSVD白质破坏方面可能比其他指标更敏感，且与认知量表的相关性更强。这一观察与一些先前报道AD可能对检测认知障碍更敏感的研究相反，而与另一些表明MD在轻度认知障碍中更敏感的研究一致。

CSVD的主要早期病理可能不是纯粹的轴索损伤：大量研究表明，CSVD的最早变化之一是血脑屏障破坏和神经胶质细胞病理，随后是脱髓鞘。径向扩散系数（RD）对髓鞘变化更敏感。作为综合指标，分数各向异性（FA）同时捕捉轴向扩散系数（AD，与轴突相关）和RD（与髓鞘相关）的变化。在我们的队列中，如果脱髓鞘是更主要的病理过程，FA（和RD）的信号可能会掩盖AD的贡献，导致AD本身在模型中不显著。这与多项强调髓鞘损伤在CSVD相关认知衰退中起关键作用的研究一致。

重要的是，我们发现对于FA，与NCI组相比，CI患者在扣带回（海马部）和穹窿区域表现出损伤。RD也提示CI组扣带回（海马部）存在损伤。这一发现尤其值得注意，因为先前关于阿尔茨海默病（AD）的研究报道，扣带回（海马部）和穹窿在临床前AD阶段常易受损，且与记忆功能高度相关。虽然处理速度和执行功能通常被认为是脑血管病中最易受损的认知域，且与AD不同，CSVD会渐进影响所有主要认知域。因此，我们的结果表明，扣带回（海马部）和穹窿白质纤维束的损伤也与CSVD患者的认知高度相关，可能解释了超出单纯执行功能障碍的更广泛的认知缺陷。

我们的研究还揭示了组间在外囊区域的白质纤维束损伤。该区域的重要性在于，外囊的白质纤维构成了胆碱能系统外侧通路的重要部分，投射到背侧额顶叶新皮质、颞叶皮质和海马旁回。这一发现与人们对CSVD中胆碱能失调日益增长的兴趣相一致。事实上，一项纤维束成像研究发现，在血管性认知障碍非痴呆患者中，胆碱能通路（包括外囊、扣带回和屏状核）内的FA显著降低。这些通路的损伤可以充分解释执行功能障碍，并部分解释记忆和整体认知障碍。另一项纤维束成像研究将外囊识别为外侧胆碱能束，并发现外囊及覆盖其上的上纵束中的扩散指标与执行功能障碍相关。因此，我们的发现支持以下假设：与无认知障碍的CSVD患者相比，外侧胆碱能束与CSVD认知衰退早期的执行功能障碍显著相关。

有趣的是，我们识别出大脑脚和小脑下脚区域的损伤。这些发现的相关性源于这些区域白质纤维束的作用，它们参与齿状核-红核-丘脑和齿状核-丘脑通路，这些是小脑和大脑皮质之间的主要连接。这些通路将涉及语言、言语记忆、空间任务和执行功能的“认知小脑”（包括VI、VII、VIIB和小脑蚓部I叶）与联合大脑皮质连接起来。这一观察与越来越多强调小脑在认知调节中作用的研究相一致，并表明小脑-大脑通路的微观结构改变可能是静息态fMRI在CSVD患者中揭示的与认知缺陷相关的病理生理小脑改变的基础。我们对小脑-大脑通路（大脑脚、小脑下脚）微观结构损伤的观察得到了Mascalchi等人工作的支持，他们也在其血管性MCI队列中报告了MoCA评分与中脑小脑上脚交叉处（齿状核-红核-丘脑束）的DTI改变（FA降低，MD/RD增加）之间存在显著相关性。跨独立研究的证据汇聚加强了以下观点：小脑-大脑连接中断是脑小血管病认知障碍的一个临床相关组成部分，可能导致执行功能和处理速度的缺陷。

总体而言，我们的结果突出了几个关键方面：关于扣带回（海马部）和穹窿损伤的发现，以及潜在的胆碱能失调，有助于理解CSVD中的认知衰退。此外，这项工作的实际应用通过我们构建的逻辑回归模型得到证明，这些模型为临床区分伴认知障碍的CSVD患者提供了一种潜在方法，指示了CSVD患者认知障碍的风险，并为临床医生的个体化医疗决策提供了一定依据。

尽管提供了有价值的见解，但必须承认几个局限性。首先，这是一项横断面研究；需要纵向研究来阐明CSVD患者中DTI参数与认知障碍进展随时间的动态关系。其次，相对较小的样本量以及未能将患者分为CSVD亚型可能会限制研究结果的普适性。因此，需要更大规模的队列研究来验证和扩展研究结论，外部验证集也是我们考虑的问题。最后，作为综合认知筛查工具，MMSE和MoCA在评估执行功能等特定认知域方面缺乏足够深度。补充特定认知量表可能更全面地揭示CSVD相关认知障碍的变化特征。此外，本研究的结果应被视为一种有前景的预测工具，因为扩散相关成像指标在特定认知域的生物学解释仍不成熟。未来需要整合多模态数据（如PET、组织学）的研究来进一步阐明这些关系。

结论

总之，我们的研究表明，基于DTI参数的分类模型可以区分伴和不伴认知障碍的CSVD患者。其中，基于分数各向异性（FA）值的多变量逻辑回归模型表现最佳，能有效识别伴认知障碍的CSVD患者。本研究首次识别出与CSVD患者认知障碍相关的特定白质纤维束损伤模式，并提供了一种评估认知障碍风险的工具，具有重要的临床应用价值。