编辑推荐：
为解决特发性正常压力脑积水（iNPH）病理机制不明、诊断困难及预后评估缺乏有效指标的问题，研究人员开展 iNPH 个体层面皮质形态网络模式研究。结果发现 iNPH 与 AD 网络拓扑不同，MIND 特征可辅助诊断和预测术后效果，为临床诊疗提供依据。
在神秘的大脑世界里，有一种病症总是让医生们感到棘手，那就是特发性正常压力脑积水（iNPH）。这是一种常见于老年人的神经系统疾病，它如同隐藏在暗处的 “幽灵”，悄无声息地给患者带来认知衰退、步态障碍和尿失禁等问题 。更麻烦的是，iNPH 的症状与阿尔茨海默病（AD）等神经退行性疾病高度相似，就连经验丰富的神经放射科医生也难以仅凭借传统的 T1 加权磁共振成像（MRI）来准确区分，诊断准确率仅在 68% - 78% 之间。传统的结构 MRI 标记物，像不成比例扩大的蛛网膜下腔脑积水（DESH）、埃文斯指数（EI）和胼胝体角（CA）等，在早期诊断或存在共病的情况下，敏感性和特异性都十分有限。因此，寻找新的成像标记物，提高 iNPH 的诊断准确性和预后评估能力，成为了医学领域亟待攻克的难题。
为了揭开 iNPH 的神秘面纱，复旦大学附属华东医院的研究人员勇挑重担，开展了一项极具意义的研究。他们的研究成果发表在《Fluids and Barriers of the CNS》杂志上，为 iNPH 的诊疗带来了新的希望。
研究人员运用了多种关键技术方法。首先，精心选取了 56 例确诊的 iNPH 患者、50 例 AD 患者和 60 例健康对照（HC）。然后，采用形态计量逆散度（MIND）框架，结合皮质厚度、平均曲率、脑沟深度、表面积和皮质体积这五个关键皮质特征，构建出皮质形态相似性网络。接着，运用图论分析来量化网络的全局和节点属性，通过偏相关分析评估网络与认知功能（MMSE 评分）的关系。此外，借助 LASSO 正则化支持向量机（SVM）分类器来区分不同组别，并利用 LASSO 正则化支持向量回归（SVR）模型预测分流手术后的认知和步态改善情况。
下面来看看具体的研究结果：
- 研究人群特征：研究发现，三组人群在年龄、性别分布上存在显著差异，iNPH 组的 MMSE 评分明显低于 AD 组，且三组在心室扩张和区域脑体积的成像测量上存在部分重叠。
- MIND 网络的全局属性：所有参与者的 MIND 网络都呈现出小世界属性，但 iNPH 组和 AD 组的聚类系数（Cp）显著低于 HC 组，特征路径长度（Lp）更大，局部效率（Eloc）和全局效率（Eglob）也更低，表明这两组的大脑网络功能整合和分离能力减弱。
- MIND 网络的节点属性：iNPH 组在双侧尾状前扣带回、双侧扣带回峡部和双侧后扣带回区域的节点属性（度中心性、节点效率和 MIND 相似性）显著降低；而 AD 组的节点属性改变范围更广，涉及双侧梭状回、双侧岛叶等多个区域。
- 与认知障碍的相关性：在 iNPH 组中，20 个脑区节点的 MIND 相似性与 MMSE 评分显著相关，主要分布在视觉网络（VN）、腹侧注意网络（VAN）、躯体运动网络（SMN）和默认模式网络（DMN）；AD 组中，14 个脑区节点的 MIND 相似性与 MMSE 评分相关，主要集中在 VAN、SMN 和 DMN。其中，VAN 中的左侧尾状前扣带回和 DMN 中的左侧颞上回在两组中都与 MMSE 评分呈显著正相关。
- 分类结果：综合心室扩张指标、标准化脑体积和区域 MINDs 特征的分类模型表现最佳，宏观平均准确率达到 87.00%，宏观 AUC 为 0.96。MINDs 特征的加入显著提升了模型对 AD 组的判别能力。
- 分流手术结果的预测：综合三个特征集的模型对认知功能改善（dMMSE）和步态功能改善（dTUG）的预测性能最佳，预测结果与实际术后评分高度相关（r = 0.941 和 r = 0.889）。
研究结论和讨论部分意义重大。通过构建个体层面的 MIND 网络，研究揭示了 iNPH 患者大脑形态的协调改变模式，凸显了其与 AD 在大脑结构变形上的异质性。这为区分 iNPH 和 AD 提供了新的潜在生物标志物，如双侧后扣带回、双侧外侧枕叶和颞上区域的形态变化。而且，MIND 网络在预测分流手术术后结果方面表现出色，这意味着它可以作为一种无创的术前评估工具，帮助医生筛选可能从分流手术中获益的患者，为制定更精准的治疗方案提供客观依据。不过，该研究也存在一定的局限性，比如是单中心研究，样本量相对较少，且未考虑糖尿病、高血压等潜在混杂因素。未来需要多中心、大样本的研究进一步验证和完善相关成果 。总之，这项研究为 iNPH 的诊疗开辟了新的方向，让我们在攻克这一难题的道路上迈出了重要一步。
