血液透析患者认知障碍的神经影像学特征：基于区域皮层变薄与面积减少的机器学习分析

本研究针对血液透析(HD)患者认知障碍的神经机制，通过3T MRI结合FreeSurfer分析68个脑区皮层厚度与面积，发现患者额叶、颞叶等区域显著变薄，且与认知评分及尿素、尿酸水平负相关。采用支持向量机(SVM)模型实现96.7%的HD患者分类准确率，为早期诊断提供影像学生物标志物。

　　

慢性肾脏病已成为全球公共卫生挑战，其中接受血液透析(HD)治疗的患者认知障碍发生率是普通人群的3倍，显著增加住院和死亡风险。尽管既往研究通过磁共振成像(MRI)发现终末期肾病(ESRD)患者存在灰质体积减少，但皮层厚度与表面积的精确变化及其与认知功能的关系仍不明确。更关键的是，传统体素形态学分析(VBM)受限于方法学混合测量，无法区分皮层厚度与表面积的独立贡献。

针对这一科学空白，海南医学院附属医院的研究团队开展了一项创新性研究。通过3T MRI采集36例HD患者和25例健康对照的脑结构数据，采用FreeSurfer v6.0.1软件基于Desikan-Killiany图谱分割68个脑区，首次系统分析了HD患者皮层厚度与表面积的区域性改变特征。结合蒙特利尔认知评估(MoCA)、数字符号替换测试(DSST)等神经心理学量表，研究团队发现患者左侧bankssts（颞上沟周围皮层）、左侧三角部(pars triangularis)等区域皮层显著变薄，且这些变化与尿素、尿酸水平呈负相关。更引人注目的是，研究采用支持向量机(SVM)构建的分类模型，仅基于皮层厚度特征即实现96.7%的鉴别准确率（AUC=0.983），相关成果发表在《Brain Research Bulletin》。

关键技术方法包括：1) 使用西门子3T Skyra扫描仪获取1mm各向同性分辨率T1结构像；2) 基于FreeSurfer的自动化皮层重建流程，包括拓扑校正和Desikan-Killiany图谱分割；3) 采用递归特征消除交叉验证(RFECV)筛选20个关键脑区特征；4) 应用SHAP值解释模型特征重要性；5) 通过10折交叉验证评估SVM分类性能。

主要研究结果：

1. 皮层厚度比较：HD组左侧bankssts、舌回(lingual gyrus)、三角部及双侧颞上回(superior temporal gyrus)皮层厚度显著降低，其中左侧颞上回厚度与DSST评分(r=0.512)和延迟回忆呈正相关。
2. 皮层面积比较：左侧额中回(rostral middle frontal gyrus)等5个区域面积减少，且左侧额中回面积与尿酸水平负相关(r=-0.355)。
3. 机器学习分析：基于皮层厚度模式的SVM模型获得97.5%灵敏度和95%特异度，SHAP分析显示bankssts厚度贡献度最高。

讨论与意义：
该研究首次揭示HD患者存在特征性的默认模式网络区域（如颞上回、前额叶）皮层变薄，这些区域与注意力、记忆功能密切相关。特别值得注意的是，bankssts作为阿尔茨海默病早期受累区域，在HD患者中也显示显著萎缩，暗示两种疾病可能存在部分重叠的神经退行性机制。研究创新性地将尿素、尿酸等尿毒症毒素与特定脑区结构改变相关联，为"肾脏-脑轴"理论提供了影像学证据。

临床转化价值体现在三方面：1) 发现颞上回皮层厚度可作为认知障碍的敏感指标；2) 证实机器学习能高效识别HD相关脑结构改变；3) 提示降低尿毒症毒素或有助于延缓脑萎缩。未来需通过多中心研究验证结果的普适性，并探索不同透析模式对脑结构的影响差异。这项研究为HD患者认知障碍的早期干预提供了新的靶点和评估工具。