综述：动脉自旋标记技术检测阿尔茨海默病楔前叶脑血流改变的系统评价与荟萃分析

这篇综述系统分析了动脉自旋标记（ASL）技术在阿尔茨海默病（AD）楔前叶脑血流（CBF）检测中的应用，通过荟萃分析证实AD患者楔前叶存在显著低灌注（SMD=-1.12），其模式与PET显示的葡萄糖低代谢一致。研究揭示了年龄、性别、地理因素对灌注差异的影响，并探讨了3D pCASL技术的优势，为AD早期诊断提供了无创影像学生物标志物依据。

　　

引言

阿尔茨海默病（AD）作为最常见的神经退行性疾病，其病理特征包括β淀粉样蛋白（Aβ）沉积和tau蛋白缠结，伴随脑血流（CBF）异常。楔前叶作为默认模式网络（DMN）的核心节点，在记忆整合和意识调节中起关键作用。近年来，动脉自旋标记（ASL）技术因其无创、可重复的特点，成为研究AD脑灌注变化的重要工具。

方法

本研究遵循PRISMA指南，纳入13项ASL研究（324例AD患者，317例健康对照），采用随机效应模型计算标准化均值差（SMD）。通过亚组分析探讨年龄、性别、MRI参数等因素对楔前叶CBF的影响，并利用纽卡斯尔-渥太华量表（NOS）评估偏倚风险。

结果

核心发现：AD患者楔前叶CBF显著降低（SMD=-1.12），与PET显示的葡萄糖代谢减退区域高度重叠。低灌注程度在70-75岁人群（SMD=-1.77）、男性占比高（>50%）的研究（SMD=-1.7）以及亚洲人群中更为突出。
技术差异：3D pCASL技术检测灵敏度最高（SMD=-1.52），8通道线圈和1.5T场强设备显示出更显著的灌注差异。
神经机制：楔前叶低灌注与DMN功能连接减弱、执行功能下降（如连线测验TMT评分降低）显著相关，且早于结构性萎缩出现。

讨论

人工智能应用：机器学习分析显示楔前叶灌注模式鉴别AD的准确率达86%，联合低频振幅（ALFF）可提升AUC至92%。卷积神经网络（CNN）进一步揭示该区域tau蛋白分布与Aβ负荷的时空关联。
网络级联损伤：楔前叶作为后部DMN枢纽，其低灌注导致感觉运动网络（SMN）与执行控制网络（ECN）整合障碍，可能与APOE ε4基因型的性别差异效应（女性携带者灌注下降更快）共同加速认知衰退。
代谢-血管耦合：糖尿病患者的楔前叶灌注异常与胰岛素抵抗（IR）正相关，支持"双重打击"假说——脑低灌注既减少Aβ清除，又通过氧摄取分数（OEF）下降加剧神经元能量危机。

结论

ASL检测的楔前叶低灌注是AD可靠的影像学生物标志物，其变化轨迹可反映疾病分期和干预效果。未来需结合多模态影像与基因组学，深入探索神经血管单元（NVU）在AD中的调控机制。