比较扩散模型检测脑卒中后抑郁患者灰质微结构改变的研究

《Frontiers in Neurology》：Comparative evaluation of diffusion models for detecting gray matter microstructural alterations in post-stroke depression patients

　　

背景：脑卒中后抑郁（PSD）常因灰质微结构异常细微而漏诊。本研究比较了四种扩散模型（DTI、DKI、MAP和NODDI），以识别用于早期检测PSD的客观影像学生物标志物。 方法：共纳入64名受试者，包括23名年龄和性别匹配的健康对照（HC）、26名无PSD的急性脑梗死患者（非PSD组；汉密尔顿抑郁量表-21评分<7）和15名PSD患者（HAMD-21评分≥7）。研究人员进行了临床评估（HAMD-21、日常生活活动能力量表ADL、蒙特利尔认知评估MoCA和简易精神状态检查MMSE）和扩散频谱成像。分析了灰质微结构的组间差异、基于曲线下面积（AUC）的诊断效能以及经年龄、性别和受教育年限校正后的偏相关分析。未将梗死部位作为协变量纳入。 结果：三组在年龄、受教育年限及所有临床量表评分方面均存在显著差异（p<0.05）。灰质微结构改变主要见于额中回、后扣带回、扣带旁回和杏仁核。对于组别区分，左侧前扣带回的DKI MD_p10在区分HC与非PSD方面表现最佳（AUC=0.916）。左侧壳核的NODDI ODI_p10在区分HC与PSD方面显示出最高AUC（0.916），而左侧壳核的NODDI ODI_p50在区分非PSD与PSD方面取得了最高AUC（0.856）。经FDR校正后，多种扩散指标与MMSE和MoCA评分显著相关，而没有任何影像学参数与HAMD-21评分显示显著相关性。 结论：多模态扩散MRI可检测三组受试者情感和认知相关环路（特别是杏仁核和扣带回皮层）内的微结构异常。颞叶边缘系统的NODDI参数在区分PSD与HC方面显示出相对较高的AUC值，而前扣带回的DKI指标在区分非PSD卒中患者与HC方面显示出相对较高的AUC值。结合多种扩散模型可能有助于PSD的识别；然而，由于分析中未对梗死部位进行校正，这些发现尚需进一步验证。

研究背景与目的

脑卒中后抑郁（PSD）是卒中后常见的并发症，约三分之一的幸存者会受到影响。PSD不仅加剧心理痛苦，还阻碍神经功能恢复，导致更差的功能结局和更高的死亡率。然而，由于PSD相关的灰质微结构改变通常较为细微，临床上常被漏诊。以往研究多关注白质完整性，而对灰质微结构——即神经元胞体、树突和突触集中的区域——关注不足。这些区域是局部信息处理和情绪调节的核心基础。因此，迫切需要客观的影像学生物标志物来辅助PSD的早期诊断。扩散磁共振成像（dMRI）技术，如弥散张量成像（DTI）、弥散峰度成像（DKI）、平均表观传播子（MAP）和神经突方向分散度和密度成像（NODDI），能够量化组织微观结构。尽管这些模型各自在神经精神疾病研究中有所应用，但尚无研究系统比较它们在检测PSD特异性灰质改变方面的诊断效能。为此，本研究首次头对头比较了DTI、DKI、MAP和NODDI四种高级扩散模型，旨在识别最敏感、最具信息量的影像学标记，以实现PSD的早期客观检测。

研究方法

研究对象来自安徽省淮北市人民医院，于2024年3月至2025年4月期间招募。最终纳入64名受试者，包括23名健康对照（HC）、26名无PSD的急性脑梗死患者（非PSD组，HAMD-21<7）和15名PSD患者（HAMD-21≥7）。所有受试者均接受了全面的临床评估（包括HAMD-21、ADL、MoCA和MMSE量表）和磁共振扫描。

关键技术方法如下：

1. 1.
   MRI数据采集：使用西门子3.0T MAGNETOM VIDA扫描仪获取高分辨率T1加权结构像和扩散频谱成像（DSI）。DSI采用q4半采样方案，覆盖b值为0至3000 s/mm²，包含128个扩散加权体积。
2. 2.
   数据处理与建模：使用NeuDiLab软件（基于DIPY工具开发）进行预处理（头动和涡流校正、去颅骨）和参数计算。分别拟合了四种扩散模型：DTI（获取轴向扩散率AD、各向异性分数FA、平均扩散率MD、径向扩散率RD）、DKI（获取MD和平均峰度MK）、MAP（获取准细胞内体积QIV、返回轴概率RTAP、径向组织部分RTOP、返回平面概率RTPP）和NODDI（获取细胞外体积分数ECVF、细胞内体积分数ICVF、各向同性体积分数ISOVF、方向分散指数ODI）。
3. 3.
   统计分析：将所有图像空间标准化到蒙特利尔神经研究所（MNI）模板，并根据自动解剖标记（AAL）图谱分割出116个脑区。选取双侧额中回、前后扣带回、海马、海马旁回、杏仁核等预设感兴趣区（ROI）。采用协方差分析（ANCOVA）或Kruskal-Wallis检验比较组间差异，并经Benjamini-Hochberg错误发现率（BH-FDR）校正。对有显著差异的指标进行事后两两比较，并计算其与临床量表评分的偏Spearman秩相关（校正年龄、性别、教育年限）。最后，对满足FDR校正q<0.05且|ρ|≥0.3的指标进行受试者工作特征（ROC）曲线分析，评估其诊断效能。

研究结果

人口学和临床特征

三组在年龄（p=0.02）、教育水平（p=0.02）、HAMD-21、ADL、MoCA和MMSE评分上存在显著差异（p<0.001）。PSD患者表现出更高的抑郁评分、更低的教育水平和更差的日常生活能力。认知功能呈现梯度变化：HC得分最高，非PSD组次之，PSD组最低。

感兴趣区（ROI）识别

组间比较发现，显著的灰质微结构改变主要集中在额中回、后扣带回、扣带旁回和杏仁核，这些区域被保留用于后续分析。

诊断效能

• •
  HC vs. 非PSD：排名前10的影像生物标志物AUC范围为0.890至0.916。其中，左侧前扣带回DKI MD_p10的诊断效能最高（AUC=0.916），其次为右侧海马DKI MD_p10（AUC=0.908）。这表明额叶、边缘叶等区域的微结构改变能有效区分HC和无PSD的卒中幸存者。
• •
  HC vs. PSD：排名前10的生物标志物AUC范围为0.832至0.916。左侧壳核NODDI ODI_p10表现最佳（AUC=0.916），其次是右侧海马NODDI ODI_mean（AUC=0.893）。多数高性能标志物为位于边缘系统和颞叶的NODDI ODI指标。
• •
  非PSD vs. PSD：排名前10的生物标志物AUC范围为0.823至0.856。左侧壳核NODDI ODI_p50的诊断性能最高（AUC=0.856），其次为右侧颞中回DTI FA_p10（AUC=0.839）。候选标志物来自NODDI、DTI和MAP模型，分布于壳核、颞中回和枕叶。

相关性分析

在校正混杂因素后，多种扩散指标与MMSE和MoCA评分显著相关。例如，右侧前扣带回DKI MD_mean与MMSE呈强负相关（ρ=-0.583），而左侧海马旁回MAP RTOP_p10与MMSE呈正相关（ρ=0.569）。值得注意的是，没有任何影像学参数与HAMD-21评分显示出统计学上的显著关联。

讨论与结论

讨论部分指出，本研究发现PSD和非PSD卒中患者均在杏仁核、眶额中回和后扣带回等情绪与认知调节关键脑区存在显著微结构异常。直接比较PSD与非PSD患者，还发现了顶下小叶、眶额中回等区域的额外异常。ROC分析表明，不同扩散模型的指标在不同组别区分中各有优势：DKI在区分HC与非PSD方面表现突出，NODDI在区分PSD与HC方面更具潜力，而区分非PSD与PSD则需要结合多种模型。相关性分析结果强调，所发现的灰质微结构改变与认知功能损害的关系比与抑郁症状严重程度的关系更为密切。

研究结论翻译如下：整合DTI、DKI、MAP和NODDI的多模态扩散成像能够检测健康对照组和卒中亚组之间情感-认知环路（特别是杏仁核、后扣带回和顶下小叶）中的灰质微结构异常。这些边缘系统和颞顶叶区域的扩散衍生指标与认知表现显著相关，并在本次探索性分析中显示出中等水平的组别区分能力。当与临床神经心理学评估相结合时，这些互补的扩散模型可能为了解脑卒中后抑郁的神经基础提供初步见解，但其在早期识别、监测和个体化管理方面的潜在效用仍需在更大规模队列中进行独立验证。