ICV归一化脑区体积在阿尔茨海默病中的分布特征刻画

《Life》：Distributional Characterization of ICV-Normalized Regional Brain Volumes in Alzheimer’s Disease

　　

引言： 阿尔茨海默病（Alzheimer’s disease, AD）伴随进行性脑结构改变，可通过磁共振成像（magnetic resonance imaging, MRI）加以描述。既往研究采用多种统计方法比较海马、内嗅皮层和杏仁核等脑区的体积，但这些方法大多假设脑区体积服从正态分布或对称分布，可能无法充分捕捉观测到的体积变异和区域形态学变异性。本研究比较了不同的概率分布，以评估刻画经颅内体积（intracranial volume, ICV）归一化的脑区体积所需的分布灵活性。方法： 研究人员评估了六种候选概率分布在按性别和诊断分组（女性-CN、男性-CN、女性-AD、男性-AD）的21个FreeSurfer衍生、ICV归一化脑区体积上的表现。在ICV质量控制后，数据来自阿尔茨海默病神经影像学倡议（Alzheimer’s Disease Neuroimaging Initiative, ADNI）中1343名参与者的3409次T1加权3T MRI扫描；主要分析使用每位参与者的一次基线扫描。得到的84个区域-组别组合（21个区域×4个组别）通过最大似然法进行拟合，四参数指数化威布尔分布（Exponentiated Weibull, Weibull4P）的所有四个参数通过多起点、脊稳定最大似然法估计，并辅以可识别性保障措施。采用赤池信息准则（Akaike information criterion, AIC）、其小样本校正（AICc）和贝叶斯信息准则（Bayesian information criterion, BIC）对分布进行比较。当某分布的AIC与最低AIC之差在10个单位以内时，认为该分布相对于其他候选分布是充分的。通过参数自助法拟合优度检验评估绝对拟合，并通过参与者水平自助法、所有六种分布的五折交叉验证以及年龄分层重新拟合来评估稳健性。结果： 在84个组合中，正态分布在40个组合中给出了最低AIC，伽马分布在21个组合中，对数正态分布在12个组合中，Weibull4P在10个组合中，两参数威布尔分布在1个组合中。在51个组合中，有两个或多个分布的AIC与最低AIC之差在2个单位以内。Weibull4P在所有84个组合中均达到相对AIC充分性（ΔAIC < 10），而伽马分布为74个，正态分布为68个，对数正态分布为66个；其与最低AIC的最大差值为4.9。在12个脑室组合中，正态分布仅在1个组合中充分，而Weibull4P在所有12个组合中均充分。Weibull4P在83个组合的至少95%的500次参与者自助法重复中保持了相对AIC支持，并在每个组合的所有三个年龄段中均保持支持，包括未满足StablePass标准的重新拟合。它在53个组合中达到了描述性BIC阈值，在55个组合中达到了交叉验证阈值。在参数自助法拟合优度检验中，Weibull4P在84个组合中的71个未被未校正的Anderson-Darling检验拒绝，多于任何其他候选分布（伽马分布：60个；正态分布：57个）。经FDR校正后，21个组合的正态性被拒绝，其中包括10个脑室组合。在42个性别特异性AD-CN比较中，经年龄调整和FDR校正后，41个比较显著。结论： 在该ADNI数据集中，正态分布在大多数组织组合中具有最低AIC并获得相对支持，但在脑室组合中很少见。四参数指数化威布尔分布在较少组合中具有最低AIC，但它是唯一在所有区域和组别中均获得相对AIC支持的候选分布，包括右偏的脑室体积。它在Anderson-Darling拟合优度检验中被拒绝的频率也低于任何其他候选分布。然而，其额外参数在BIC下的支持较弱，且其估计的下界限制了其样本外性能。这些发现支持采用经验方法来评估分布形式而非假设正态性，并将指数化威布尔分布作为与更简单分布并列的备选方案。

论文解读文章

研究背景与科学问题

在阿尔茨海默病（Alzheimer’s disease, AD）的神经影像学研究中，基于磁共振成像（magnetic resonance imaging, MRI）测量的脑区体积是重要的定量生物标志物，常用于疾病早期检测、严重程度评估及进展监测。为消除个体间头部尺寸差异，研究人员通常将原始脑区体积除以颅内体积（intracranial volume, ICV）进行归一化处理。既往统计分析，如t检验、协方差分析和混合效应模型等，普遍假设这些归一化后的测量值服从正态分布。然而，脑萎缩在不同疾病阶段、不同病理类型及不同易损脑区中的发生模式各异，且脑区体积天然存在下限为零、上限受组织总量约束的特点，这些因素均可能导致数据偏离正态分布。因此，直接假设正态分布可能无法充分刻画脑区体积的真实分布特征，尤其是在分布不对称或存在厚尾的情况下。基于此，该研究旨在系统地比较多种概率分布对ICV归一化脑区体积的拟合能力，重点评估灵活的四参数指数化威布尔分布（Exponentiated Weibull, Weibull4P）是否能作为正态分布的可行替代，从而为后续的统计建模和临床决策提供更可靠的分布基础。

研究设计与核心发现

研究人员利用阿尔茨海默病神经影像学倡议（Alzheimer’s Disease Neuroimaging Initiative, ADNI）数据库，在严格的ICV质量控制后，纳入了1343名参与者的单次基线T1加权3T MRI扫描数据。数据分为认知正常（cognitively normal, CN）和AD两组，并按性别进一步细分为女性-CN、男性-CN、女性-AD和男性-AD四个亚组。研究分析了21个FreeSurfer衍生的ICV归一化脑区，涵盖全脑灰白质、内侧颞叶结构、脑室结构及多个新皮质区域。对于每个区域-组别组合，研究人员分别拟合了六种候选概率分布：正态分布、对数正态分布、伽马分布、指数分布、两参数威布尔分布和四参数指数化威布尔分布。模型比较采用赤池信息准则（Akaike information criterion, AIC）、其小样本校正（AICc）和贝叶斯信息准则（Bayesian information criterion, BIC），并以ΔAIC < 10定义为相对充分性。此外，还通过参数自助法拟合优度检验、参与者水平自助法重采样、五折交叉验证和年龄分层重新拟合等方法全面评估了模型的绝对拟合质量、稳定性和泛化能力。

关键技术方法

1. 1.
   数据来源与预处理：数据源自ADNI数据库（adni.loni.usc.edu），包含1343名参与者的3409次扫描。每位参与者仅选取最早的基线扫描用于主分析。所有脑区体积由FreeSurfer软件提取，并除以ICV进行归一化。ICV质量控制标准为：ICV在1.0–2.1×10⁶ mm³范围内，且脑组织分数在0.506–0.892之间，同时排除与参与者中位ICV偏差超过10%的扫描。
2. 2.
   候选分布与拟合策略：研究比较了六种分布。其中，前五种分布（正态、对数正态、伽马、指数、两参数威布尔）使用MATLAB内置的fitdist函数通过最大似然估计拟合。Weibull4P分布则通过自定义的多起点、脊稳定最大似然优化程序拟合，并使用L2惩罚项处理似然面平坦脊问题，确保参数的可识别性。
3. 3.
   模型评估体系：采用多层次评估框架。主比较基于AIC、AICc和BIC的信息准则。绝对拟合优度通过参数自助法（500次模拟）的Anderson-Darling、Kolmogorov-Smirnov和Cramér-von Mises检验评估。稳定性通过500次参与者水平自助法重采样和五折交叉验证考察。年龄依赖性通过将每个组合等分为三个年龄带并重新拟合所有分布来检验。

主要研究结果

3.1 样本特征：CN组规模远大于AD组（1055 vs. 288名参与者）。女性-CN组最大（666人），女性-AD组最小（134人）。每个区域-组别组合的样本量范围为127至666人。

3.2 六模型比较结果：

• •
  正态分布在40个组合（47.6%）中获得最低AIC，全部为组织组合；伽马分布在21个组合（25.0%）中领先；对数正态分布在12个组合（14.3%）中；Weibull4P在10个组合（11.9%）中；两参数威布尔仅在1个组合中。指数分布从未获得最低AIC。
• •
  在51个组合（60.7%）中，两个或多个分布的AIC差值小于2，表明模型间难以明确区分。
• •
  Weibull4P是唯一在所有84个组合中均达到相对充分性（ΔAIC < 10）的分布，其最大ΔAIC仅为4.9。相比之下，正态分布在脑室组合中仅在1个组合中充分。
• •
  在Vuong检验中，正态、对数正态和伽马分布从未显著优于Weibull4P，而Weibull4P在9个脑室组合中显著优于正态分布。
• •
  经FDR校正后，21个组合的正态性被拒绝，其中包括10个脑室组合。

3.3 绝对拟合优度：

• •
  在参数自助法Anderson-Darling检验中，Weibull4P在71个组合中未被拒绝（p ≥ 0.05），高于伽马分布（60个）和正态分布（57个）。
• •
  Weibull4P在11个脑室组合中未被拒绝，而正态分布仅在1个中未被拒绝。

3.4 稳定性与交叉验证：

• •
  参与者水平自助法显示，基线最低AIC分布的中位数复现率仅为54.7%，表明模型选择高度不确定。
• •
  Weibull4P在83个组合的至少95%的自助法重复中保持充分性，而正态分布为50个组合。
• •
  在交叉验证中，Weibull4P在55个组合中表现出充分的样本外性能，其局限性主要源于估计的下界导致部分留出样本密度为零。
• •
  在年龄分层重新拟合中，Weibull4P在所有84个组合的三个年龄带中均保持充分性。

3.5 AD与CN比较：

• •
  经年龄调整和FDR校正后，42个性别特异性AD-CN比较中有41个显著。AD组在所有组织区域中体积减小，在所有脑室区域中体积增大。
• •
  内侧颞叶结构萎缩最明显，如杏仁核（女性-26.1%，男性-21.8%）、内嗅皮层（-21.1%，-20.5%）和海马（-19.5%，-18.2%）。侧脑室体积增加最为显著（+53.1%，+38.2%）。

讨论与结论总结

讨论部分指出，正态分布在大多数组织区域中表现良好，但完全不适合描述呈右偏分布的脑室体积。Weibull4P虽非最优，却是唯一在所有区域和组别中均保持相对AIC充分性的分布，这得益于其额外的形状参数和位置参数带来的灵活性。然而，这种灵活性也带来了估计困难，例如约半数拟合的估计下界为负值，且其额外参数在BIC下支持较弱，样本外性能受限。研究强调了模型选择的不确定性——在两个及以上分布AIC差值小于2的组合占多数，且单一最佳分布在自助法中的复现率不高——因此建议关注分布的“充分性”而非“最优性”。研究局限包括数据来源单一（ADNI）、年龄范围有限、以及Weibull4P在某些条件下的数值不稳定性。

研究结论翻译如下：在一些阿尔茨海默病神经影像数据的统计分析中，假定脑区体积服从正态分布，但这一假设并未得到常规评估。为检验该假设，研究人员在ICV质量控制后使用了1343名ADNI参与者每人一次的基线扫描，并在21个ICV归一化脑区和四个性别-诊断组别构成的84个区域-组别组合中比较了六种候选概率分布。在该数据集中，没有任何一种候选分布在所有组合中均获得最低AIC：正态分布在40个组合（47.6%）中最低，其次是伽马分布（25.0%）、对数正态分布（14.3%）、四参数指数化威布尔分布（Weibull4P，11.9%）和两参数威布尔分布（1.2%），指数分布无一。51个组合中有两个或多个分布的AIC差值在2个单位以内，且最低AIC分布在参与者自助法重复中的中位数复现率仅为54.7%。Weibull4P是唯一在所有84个组合中均达到充分性（ΔAIC < 10）的分布，且在83个组合的至少95%的自助法重复中和所有组合的全部三个年龄带中均保持充分性；在Vuong检验中，正态、对数正态和伽马分布从未显著优于Weibull4P。在参数自助法拟合优度检验中，Weibull4P在84个组合中的71个未被Anderson-Darling检验拒绝，多于任何其他候选分布，并且在12个脑室组合中的11个未被拒绝。正态分布很好地描述了大部分组织区域，但不适用于脑室体积——后者在12个组合中有10个的正态性被拒绝。Weibull4P的额外参数并非始终必要：它在BIC下于53个组合中充分，在交叉验证中于55个组合中充分，这主要是由于其估计的下界所致。内侧颞叶萎缩和脑室扩大的整体模式与AD的既定特征一致；42个性别特异性AD-CN比较中有41个在年龄调整和FDR校正后显著。这些结果表明，在该ADNI样本和六候选分布框架下，正态分布对大多数组织区域是充分的，而指数化威布尔分布是唯一在所有区域-组别组合（包括脑室区域）中相对于其他候选分布均保持充分性的候选分布，代价是两个额外参数和较弱的样本外性能。未来研究应在分布的尾部（即做出诊断决策和确定规范性百分位数阈值的区域）明确处理这些分布特征，并在脑区体积测量用于临床决策时考虑模型选择的不确定性。