基于多维扩散MRI的帕金森病tDCS各向异性电导率建模及电场预测影响研究

《Frontiers in Human Neuroscience》：Anisotropic conductivity modeling for tDCS in Parkinson’s disease using multidimensional diffusion MRI

　　

引言：经颅直流电刺激（tDCS）诱导的电场（E-field）预测取决于脑电导率的建模方式。白质各向异性通常由单壳扩散张量成像（DTI）估计。多维扩散MRI（MD-dMRI），尤其是q-space轨迹成像（QTI），则给出一种预期具有较低峰度偏倚的平均张量。研究人员的首要问题是，以该平均张量替代传统单壳张量是否会改变预测的E-field。方法：据研究人员所知，研究人员构建了首个MD-dMRI tDCS电导率模型，并在29名参与者（12例帕金森病和17例对照）中，于四种电极配置下，以相同网格、电极和求解器将其与DTI及各向同性模型比较。结果：两种各向异性模型主要在张量方向上有差异（白质内为18–25度），E-field幅值差异≤6.6%。在任何区域或电极配置下，患者与对照的E-field均无显著差异（该比较为探索性且统计效能不足）。全脑E-field与磁共振弹性成像（MRE）刚度相关（偏相关r=0.58），但在考虑脑脊液（CSF）形态后衰减至不显著（r=0.06至0.09）。讨论：在无真实值E-field或电导率可用的情况下，该研究确立了MD-dMRI模型的可行性，并刻画了E-field敏感性，而非提高剂量学准确性。扩散张量选择对预测E-field为次要因素，后者主要受个体解剖影响。对于帕金森病，建模工作应聚焦于CSF和萎缩感知的头模型及剂量归一化，而非更复杂的扩散张量。

研究背景：经颅直流电刺激（tDCS，一种非侵入性神经调控技术）在帕金森病（PD，一种以运动症状为主的神经退行性疾病）中作为潜在疗法受到研究，其效应依赖靶区电场（E-field，由电极注入电流在脑内形成的电场），且剂量–反应呈非线性。E-field无法直接测量，并随个体头解剖和组织电导率显著变化；个体化有限元头模型可用于估计E-field。白质（WM，富含髓鞘的脑组织）具电各向异性，传统上由单壳扩散张量成像（DTI，基于单壳扩散磁共振估计水扩散张量的方法）经体积归一化映射得到电导率张量；但单壳张量忽略非高斯扩散，受b值和自由水影响，PD中DTI指标变异大，导致各向异性估计本身不确定。多维扩散MRI（MD-dMRI，采用多维扩散编码估计宏观平均张量及协方差的磁共振方法），尤其是q-space轨迹成像（QTI，MD-dMRI中采用张量值编码的框架），可联合估计宏观平均张量与体素内张量分布协方差，使非高斯方差由协方差项承载，预期平均张量较少峰度偏倚；但据研究人员所知，MD-dMRI尚未用于构建tDCS电导率模型，且其是否足以改变剂量学相关E-field尚不清楚。因此，研究人员在Olsson et al. (2025)队列中构建MD-dMRI tDCS电导率模型，并在相同头网格、电极和求解器下比较各向同性、DTI与MD-dMRI三种模型，以回答仅改变电导率模型时E-field变化程度，并探索PD患者与对照差异及E-field与磁共振弹性成像（MRE，测量组织剪切刚度的成像方法）刚度的关联。研究得出：MD-dMRI模型可行；两各向异性模型E-field差异小且呈组织依赖；个体解剖而非扩散张量选择主导预测E-field；PD建模应优先关注CSF和萎缩感知头模型及剂量归一化。其意义在于刻画E-field对扩散张量估计的敏感性，并为PD tDCS剂量学建模优先级提供依据。

关键技术方法（不超过250字）：采用Olsson et al. (2025)队列（29例：12例PD ON药物状态、17例健康对照），基于Philips Ingenia CX 3 T采集T1、T2、单壳DTI及MD-dMRI（QTI）数据；用SimNIBS 4.6 charm生成个体四面体头模型；在同一网格、电极和有限元求解器下比较各向同性、单壳DTI与MD-dMRI/QTI平均张量三种电导率模型；以体积归一化映射将扩散张量转为电导率张量；模拟M1与DLPFC的双极和4×1聚焦四种tDCS电极配置；以FreeSurfer划分脑叶感兴趣区（ROI，预先定义的解剖区域）并行统计；结合MRE刚度作二次分析。

研究结果：3.1 参与者：29名参与者均完成结构、DTI和MD-dMRI采集，头模型分割通过目检；每名受试者重定向后的主特征向量与胼胝体左右方向及大脑脚上下方向的结构参考一致。3.2 电导率模型比较（MD-dMRI vs. DTI）：在M1双极配置下，两各向异性模型E-field相似；第95百分位E-field幅值（p⁹⁵|E|）的个体内差异<10%，但16个区域中14个可统计分辨；灰质（GM，神经元胞体集中的脑组织）中MD-dMRI略高于DTI，WM脑叶中MD-dMRI低于DTI且左侧阳极下降低更明显；该符号模式在四种电极配置中一致，WM脑叶无例外，GM脑叶与配置的32个组合中28个一致；显著性分别在DLPFC双极15/16、M1 4×1聚焦16/16、DLPFC 4×1聚焦14/16。3.3 模型差异相对于E-field幅值：模型间绝对差异小；GM脑叶三模型彼此差异≤4.9%；WM脑叶中两各向异性模型高于各向同性参考，MD-dMRI高2.8–12.9%，DTI高6.8–18.2%，且MD-dMRI低于DTI；差异相对E-field幅值和受试者间四分位距仍小；代表受试者GM表面模型绝对差中位0.0026 V/m，为|E|中位值的1.8%；多数GM和WM体积位于对应DTI值的10%以内。3.4 组间比较（PD vs. HC）：在MD-dMRI模型下，PD与对照在任何区域和任何电极配置下E-field幅值均无显著差异（最大Cohen’s d=0.59，最小未校正p=0.11）；所有区域和配置在对照均值25%界值内等效，10%界值下多数区域等效但非全部；两组CSF分数亦无显著差异（d=0.42）。3.5 两种各向异性模型的方向差异：两模型主要差异在张量方向；全队列WM脑叶主方向中位差18–25度；GM中约45度，接近但未达60度随机轴机会水平；在QTI采集内拟合DTI张量与平均张量仍相差每WM脑叶11–16度；组织界面处角度最大，WM邻接其他组织体素中位24.8度，距界面>3 mm处11.8度；方向差未预测更大的E-field差：WM脑叶内主特征向量（V₁）角越大者，MD-dMRI与DTI的p⁹⁵|E|绝对百分比差越小（r=?0.32，95%受试者聚类bootstrap CI [?0.52,?0.09]）；控制两模型FA差后该关联衰减至不显著（偏相关r=?0.06），而FA差在控制角度后仍预测E-field差（偏相关r=?0.61）。3.6 预测E-field与MRE刚度的关联：全脑中位|E|与个体MRE刚度正相关，控制组别后偏相关r=0.58，q=0.002；三电导率模型几乎一致（r=0.579–0.592，均q=0.002）；再加年龄仍显著（偏相关r=0.48，q=0.018）；改控CSF体积后衰减至不显著（偏相关r=0.09，q=0.66），控CSF分数时r=0.06；|E|随CSF分数下降（r=?0.66），控制刚度后仅部分降低（偏相关r=?0.41）；刚度与CSF分数强共线（r=?0.84）；联合回归中CSF分数仍与全脑中位|E|相关而刚度不再相关；方差分解显示刚度独有3%、CSF分数独有42%、二者共同55%。

讨论部分总结：研究人员建立了首个基于MD-dMRI的tDCS电导率模型，并在同一网格、电极和求解器下与DTI及各向同性模型比较；由于无真实E-field或电导率，研究强调模型可行性和E-field敏感性而非剂量学准确性提高。两各向异性模型E-field差异小且组织依赖、跨四种配置一致；GM近各向同性使三模型收敛，WM中张量方向分叉但E-field差异仍小，且幅值差受两次扩散采集分辨率和平滑差异混杂。方向差未随E-field差增大而增大；可归因于张量估计的主要是方向差异。E-field与MRE刚度相关在控制CSF后消失，而E-field与CSF分数关联更稳健；刚度与CSF分数强共线，CSF分流电流，提示个体解剖和CSF形态主导预测E-field。PD与对照无显著E-field差异，符合本队列解剖改变较细微及比较效能不足的解释。讨论指出PD tDCS建模应优先CSF和萎缩感知头模型及剂量归一化，而非更复杂扩散张量；MD-dMRI价值可能更多在其解析的微结构。局限性包括两次扩散扫描分离、分辨率和平滑不同、WM幅值差部分为预处理伪影、方向差约三分之二在相同采集和处理下仍存在但角采样不同、组织界面部分容积效应、样本小且男性为主、组比较效能低、无实测E-field验证及关联为横断面和共线。未来需匹配采集条件，并利用MD-dMRI微结构结合纤维方向分布及可靠方差估计，最终以实测电导率验证。

研究结论翻译：研究人员表明，可由MD-dMRI构建tDCS电导率模型，其在PD中的预测与DTI及各向同性模型接近。模型选择以组织依赖方式改变预测E-field，但两种各向异性模型之间的差异在任何区域或电极配置中最多为DTI的6.6%（队列平均）。由于体积归一化映射在应用组织电导率前将每个张量缩放到相同体积，两种各向异性模型只能通过张量形状和方向改变预测E-field，而形状差异本身受两次采集的分辨率和平滑混杂；因此可归因于张量估计的是方向差异。在此效能不足的探索性比较中，患者与对照未显示可检测差异。因而，对于PD的tDCS剂量学，个体解剖而非扩散张量选择主导预测E-field，个体化剂量更适合由CSF和萎缩感知头模型实现，而非采用更复杂的扩散张量。MD-dMRI的价值最终可能更多在于其同时解析的微结构而非平均张量；其能否产生更准确的电导率模型仍是开放问题，并需以实测电导率验证。