网络分析揭示主观认知下降（SCD）中连贯言语（CS）特征的特异性关联组织模式

《Brain and Language》：Network analysis reveals specific patterns of relationships between connected speech features in subjective cognitive decline

　　

网络分析揭示主观认知下降（subjective cognitive decline, SCD）中连贯言语（connected speech, CS）特征之间关系的特定模式。• 研究人员采用网络分析研究SCD中的连贯言语特征关系。• 尽管单变量差异有限，SCD的言语网络组织仍存在差异。• 语义简洁性（semantic conciseness）与词汇/句法特征的关联在SCD中变化最大。• SCD网络显示较少的域内关系和较弱的域间关系。• 网络分析揭示SCD中独特的言语组织。

阿尔茨海默病（Alzheimer's disease, AD）以记忆困难为最常见早期症状之一，但语言能力的细微变化可在AD相关认知下降被察觉前数年出现。识别这些变化有助于早期发现可能具有AD风险个体。与传统语言任务（如言语流畅性、对抗命名）相比，连贯言语（CS）任务生态效度更高、施测快速、成本低、非侵入，并可较全面评估语言产生能力；自然语言处理（Natural Language Processing, NLP）可自动提取词汇、语义、句法等多语言域CS特征。轻度认知障碍（mild cognitive impairment, MCI）被视为部分个体AD的前驱阶段，特征为至少一个认知域受损而日常生活能力保留，其CS已在总体言语产生、流畅性、词汇、语义、句法及语用等域显示广泛变化。主观认知下降（SCD）被认为比MCI更早，个体主观感知认知下降但客观测验常处正常范围，记忆和找词抱怨常见；已有研究提示SCD存在动词和名人姓名词汇通达下降、词定义分数降低等细微客观语言变化，但SCD的CS研究很少，且既有研究未能同时与对照和MCI比较。由于SCD与健康老年人的CS差异可能很细微，仅聚焦CS特征直接组间比较的传统单变量分析可能遗漏。语言被视为具有复杂结构的网络；源自图论的网络分析可研究变量间关系，揭示传统单变量分析不易观察的模式。健康老年人语义网络随老化出现整体连接降低、词簇减少等细微变化；多发性硬化、帕金森病和AD等神经退行性疾病也见网络连接降低、较小社区增多及语义网络组织差异，AD中由CS任务产生词构成的网络整体连接降低且与语义记忆缺陷相关。SCD认知系统网络研究亦提示网络分析可发现单变量分析不可见的细微执行功能和处理速度变异。基于此，研究人员比较SCD、对照和MCI的CS特征相对组织及关系模式，使用加拿大老龄化神经变性联盟（Canadian Consortium on Neurodegeneration in Aging, CCNA）的COMPASS-ND数据库数据；假设SCD的CS网络中词汇特征（如动词比例、词频）与其他特征关系存在相对差异，和/或CS特征关系差异可追溯至词汇方面。研究结论提示，尽管SCD与其他组的原始CS特征差异很小，SCD的CS网络组织仍不同：语义简洁性及词汇和句法复杂性维度中特征关联变化最大，SCD网络域内关系较少、域间关系较弱。其意义在于网络分析可能比传统单变量分析更敏感地捕捉AD连续体早期细微CS变化，自动CS工具可借助网络分析提高疾病检测和监测敏感性。

研究人员开展的关键技术方法如下（不超过250字）：利用COMPASS-ND队列中完成英文Cookie Theft Picture Description Task的对照156例、SCD 109例和MCI 239例；CS样本转写后经spaCy（en_core_web_lg模型）分词、词性标注和依存句法分析，提取24个CS特征，并用PRAAT及uhm-o-meter脚本获取言语率和空停顿比例。经唯一变量分析（Unique Variable Analysis, UVA）去除冗余后保留22个特征；对特征行非paranormal变换，以高斯图模型（Gaussian Graphical Model, GGM）结合图形最小绝对收缩和选择算子（graphical least absolute shrinkage and selection operator, GLASSO）及扩展贝叶斯信息准则（Extended Bayesian Information Criterion, EBIC）估计各组网络；在对照网络行探索性图分析（Exploratory Graph Analysis, EGA）确定维度；计算模块度、域内/域间密度和强度、节点强度中心性；用网络比较检验（Network Comparison Test, NCT）比较网络；以Bootstrap EGA、非参数bootstrap置信区间、相关稳定性系数（correlation stability coefficient, CSC）及差异变异性分析评估稳定性与可靠性。

研究结果如下。3.1 人口学、心理学与生物标志物变量（Demographic, psychological, and biomarker variables）：通过方差分析、卡方检验及事后比较发现，MCI组较对照和SCD更年长、MoCA分数更低、受教育年限更少、女性比例更低、英语为第一语言者比例更低、GAD-7分数更高；GDS分数呈对照42/40高于对照和MCI，MCI的p-tau-181高于对照和SCD；APOE4阳性比例、NfL、GFAP及口语语言数无显著组间差异。3.2 连贯言语特征比较（Comparisons of connected speech features）：控制组间有差异的人口学和心理学变量后，协方差分析显示SCD言语率快于MCI，SCD局部连贯性低于对照；移动平均类符-形符比（Moving Average Type Token Ratio, MATTR）为对照=SCD>MCI，词片段比例对照=SCDMCI；其余多数CS特征无显著差异。补充按性别分析显示SCD男性较同组女性有更高动词比例、每句从句数、从句比例和句法依存比例，SCD女性言语率快于男性。3.3 网络描述（Network descriptives）：GGM显示对照网络密度0.57、平均绝对边权0.099、模块度指数0.068；SCD网络较稀疏，密度0.38、平均绝对边权0.104、模块度0.091；MCI网络密度0.49、平均绝对边权0.102、模块度0.027。SCD网络保留部分主要域内和域间边，但全网络较小边减少。3.4 探索性图分析（Exploratory graph analysis）：在对照网络行EGA得到四维结构，即词汇和句法复杂性（Lexical and syntactic complexity）、词汇流畅性（Lexical fluency）、话语有效性（Discourse effectiveness）和语义简洁性（Semantic conciseness）。3.5 域内与域间密度和强度（Within- and between-dimension density and strength）：三个维度中SCD域内密度更接近MCI而非对照；语义简洁性域内密度在SCD为0.67，低于对照和MCI的1.00；SCD所有维度的域间密度较对照和MCI轻度降低，域内和域间强度亦相对降低。3.6 节点强度中心性（Node strength centrality）：SCD网络各维度内标准化强度中心性总体模式与对照和MCI相似；话语有效性和语义简洁性维度多数节点z值高于0，词汇和句法复杂性及词汇流畅性维度多数节点z值低于0；SCD相对对照和MCI的平均标准化强度偏差最大者为语义简洁性，其次为词汇和句法复杂性、词汇流畅性、话语有效性。3.7 网络比较（Network comparisons）：复制边权重相关分析显示SCD与对照、SCD与MCI的边权重相关均为r=0.89；NCT示SCD与对照全局强度差异p=.24、与MCI差异p=.75，网络结构比较对照 vs SCD p=.77、SCD vs MCI p=.61，均无统计学显著差异。3.8 稳定性与可靠性分析（Stability and reliability analyses）：Bootstrap EGA中最常见为四维结构（64.58%迭代），中位维度数4（95% CI [2.8, 5.2]）；结构一致性从词汇和句法复杂性1%、词汇流畅性25%、话语有效性15%至语义简洁性36%不等，语义简洁性维度节点稳定性较高（0.76—0.78）；边权非参数bootstrap 95% CI较宽且重叠；CSC在对照为0.52、MCI为0.75、SCD为0.44；差异变异性分析在对照p=.14、MCI p=.12不显著，在SCD p=.02显著，主要由句法依存比例标准差略降驱动。

讨论部分总结：原文认为SCD网络最大平均标准化强度中心性偏差见于语义简洁性及词汇和句法复杂性维度，与SCD既往词汇变化研究一致，并支持最初关于词汇相关关系差异的假设；这些差异可能为SCD常见找词困难的客观证据，并可能代表CS困难在AD连续体中的最早表现，提示测试中应关注这些语言域，但其识别后续进展者的效用尚需未来正式确定。原文还提出，SCD中的语言变异可能归因于该人群已记录的执行功能细微变化；补充相关分析显示词汇和句法复杂性维度中少数CS特征与执行功能测验仅呈弱相关，未来需构建联合网络直接研究。单变量CS差异很小而与网络密度、强度和模块度差异形成对比，支持网络分析比单变量分析更敏感；SCD网络域内/域间交互减少和模块度增高提示其可能使用不同CS产生机制，可能使CS产生更费力但不显著影响样本，并可能是对早期神经解剖和/或认知变化的补偿。与认知网络文献不同，原文观察到SCD CS网络全局强度相对降低及密度在SCD相对“下陷”后MCI回归对照样水平，提示CS与认知在AD连续体早期轨迹可能不同，CS网络分析可能比一般认知更敏感。局限包括：样本量对CS研究较大但对网络分析偏小，可能影响边数、密度和中心性；SCD存在差异变异性但解释聚焦全局模式；EBICglasso用于缓解小样本影响；横断面数据不能确定观察模式是否真实反映早期疾病过程；SCD样本量不足以获得有意义的性别分层CS网络。

研究结论部分翻译：该研究揭示SCD个体的CS网络相较于对照和MCI存在细微差异。具体而言，SCD网络域内密度和域间强度相对降低，模块度指数相对升高；构成语义简洁性及词汇和句法复杂性维度的CS特征与其他特征的关联相对对照和MCI网络变化最大。这些发现为AD连续体最早阶段的CS细微差异提供了见解，并提示自动CS工具可利用网络分析提高疾病检测和监测的敏感性。未来研究应检验不同CS网络谱是否可区分后来进展为MCI和AD的SCD个体与未进展者，并研究SCD CS网络与已知未来进展至AD预测因素（如SCD起病年龄、观察者确认的认知下降、海马萎缩、β-淀粉样蛋白水平）之间的关系及这些关系是否因性别而异，以进一步推进风险分层的精准性并强化CS作为AD早期生物标志物的作用。