区域放射组学相似性网络揭示了偏头痛和紧张型头痛患者特定的大脑形态连接模式

《Behavioural Brain Research》：Regional Radiomics Similarity Networks Reveal Specific Brain Morphological Connectivity Patterns in Migraine and Tension-Type Headaches

　　

• •
  R2SN首次揭示了原发性头痛中独特的形态学连接性。
• •
  两种原发性头痛都显示出与疼痛相关的丘脑连接性变化。
• •
  GAN模型在分类头痛类型和控制组方面实现了高准确率。

引言

头痛障碍仍然是全球最常见的致残性神经系统疾病之一，根据2023年全球疾病负担研究[1]的数据，2023年约有29亿人受到头痛的影响，全球年龄标准化患病率为34.6%。头痛障碍还造成了巨大的残疾负担，突显了它们对全球公共卫生的重大影响[2]。紧张型头痛（TTH）通常表现为双侧、压迫性或带状的轻度至中度疼痛[3]。相比之下，偏头痛的特点是反复发作的单侧搏动性中度至重度头痛，这些头痛在日常体力活动后加重，并伴有畏光、恐声、恶心、呕吐以及一种非常特定的嗅觉恐惧[4]。尽管TTH和偏头痛在临床表现上有显著差异，但目前两者都被认为涉及广泛的中枢神经系统功能障碍，而不仅仅是孤立的外周异常[5]。通过先进的神经影像技术理解这些头痛障碍背后的不同和共有的神经机制，对于开发针对性的诊断和治疗策略至关重要[6]、[7]、[8]。

静息态功能磁共振成像（rs-fMRI）揭示了偏头痛和TTH的大脑功能异常。例如，无先兆的偏头痛表现出后脑桥局部相干性降低和皮质功能连接性减弱[9]，而TTH则表现出基底节、楔前叶和前额叶局部相干性降低[10]。这些发现表明，这两种类型的头痛患者在中枢疼痛网络中存在共同的功能障碍。尽管关于偏头痛和TTH的大脑结构变化的研究仍然有限且不一致[11]，但网络分析已成为探索包括原发性头痛在内的神经精神疾病大脑网络的关键工具[12]、[13]、[14]。例如，基于形态学的协变量网络可以反映大脑区域之间的结构连接性[15]。但传统网络受到单一形态学特征的局限，缺乏敏感性[16]。放射组学分析[17]作为一种新方法被引入，通过从磁共振成像（MRI）数据中提取高维特征来量化大脑结构属性[18]。在此框架的基础上，提出了区域放射组学相似性网络（R2SN），通过量化大脑区域之间的多个放射组学特征的相似性来建模结构连接性[19]。这种方法能够构建个性化的形态学大脑网络，并在检测微妙的大脑变化方面显示出高重现性和敏感性[19]、[20]。此外，区域平均连接强度提供了网络内每个大脑区域平均连接性的定量度量，提供了一个稳健的网络级改变指标[21]。值得注意的是，这种方法已成功应用于包括阿尔茨海默病（AD）和行为变异型额颞叶痴呆（bvFTD）在内的神经退行性疾病[22]，其可行性得到了验证。然而，据我们所知，R2SN方法尚未应用于偏头痛或TTH，这为探索原发性头痛的结构网络紊乱提供了一个新的方向。

近年来，深度学习已成为训练和分类MRI数据的一种变革性方法[23]。在各种技术中，生成对抗网络（GANs）已成为一个强大的深度学习框架，由两个神经网络组成：生成器和鉴别器[24]。生成器学习如何从随机噪声中合成真实的数据样本，而鉴别器则学习区分真实样本和生成的（假）样本。通过这种对抗性训练过程，最终可以生成高质量的模拟数据。基于GAN的分类方法在各种神经影像应用中表现出卓越的性能，包括注意缺陷多动障碍（ADHD）[25]、AD[26]和重度抑郁症（MDD）[27]。此外，GANs还能够进行多类别分类，扩展了它们在区分多种临床亚型或疾病阶段方面的应用性[28]。最近，将特定神经影像指标（如R2SN）与先进算法相结合，在识别轻度认知障碍（MCI）[20]和AD[29]等状况方面显示出前景。然而，在TTH和偏头痛的背景下，整合R2SN与基于GAN的分类的潜力仍有很大的探索空间，这是当前研究中的一个重要空白。

因此，在本研究中，我们旨在使用神经影像框架来研究偏头痛和TTH的结构脑改变。具体来说，我们构建了个体级别的R2SN并计算了区域平均连接强度，以评估偏头痛患者、TTH患者和健康对照组（HCs）之间的形态学连接性差异。此外，还进行了基于体素的形态测量（VBM）来检查各组之间的灰质体积差异。为了评估提取的影像特征的判别能力，采用了基于GAN的分类框架来区分这三个组。最后，我们进一步进行了相关性分析，以探索网络改变与视觉模拟量表（VAS）测量的临床疼痛严重程度之间的关联。整体分析工作流程如图1所示。

章节摘要

参与者

数据来自潍坊医学院附属医院的77名偏头痛患者和67名TTH患者。患者由两位经验丰富的神经科医生根据《国际头痛障碍分类》第三版（ICHD-3）的标准进行诊断。所有患者都接受了VAS评估，该评估用于评价疼痛或不适的主观严重程度和缓解情况[30]。其中有33名患者的头痛频率和疾病持续时间信息是可用的。

人口统计学和临床特征

最初共有207名参与者参与本研究。在筛查过程中，有9名参与者被排除，因为他们的T1加权结构MRI数据不可用，其中包括3名偏头痛患者、3名TTH患者和3名健康对照组（HCs）。随后，又有22名参与者因教育年限信息缺失而被排除，其中包括6名偏头痛患者、9名TTH患者和7名健康对照组（HCs）。另有9名参与者因为年龄不在预定义范围内而被排除。

讨论

在本研究中，我们系统地研究了偏头痛和TTH的大脑结构改变。结果表明，包括额叶、颞叶、边缘系统、皮下结构和小脑在内的多个区域的形态学连接性发生了显著变化。网络分析显示，额叶-边缘网络内的放射组学相似性降低，同时皮下结构也发生了局部变化。基于GAN的分类结果

结论

本研究应用R2SN揭示了TTH和偏头痛患者大脑结构网络的显著改变，特别是涉及丘脑-前额叶、小脑和DMN的连接性，为与原发性头痛障碍相关的结构网络异常提供了进一步的见解。此外，基于GAN的分类器证明了R2SN衍生特征在区分TTH患者、偏头痛患者和健康对照组（HCs）方面的潜力。

伦理声明

所有参与者或其法定代表均已签署书面知情同意书，同意参与本研究并发表文章。参与者的隐私权得到了尊重。

本研究遵循了研究所在地区的相关法律、监管框架和指南进行。该研究已获得潍坊医学院附属医院人类研究委员会的批准（批准编号2021YX118）。

CRediT作者贡献声明

王春：撰写——原始草稿、可视化、方法学、正式分析。马慧斌：监督、项目管理、概念化。王文：资源、监督。贾秀琴：监督、方法学、调查、概念化。陈兰芬：撰写——审阅与编辑、监督、资金获取。郝哲奇：撰写——审阅与编辑、调查。余 Yang：正式分析。黄国峰：监督、调查。王若飞：验证。赵倩：数据

致谢

我们感谢杭州NaoHai技术实验室（https://www.brainimaging.cn)在其科学研究平台中提供的技术支持。

Huibin Ma|Chun Wang|Xiuqi Cao|Qian Zhao|Ruofei Wang|Wen Wang|Guofeng Huang|Yang Yu|Zeqi Hao|Lanfen Chen|Xize Jia