《Frontiers in Aging Neuroscience》:Resting-state EEG microstates link neural dynamics to fluid intelligence in mild cognitive impairment
编辑推荐:
背景:静息态脑电图微状态可在毫秒尺度上标记大规模神经网络动态,有望捕捉轻度认知障碍(MCI)早期的认知功能异常。研究人员旨在探讨微状态特征是否与MCI患者的整体认知及流体智力相关。方法:研究纳入60名受试者(30例MCI患者,30例健康对照HC),采用简易精神
背景:静息态脑电图微状态可在毫秒尺度上标记大规模神经网络动态,有望捕捉轻度认知障碍(MCI)早期的认知功能异常。研究人员旨在探讨微状态特征是否与MCI患者的整体认知及流体智力相关。方法:研究纳入60名受试者(30例MCI患者,30例健康对照HC),采用简易精神状态检查(MMSE)、蒙特利尔认知评估(MoCA)、瑞文推理测验(RPM)及本顿面部识别测验(BFRT)进行认知评估。记录闭眼静息态脑电图,计算微状态全局解释方差(GEV),并将研究特异性地形图映射至Metamaps2023模板的七个典型类别(A–G)。除GEV外,还分析了持续时间、出现率和覆盖率等时间参数。组间差异及校正年龄、教育程度、性别的相关性分析均采用统一的非参数框架,并使用错误发现率(FDR)校正。结果:MCI组在所有认知领域的得分均显著低于HC组(p?<?0.01)。MCI组的微状态B的GEV显著高于HC组(约11.3% vs 7.9%,p?=?0.007),微状态C的GEV亦显著升高(约6.1% vs 4.1%,p?=?0.007),其余类别无显著差异。时间分析显示,MCI组微状态B和C的出现率和覆盖率显著增加,平均持续时间无组间差异。相关性分析表明,微状态B和C的GEV升高与MoCA和RPM表现下降相关,而微状态A和G的GEV与MMSE得分呈正相关。这些关联在校正人口学协变量后依然稳健。结论:MCI的特征是微状态B和C的贡献增加,这与流体推理和执行控制功能的损害相关。结果表明,微状态动态可作为痴呆前阶段早期网络失敏的敏感标志物,反映了与认知衰退相对应的神经灵活性丧失。
研究背景与意义
轻度认知障碍(MCI)是正常老化与痴呆之间的过渡阶段,具有较高的进展为阿尔茨海默病(AD)的风险,但目前尚缺乏能够在早期敏感捕捉神经网络功能变化的生物标志物。流体智力作为抽象推理和问题解决能力的核心指标,在MCI中同样受损,但已有研究较少从神经电生理动态角度揭示其与大脑网络活动的关系。静息态脑电图(EEG)微状态分析可在亚秒级分辨率表征大规模脑网络的稳定性与转换特性,因此本研究旨在探索MCI患者微状态动态与流体智力等非记忆性认知功能之间的联系,从而为早期识别和干预提供客观依据。该研究成果发表于《Frontiers in Aging Neuroscience》。
主要技术方法
研究纳入来自土耳其阿拉尼亚阿拉丁·凯库巴特大学教学与研究医院的60名受试者,包括30例符合Petersen标准的MCI患者及30例健康对照。所有受试者完成MMSE、MoCA、RPM及BFRT评估。EEG采集采用19导联国际10–20系统,闭眼静息态记录5分钟,采样率为200?Hz,滤波范围为1–100?Hz。预处理使用EEGLAB工具箱,包含带通滤波、独立成分分析(ICA)去除眼动与肌电伪迹,以及Artifact Subspace Reconstruction(ASR)算法降噪。微状态分析使用MICROSTATELAB插件,通过k-means聚类提取GFP峰值对应地形图,并将其匹配至Metamaps2023七类模板,计算各微状态的全局解释方差(GEV)及时间参数(持续时间、出现率、覆盖率)。统计分析采用非参数检验及FDR校正。
研究结果
人口学与神经心理比较
两组在年龄、性别构成上无显著差异,教育年限差异未达显著性。MCI组在MMSE、MoCA、BFRT及RPM各项评分均显著低于HC组,效应量大,证实其整体及特定认知领域均受损。
微状态类别的全局解释方差(GEV)
总GEV在HC组为69.21%,MCI组为73.73%。MCI组中微状态B和C的GEV显著升高,分别约为11.3%与6.1%,高于HC组的7.9%与4.1%,差异具有统计学意义(p?=?0.007)。
微状态时间参数
MANOVA结果显示微状态B和C的多变量组间差异显著。后续单变量分析表明,这种差异主要来自出现率和覆盖率的显著增加,而平均持续时间无显著变化。
微状态特征与神经心理评估的相关性
校正年龄和教育后,微状态A的GEV与MMSE呈正相关(ρ?=?0.351, p?=?0.007);微状态B的GEV与MoCA(ρ?=??0.379, p?=?0.003)及RPM(ρ?=??0.348, p?=?0.007)呈负相关;微状态C的GEV与MoCA(ρ?=??0.466, p?<?0.001)及RPM(ρ?=??0.389, p?=?0.003)呈显著负相关;微状态G的GEV与MMSE呈正相关(ρ?=?0.352, p?=?0.007)。其余微状态类别无显著相关。
讨论与结论翻译
研究结果表明,MCI患者在静息态下表现出微状态B和C贡献增加,这反映了相关神经网络(如视觉网络、默认模式网络及突显网络)的过度活跃或调节失衡。此类动态变化与流体推理及执行控制能力下降密切相关,提示微状态参数可作为早期网络组织异常的敏感指标。微状态A和G的正相关则体现了其代表的健康神经网络功能。研究结果支持网络失连接模型,即MCI阶段存在频繁但不稳定的状态切换,导致认知效率下降。此外,未发现微状态参数与BFRT显著相关,说明此类神经电生理改变更特异地影响高层次的流体推理与动态网络切换能力,而非静态的视觉感知处理。总体而言,EEG微状态分析在捕捉MCI早期神经动力学变化方面具有独特优势,为开发低成本、可重复的认知障碍筛查与风险预测工具提供了重要依据。