《Frontiers in Neuroscience》：Brain protein burden is related to intravoxel incoherent motion: PET-MR imaging study
编辑推荐：
摘要：引言：脑蛋白清除机制的功能障碍被认为是许多神经退行性疾病的诱因，然而，在人体中非侵入性评估这些机制仍具挑战。本研究首次探讨体素内不相干运动（IVIM）扩散MRI指标（水扩散和流体动力学的测量）是否与老龄化个体的病理性蛋白积累和认知功能相关，从而是否可作为
摘要：引言：脑蛋白清除机制的功能障碍被认为是许多神经退行性疾病的诱因，然而，在人体中非侵入性评估这些机制仍具挑战。本研究首次探讨体素内不相干运动（IVIM）扩散MRI指标（水扩散和流体动力学的测量）是否与老龄化个体的病理性蛋白积累和认知功能相关，从而是否可作为脑废物清除功能的替代指标。方法：研究人员分析了94名参与者（其中45名β-淀粉样蛋白阳性）的数据，这些人接受了同步PET/MRI扫描，以计算98个感兴趣区域内三个关键IVIM指标：D（真实扩散系数）、D*（反映灌注的假扩散系数）和f（灌注分数）。训练了一个机器学习模型以识别预测β-淀粉样蛋白（Aβ）状态时信息量最大的IVIM特征。随后评估所选特征与蛋白负荷（Aβ和tau）以及认知表现的相关性。结果：该模型识别出25个关键特征子集，能有效预测Aβ状态，在未见数据上达到80.0%的预测准确率。具有重要IVIM特征的区域与先前识别的Aβ受影响区域一致，并显示出与Aβ负荷（r = 0.53，p < 0.0001）和tau负荷（r = 0.61，p < 0.0001）的显著相关性。IVIM特征与认知下降之间存在显著负相关（r = ?0.60，p < 0.0001）。按Aβ状态分层后，该相关性仅在Aβ阳性组中显著（r = ?0.61，p < 0.0001），在Aβ阴性组中不显著。结论：IVIM衍生的指标（D、D*和f）测量脑内水扩散和灌注动力学，可能作为老龄化人类大脑中蛋白积累及相关认知下降的有价值的非侵入性生物标志物。
**论文解读文章**
**研究背景与问题**
神经退行性疾病（如阿尔茨海默病）的核心病理特征包括β-淀粉样蛋白（Aβ）斑块、tau蛋白神经原纤维缠结以及α-突触核蛋白（α-syn）聚集物的异常积累。研究人员认为，脑蛋白清除机制的功能障碍是导致这些蛋白异常积累的重要因素之一。然而，目前缺乏非侵入性评估人类活体脑内废物清除系统的手段。近年来，扩散磁共振成像（MRI）技术的进展，特别是体素内不相干运动（IVIM）建模，为评估脑内类淋巴流动提供了潜在可能。IVIM是一种先进的MRI技术，能够同时评估生物组织（包括脑组织）中的灌注和扩散，无需外源性对比剂。它通过使用多个b值（0至1000 s/mm2）的扩散加权成像（DWI）序列，捕捉与灌注和扩散过程相对应的信号变化。IVIM模型采用三个关键参数：真实扩散系数（D）、假扩散系数（D*）和灌注分数（f）。D反映水分子在组织内的真实扩散，可作为微结构完整性和细胞环境的指标；D*反映微血管内水分子不相干运动以及间质液（ISF）和脑脊液（CSF）的快速扩散；f估计体素内不相干运动相对于真实扩散的分数，对理解脑内流体动力学效率至关重要。尽管已有研究尝试将IVIM指标与类淋巴功能联系起来，但主要依赖于间接概念模型（如扩大的血管周围间隙和白质高信号），目前缺乏直接建立IVIM指标与蛋白积累之间关系的研究。为此，研究人员开展了一项新颖的研究，使用同步获取的正电子发射断层扫描（PET）和MRI扫描，评估IVIM指标是否与Aβ和tau积累相关。研究假设IVIM指标将与PET测量的蛋白积累相关，并进一步检验IVIM指标与参与者认知功能的相关性，以确定这些发现的临床意义。
**研究方法**
该研究纳入94名参与者（来自斯坦福阿尔茨海默病研究中心ADRC影像核心评价，时间为2023年6月至2024年11月），包括神经学正常老年人和临床诊断为阿尔茨海默病（AD）或路易体病（LBD）的患者。所有参与者均接受了同步PET/MRI扫描。主要关键技术方法包括：（1）IVIM模型拟合：使用基于IVIM双指数原理的IAR_LU_biexp拟合模型，计算三个关键IVIM指标（D、D*、f）；（2）特征提取：基于T1加权图像，使用深度学习算法SynthSeg将大脑分割为98个感兴趣区域（ROI，包括68个皮层和30个皮层下区域），计算每个ROI的平均IVIM指标值，每位参与者共获得294个特征；（3）随机森林特征选择：以二元Aβ状态（阳性/阴性）为目标变量，在留一法交叉验证框架内训练随机森林分类器，估计特征重要性，并通过基于准确率的评估选择最优特征子集；（4）无监督聚类：对所选特征进行主成分分析（PCA）和t分布随机邻域嵌入（t-SNE）降维，评估IVIM特征对临床类别的自然区分能力；（5）相关性分析：将降维后的IVIM特征（前三个主成分）与PET衍生的连续蛋白负荷（Aβ负荷以centiloid单位表示，tau负荷以体积加权平均SUVR表示）以及认知表现（蒙特利尔认知评估MoCA总分）进行线性模型和偏相关分析。Aβ状态通过18个centiloid的截断值确定，tau状态则基于预定义meta-ROI的SUVR。
**研究结果**
**3.1 特征选择**：随机森林分类器对全部294个IVIM特征按重要性排序，通过交叉验证评估，选出25个关键特征，在训练集（5折交叉验证）中达到79.7%的准确率，在独立验证集（10%未见数据）上达到80.0%的预测准确率。所选特征包括所有三个IVIM指标，其中D和f最为突出。这些重要特征对应的脑区主要位于顶叶区域（见图3），与Aβ在阿尔茨海默病中传统受累区域一致。
**3.2 无监督聚类与临床类别对齐**：基于25个选定特征进行t-SNE降维后，数据呈现两个主要聚类：一个较小紧凑的聚类和一个较大聚类。K-means聚类（k=2）得到两个定义明确的聚类，轮廓系数为0.4。将临床诊断叠加显示：认知正常个体有83%集中于较大聚类，而轻度认知障碍（MCI）和痴呆参与者分布较为分散。值得注意的是，三个“其他”认知病因（创伤性脑损伤、酒精中毒、双相情感障碍和抑郁症）的参与者均聚集在较小聚类中。
**3.3 IVIM与PET（Aβ和tau）的比较及其与认知的关联**：对25个选定特征进行PCA分析，前三个主成分累计解释71%的方差（PC1: 34%，PC2: 28%，PC3: 9%）。PC1主要由来自顶叶联合皮质（顶上小叶、顶下小叶、楔前叶）的灌注分数f主导；PC2主要由来自后部和颞叶区域（楔前叶、顶上/顶下皮质、梭状回、多个颞叶区域）的真实扩散系数D主导；PC3显示来自分散的皮层下和皮层区域的D*和f的混合贡献。相关性分析显示：仅PC2与Aβ负荷（r=0.53，p<0.0001）和tau负荷（r=0.61，p<0.0001）显著相关，且在控制年龄和性别后仍显著（偏r分别为0.52和0.64，均p<0.0001）。PC1和PC3与蛋白负荷无显著关联。认知相关性分析显示：PC2与MoCA总分在合并Aβ组中呈显著负相关（r=?0.60，p<0.0001），控制年龄和性别后仍显著（r=?0.59，p<0.0001）。按Aβ状态分层后，该相关仅在Aβ阳性组中显著（r=?0.61，p<0.0001），在Aβ阴性组中不显著（r=?0.22，p=0.136）。
**讨论与结论**
讨论部分总结了本研究的核心发现：通过随机森林特征选择识别出25个关键IVIM特征，能以80.0%的准确率预测Aβ状态；这些特征的主成分2（PC2）同时与Aβ负荷和tau负荷显著相关，且与认知下降（尤其仅在Aβ阳性个体中）显著相关。这提供了IVIM指标与神经退行性疾病相关病理性蛋白积累之间存在关联的首个经验证据。研究指出，IVIM特征的空间分布（顶叶区域）与阿尔茨海默病中Aβ的传统受累区域一致，增强了发现的生物学合理性。PC2（由真实扩散系数D主导）与蛋白负荷的梯度性相关可能反映脆弱脑区（楔前叶、顶叶、颞叶皮质）的微结构变化与蛋白积累之间的特定生物学关系。而PC1（由灌注分数f主导）虽然被分类器选中，但与蛋白负荷不具有线性关系，可能反映二元状态差异而非疾病严重程度的梯度变化。研究还强调了该方法学的贡献：比较了“先拟合后平均”和“先平均后拟合”两种IVIM处理策略，并选择了更可靠的前者。结论部分翻译如下：总之，该研究强调了IVIM分析中的方法学考量，并将IVIM作为研究神经退行性疾病中蛋白积累的一种测量手段。先进成像技术（如同步PET-MR扫描）的整合为阐明连接病理性蛋白积累与认知障碍的某些机制提供了独特机会，为未来旨在开发靶向治疗策略的研究铺平了道路。论文发表在《Frontiers in Neuroscience》。
