连接青少年期白质与数学的微结构特征

《ASN Neuro》：Microstructural Features Linking White Matter and Mathematics in Adolescence

　　

数学是一项复杂的技能，需要由白质束连接的分布灰质脑区的协调。扩散张量成像（DTI）研究揭示了支持数学处理的白质束网络，但驱动这种关系的特定微结构特征仍不清楚。其他磁共振成像（MRI）方法——神经突定向分散和密度成像（NODDI）、非均匀磁化转移（ihMT）、多分量驱动平衡单脉冲观察T1和T2（mcDESPOT）和g-ratio成像——可以比DTI更具体地探测微结构特征，如轴突堆积、纤维定向和髓鞘。研究人员将这些方法与DTI一起应用于一个纵向队列的33名6–16岁儿童（共66个数据集），以评估白质微结构与数学之间的联系。在控制年龄和性别的情况下，计算了左侧上纵束、下纵束、皮质脊髓束和胼胝体压部中白质微结构指标与数学技能之间的偏相关。横断面分析显示，皮质脊髓束和上纵束的纤维一致性（ODI）与数学表现相关。纵向分析显示，轴突堆积和髓鞘标志物的变化与数学技能和流畅性的变化以区域特异性方式相关，其中与髓鞘敏感指标的联系最为普遍。值得注意的是，髓鞘的减少与数学能力的提高随时间相关，表明数学网络的持续优化。此处呈现的结果未通过多重比较校正，但为未来在更大样本中详细阐述这些关联提供了见解。

**论文解读：白质微结构特征连接青少年期白质与数学能力**

**研究背景与问题**
数学是儿童发展中最关键的技能之一，与职业成功、问题解决和决策能力密切相关。数学处理需要注意、感觉整合、工作记忆、计划、流畅性以及算术计算等功能的协同，涉及广泛的、通常左侧偏侧化的灰质网络，包括梭状回、额下回、扣带回、顶上/顶下区域、岛叶、小脑和视觉皮层。这些分散区域之间的白质束连接是实现快速通信和协调的基础。扩散张量成像（DTI）研究已揭示支持数学处理的白质纤维网络，包括后部胼胝体、上纵束（SLF）、下纵束（ILF）和皮质脊髓束（CST），且左侧半球结构常与数学表现有更强关联。这些研究通常发现，数学处理任务得分较高的个体，其相关白质束的部分各向异性（FA）较高、平均扩散率（MD）较低。然而，DTI指标（FA和MD）对白质解剖的多种方面敏感，无法确定驱动发育或与数学技能关联的特定微结构特征。此外，关于白质发育随时间变化与数学能力之间关系的研究仍有限。为此，研究人员采用更具微结构特异性的磁共振成像（MRI）方法——神经突定向分散和密度成像（NODDI）、非均匀磁化转移（ihMT）、多分量驱动平衡单脉冲观察T1和T2（mcDESPOT）以及g-ratio成像——结合DTI，在纵向样本中识别驱动白质发育与数学处理之间关系的微结构特征。

**研究内容与意义**
研究人员在纵向队列（33名6–16岁儿童，共66个数据集）中，同时应用DTI、NODDI、ihMT、mcDESPOT和g-ratio成像，评估白质微结构与数学能力之间的横断面和纵向关联。研究聚焦于此前与数学相关的主要白质束：胼胝体压部、左侧SLF、左侧ILF和左侧CST。结果发现，横断面上，纤维一致性（ODI）与数学表现相关；纵向上，轴突堆积和髓鞘标志物的变化与数学技能和流畅性的变化以区域特异性方式相关。值得注意的是，髓鞘敏感指标（如髓鞘体积分数VFm）的减少与数学能力的提高相关，提示数学网络的持续优化。该研究发表在《ASN Neuro》，首次提供了更具体的微结构证据，为理解白质支持数学处理的机制奠定了基础，但结果未通过多重比较校正，需在更大样本中验证。

**主要技术方法**
研究人员从加拿大卡尔加里大学招募33名参与者（6–16岁，16女/17男），进行基线及两年后两次MRI扫描和认知评估。MRI扫描采用GE 3T系统，采集DTI（b=900和2000 s/mm2）、ihMT（3D SPGR序列）、mcDESPOT（多翻转角SPGR和bSSFP序列）及T1加权解剖像。图像处理分别使用ExploreDTI、NODDI工具箱（http://www.nitrc.org/projects/noddi_toolbox）、ANTs等工具，计算FA、MD、神经突密度指数（NDI）、定向分散指数（ODI）、定量ihMT（qihMT）、髓鞘体积分数（VFm）和g-ratio。通过半自动纤维束追踪分割左侧SLF、ILF、CST和胼胝体压部。数学能力评估采用韦氏个体成就测验第三版加拿大版（WIAT-III CDN），计算数学综合分数和数学流畅性综合分数。统计分析使用偏相关，控制年龄和性别。

**研究结果**
**描述性统计与正态性**：所有参与者成功分割白质束，排除异常值后，各指标均值和标准差在表1中呈现。数学分数均值在表2中。

**成像指标与标准化综合分数的偏相关**：
- **横断面分析**：在SLF和CST中，ODI与数学综合分数显著负相关（SLF: r=-0.438, p=0.028; CST: r=-0.464, p=0.017），表明纤维一致性越高，数学表现越好。其他指标无显著横断面关联。
- **纵向分析**：
- 数学综合分数：CST中MD变化与数学变化负相关（ρ=-0.407, p=0.039）；SLF中NDI变化与数学变化正相关（r=0.411, p=0.041）；压部中VFm变化（ρ=-0.635, p=0.020）和g-ratio变化（ρ=-0.613, p=0.026）与数学变化负相关。
- 数学流畅性：CST中g-ratio变化正相关（r=0.550, p=0.042）；ILF中MD变化负相关（r=-0.415, p=0.035）、VFm变化负相关（ρ=-0.539, p=0.047）、g-ratio变化正相关（r=0.641, p=0.013）；压部中VFm变化负相关（ρ=-0.646, p=0.017）、g-ratio变化正相关（ρ=0.635, p=0.020）。
所有结果未通过FDR多重比较校正。

**讨论与结论总结**
讨论部分指出，横断面关联表明纤维一致性（ODI）可能是数学能力的稳定特质标记，而纵向关联则显示髓鞘和轴突堆积的变化反映了数学技能的持续塑性。值得注意的是，髓鞘的减少（VFm降低）和g-ratio的增加与数学进步相关，这可能反映了短程连接的去髓鞘化或轴突直径增大，从而优化同步输入。相反，FA未发现显著关联，可能是因为其广谱敏感性掩盖了特定微结构效应。研究局限性包括样本量较小、仅两个时间点以及测量误差，未来需更大样本和更多时间点验证。结论部分翻译如下：
**结论**：总之，研究人员应用比FA和MD更具体的白质微结构测量方法，揭示了青少年晚期和儿童期数学表现中稳定的个体间差异和持续变化的标志。纤维一致性与数学的横断面差异相关，而轴突堆积和髓鞘的变化与数学和数学流畅性的持续变化相关。这些关联在数学相关白质束中呈区域特异性，凸显了数学处理的异质性。此处观察到的相关性均为中等至强效应，且达到较高统计功效，但解释时需考虑样本量。此外，未发现FA与数学技能之间的关系，强调了微结构敏感指标在检测青少年期可能被广谱指标遗漏的微妙关系方面的优势。