《CNS Neuroscience & Therapeutics》：Unveiling the Distinctive Brain Functional Dynamics Between Parkinson's Disease and Progressive Supranuclear Palsy
编辑推荐：
背景：静息态功能磁共振成像（resting-state fMRI, rs-fMRI）的动态分析通过捕获脑网络活动的时间特征，为区分帕金森病（Parkinson's disease, PD）与进行性核上性麻痹（progressive supranuclear p
背景：静息态功能磁共振成像（resting-state fMRI, rs-fMRI）的动态分析通过捕获脑网络活动的时间特征，为区分帕金森病（Parkinson's disease, PD）与进行性核上性麻痹（progressive supranuclear palsy, PSP）提供了一种新方法，并可能揭示非运动症状背后的机制。
目标：使用动态脑指标表征PD和PSP之间脑动力学的差异，评估其探索性判别性能，并调查与非运动症状的关联。
方法：69名健康对照、82例PD患者和29例PSP患者接受了标准化临床评估和rs-fMRI。隐马尔可夫模型（hidden Markov models, HMM）提取了时间特征，包括发生比例（fraction occurrence, FO）、停留时间和转移概率。这些指标用于组间比较、相关分析和机器学习分类。
结果：PD和PSP在单模态网络主导状态的发生比例上表现出相反趋势。与PD和对照组相比，PSP在背侧注意和边缘网络（DAN&LIM）状态中表现出延长停留时间，并增加了背侧注意和额顶控制网络（DAN&FPCN）状态的发生。两组中，单模态状态占据减少与认知下降相关，而在PSP中，DAN&LIM和单模态持续时间的增加与更差的情绪和睡眠障碍相关。使用这些指标的机器学习在区分PD和PSP方面取得了中等准确性。
结论：脑网络动力学的时间特征可能为区分PD和PSP提供候选影像标志物，同时为非运动症状提供机制性见解。然而，其诊断适用性需要在独立的外部多中心队列中进行验证。
**论文解读：帕金森病与进行性核上性麻痹的脑功能动力学差异**
帕金森病（Parkinson's disease, PD）与进行性核上性麻痹（progressive supranuclear palsy, PSP）均为神经退行性疾病，分别以α-突触核蛋白和tau蛋白病理为核心特征。两者在临床上均表现为帕金森综合征，早期症状重叠常导致误诊。传统静息态功能磁共振成像（resting-state functional MRI, rs-fMRI）研究多采用静态功能连接分析，忽略了脑网络活动随时间变化的动态特征。隐马尔可夫模型（hidden Markov models, HMM）等动态分析方法可刻画脑状态的瞬时转换，为鉴别诊断提供新视角。然而，既往研究多单独分析PD或PSP，缺乏在统一框架下直接比较两者脑动态差异的研究。为此，研究人员在首都医科大学宣武医院纳入180名受试者（69名健康对照、82例PD、29例PSP），开展了一项基于HMM的脑动态研究，相关成果发表在《CNS Neuroscience》。
本研究采用的关键技术包括：基于fMRIPrep的rs-fMRI预处理，采用Schaefer400图谱划分全脑网络节点；使用隐马尔可夫模型对BOLD信号时间序列建模，通过期望最大化算法估计参数，并以Viterbi解码获得状态序列；依据失真指数和Davies-Bouldin指数确定最优状态数（16个）；计算各状态的发生比例（fraction occurrence, FO）、平均停留时间和转移概率。统计使用一般线性模型（general linear models, GLMs）与偏相关分析，PSP特异性相关采用bootstrap重采样验证；机器学习采用嵌套分层交叉验证的类加权随机森林，比较动态特征与静态功能连接（functional connectivity, FC）的判别性能。样本均来自宣武医院运动障碍门诊。
结果部分如下：
**Demographic and Clinical Characteristics**：通过标准化临床评估比较三组基线特征。PSP患者年龄显著大于PD和对照组，蒙特利尔认知评估（MoCA）评分更低，且MDS-UPDRS-I/II评分高于PD，提示PSP认知损害和非运动负担更重。
**Characterization of Brain States**：基于HMM识别出16个可重复的功能脑状态，包括默认网络（DMN）、视觉网络（VIS）、躯体运动网络（SMN）等，以及跨网络状态如背侧注意与边缘网络（DAN&LIM）、背侧注意与额顶控制网络（DAN&FPCN）、单模态状态（视觉-躯体运动联合）等。
**Alterations in Modular Brain Dynamics**：组间比较显示，PD患者单模态状态的FO较健康对照降低，而PSP则升高；PSP与PD直接比较时，单模态FO差异显著（β=0.028, pFDR=0.004）。PSP还表现为DAN&FPCN状态FO增加和DAN&LIM状态停留时间延长，但未通过FDR校正，被视为探索性发现。
**Association Between Brain Dynamics and Clinical Measures**：偏相关分析发现，在PD和PSP中，单模态FO与MoCA评分呈正相关（PD: r=0.27; PSP: r=0.57）；PSP中单模态FO还与MDS-UPDRS-I正相关（r=0.44）。PSP中DAN&LIM状态平均停留时间与Epworth嗜睡量表（ESS）评分正相关（r=0.56）。此外，全局同步状态FO与PSP疾病严重程度显著正相关（PSPRS: r=0.758; PSP-CDS: r=0.655）。
**Classification Performance**：机器学习分类中，动态HMM特征取得准确率0.884、AUC 0.908，显著优于静态FC（AUC 0.566）。但PSP敏感性仅0.637，存在类别不平衡。
**Consistency of Functional States**：在不同图谱（Schaefer200/400）和聚类数（k=12–17）下，单模态状态和DAN&LIM状态的空间拓扑稳定。在年龄平衡子集（n=116）中重新拟合HMM后，单模态FO的组间差异仍然显著。
讨论指出，这是首次直接比较PD和PSP的脑动态特征，发现两者在单模态网络状态上呈现相反的动态模式，且与认知、情绪和睡眠等非运动症状相关。动态特征可辅助鉴别诊断，但需要外部多中心队列验证。局限性包括缺乏神经病理学或分子影像确认、药物暴露混杂、年龄不平衡及PSP样本量较小。
结论：PD和PSP在单模态及执行-注意网络表现出相反的动态特征，这些特征与情绪和睡眠障碍相关，动态脑状态指标有望作为辅助鉴别诊断的影像标志物。
