《NeuroToxicology》：Abnormal Spontaneous Brain Activity in Occupational Chronic Benzene Poisoning: A Resting-State fMRI Study with Machine Learning
编辑推荐：
•静息态功能性磁共振成像（rs-fMRI）显示长期慢性苯暴露患者的自发性脑活动异常。•在苯暴露工人中，右楔前叶在多项脑活动测量中表现出一致的变化。•关键脑区域活动的变化可能与焦虑、抑郁和睡眠问题有关。•结合rs-fMRI特征显示了初步的样本内区分能力。引言长期慢性苯暴露（OCBP
- •
静息态功能性磁共振成像（rs-fMRI）显示长期慢性苯暴露患者的自发性脑活动异常。
- •
在苯暴露工人中，右楔前叶在多项脑活动测量中表现出一致的变化。
- •
关键脑区域活动的变化可能与焦虑、抑郁和睡眠问题有关。
- •
结合rs-fMRI特征显示了初步的样本内区分能力。
引言
长期慢性苯暴露（OCBP）是一种由长期职业性接触苯引起的全身性职业病。以往的研究主要关注苯的血液毒性和致癌作用，特别是其与再生障碍性贫血和白血病的发展之间的关系。然而，作为一种高度亲脂的有机溶剂，苯可以穿越血脑屏障并作用于中枢神经系统，从而产生潜在的神经毒性效应（White和Proctor，1997年）。越来越多的动物实验和流行病学研究表明，长期接触苯或有机溶剂可能导致认知衰退、注意力减退和神经行为异常，并可能伴有中枢神经系统功能的持久变化（McKee等人，2010年）。最近的大规模人群研究进一步表明，长期环境苯暴露与痴呆、焦虑和抑郁等脑部疾病的风险增加有关（Li等人，2024年）。目前，关于苯暴露对脑功能影响的影像学研究仍然非常有限。只有少数研究主要集中在结构磁共振成像（MRI）或功能连接性上，这些研究表明有机溶剂和空气污染可能影响前额叶皮层、边缘系统和默认模式网络等关键脑区域的功能（Chu等人，2019年；Gawryluk等人，2023年；Zhan等人，2023年）。
静息态功能性磁共振成像（rs-fMRI）作为一种无创的功能性成像技术，在研究神经系统疾病背后的神经机制方面显示出巨大潜力，并近年来被广泛应用于神经毒性和精神障碍的研究中（Biswal，2012年）。通过检测血氧水平依赖（BOLD）信号中的低频振荡（通常为0.01–0.08 Hz），该技术反映了大脑在休息状态下的内在神经活动及其功能组织特性。研究表明，这些低频振荡与神经元活动密切相关，是理解大脑功能整合和分离的关键基础（Fox和Raichle，2007年；Liu和Falahpour，2020年）。
在rs-fMRI分析框架中，低频波动幅度（ALFF）、低频波动分数幅度（fALFF）和区域同质性（ReHo）是评估局部自发性脑活动的经典指标。ALFF通过计算特定频率带内BOLD信号功率谱的幅度来反映局部脑区域的自发性神经活动强度，被认为是评估基线脑活动的关键指标（Yu-Feng等人，2007年；Zou等人，2008年）。fALFF通过在全频段进行归一化，有效减少了生理噪声的干扰并提高了信号特异性（Zou等人，2008年）。同时，区域同质性（ReHo）基于肯德尔一致性系数，反映了给定体素的時間序列与其邻近体素之间的同步性，用于评估局部脑区域神经活动的协调程度（Zang等人，2004年）。这些指标从活动强度和局部同步性的双重维度提供了对脑功能状态的互补描述，并在包括精神分裂症、抑郁和毒性脑损伤在内的多种条件下表现出良好的灵敏度和稳定性（Fascher等人，2024年；Li等人，2023年）。
近年来，随着人工智能技术的进步，机器学习方法逐渐被引入神经影像学研究领域，为疾病的个性化识别和潜在影像生物标志物的探索提供了新的研究方法。与传统仅关注群体水平差异的组间统计分析相比，与MRI相关的机器学习技术提供了一种系统的方法来分析高维数据，从而提高了疾病检测和诊断的灵敏度和特异性（Peltier等人，2009年；Resen等人，2026年）。在这些方法中，支持向量机（SVM）在rs-fMRI研究中的疾病分类分析中得到了广泛应用，因为它们在高维、小样本数据集中的泛化性能优异（Klement等人，2013年）。现有研究表明，使用多个指标构建的SVM模型在轻度认知障碍、精神分裂症和癫痫等情况下可以实现高分类准确性，这表明局部脑功能异常对疾病识别具有潜在价值（Cattarinussi等人，2024年；Long等人，2016年）。值得注意的是，多模态神经影像特征可以从不同维度反映脑功能状态。因此，单一指标可能难以全面揭示与疾病相关的脑功能异常，而多个指标的结合分析有助于更全面地描述脑功能变化的模式。研究发现，融合多种神经影像特征构建的SVM模型比基于单一影像指标的模型具有更高的分类准确性，这表明整合多维脑功能信息可以有效增强疾病识别能力（Lv等人，2025年）。
基于此，本研究采用了rs-fMRI技术，结合了三种局部脑功能分析指标——ALFF、fALFF和ReHo——对OCBP患者的异常局部自发性脑活动进行了系统分析。此外，通过将LASSO特征选择与SVM分类模型相结合，该研究比较了不同指标和多指标组合模型的分类性能，并探讨了所识别的区域rs-fMRI特征是否包含与OCBP状态相关的区分信息，并在探索性分类框架内检查了各个特征的相对贡献。
章节摘录
研究对象
随着国家对含苯材料使用规定的不断加强，慢性苯中毒的病例数量显著减少，这使得患者招募变得困难（Zhang等人，2025年）。本研究包括了2022年至2025年间在我们医院职业病科被诊断为OCBP的患者。所有患者均符合GBZ68-2022《诊断》中规定的慢性苯中毒诊断标准。
人口统计学和临床数据
两组在年龄、性别、教育年限、平均FD或MoCA得分方面没有统计学上的显著差异（所有p > 0.05）。然而，HAMA、HAMD、PSQI和MMSE得分存在显著差异（p < 0.05），如表1所示。患者组的职业暴露和临床特征见补充表1。
异常脑区域
图1和表2显示了OCBP患者与健康对照组（HCs）之间的双样本t检验结果
讨论
本研究利用rs-fMRI技术对OCBP患者的异常自发性脑活动进行了系统研究，并进一步结合了机器学习方法来评估这些特定脑区域的诊断价值。结果揭示了OCBP患者的广泛功能异常，主要涉及根据图谱注释划分的DMN（默认模式网络）、ECN（执行控制网络）、SN（悲伤网络）和边缘系统相关区域。其中，右楔前叶表现出...
资助支持
本研究部分得到了山东省医疗卫生科技项目（202409040614）的支持。
CRediT作者贡献声明
Liping Wang：验证工作。Zhiyu Liu：撰写 – 审稿与编辑。Xintong Ran：撰写 – 初始草稿、软件开发、概念构建。Minghui Lv：可视化。Aijie Wang：项目管理、资金筹集。Xiaohui Xing：撰写 – 审稿与编辑。Wei Zhang：监督。
利益冲突声明
作者声明以下可能的财务利益/个人关系可能被视为潜在的利益冲突：Aijie Wang报告称获得了山东省医疗卫生科技项目的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文所述的工作。
Xintong Ran | Minghui Lv | Liping Wang | Zhiyu Liu | Xiaohui Xing | Wei Zhang | Aijie Wang
