多层级结构-功能耦合揭示了发作性运动诱发性肌张力障碍缓解的网络特征

《Movement Disorders》：Multilevel Structure–Function Coupling Reveals Network Signatures of Remission in Paroxysmal Kinesigenic Dyskinesia

　　本文探讨了发作性运动诱发性肌张力障碍（PKD）的结构-功能耦合特征及其与疾病缓解的关联。研究背景指出，PKD可导致由运动触发的短暂强直性或舞蹈性发作，严重影响日常生活；尽管多数患者最终可自行缓解，但改善的时间和速率在不同个体间差异显著，且目前尚缺乏预测性生物标志物。已有证据表明，PKD反映的是弥散性网络功能障碍。研究目的是通过结构-功能耦合（结构连接-功能连接，SC-FC）评估结构性布线如何支持或限制这些功能障碍。方法上，研究人员对95例PKD患者和44例健康对照者（HC）进行了扩散峰度成像和静息态功能磁共振成像（fMRI）检查，并在节点水平、网络内水平和网络间水平量化了SC-FC耦合。患者被分为缓解组和非缓解组，基于多水平SC-FC特征训练机器学习分类器，用于区分PKD患者与健康对照者以及预测缓解状态。此外，采用Spearman相关性分析评估SC-FC特征与病程之间的关联。结果表明，PKD患者表现出广泛的SC-FC耦合异常，与弥散性而非局灶性网络功能障碍相符。缓解组与非缓解组表现出不同的SC-FC特征，主要集中在小脑系统、体感运动系统和默认模式网络。机器学习分类器能够区分PKD患者与健康对照者（受试者工作特征曲线下面积AUC=0.91）以及缓解患者与非缓解患者（AUC=0.95）。小脑-默认模式网络耦合是区分能力最强的特征，并与病程呈正相关（Spearman r=0.26，P=0.031，经验误发现率校正）。结论指出，多水平SC-FC耦合分析揭示了PKD的系统性异常，并提示耦合模式的部分正常化伴随缓解出现。小脑-默认模式网络耦合可作为缓解状态和疾病进展的敏感影像学生物标志物，表明基于耦合的指标是预测PKD病程的候选指标。数据可用性声明：研究数据不予共享。? 2026 国际帕金森病和运动障碍学会。