小血管病相关脑部变化的全球负担通过MRI预测认知和功能下降

背景和目的:脑小血管病(SVD)表现为一系列局灶性和全局性脑部变化。我们使用磁共振成像(MRI)分割工具量化多种与小血管病相关的脑部变化,并检查其对认知和功能能力的单独和联合预测价值。

   方法:对来自LADIS(Leukoaraiosis and Disability Study)的560名老年人的MRI扫描进行分析,采用自动化的基于图谱和卷积神经网络的分割方法,得出白质高信号(WMH)、腔隙性梗死、扩大的血管周围间隙(EPVS)、慢性皮质梗死及全脑和区域性脑萎缩的体积测量数据。受试者进行了为期3年的年度神经心理学检查和为期7年的日常生活工具性活动(IADL)评估。

      结果:对认知表现和功能结果具有最强预测力的是WMH、灰质和海马体的总体体积(P<0.001,适用于全局认知功能、处理速度、执行功能和记忆,以及P<0.001,适用于不良功能结果)。腔隙性梗死、EPVS(扩大的血管周围间隙)和皮质梗死的体积与部分结果测量显著相关,但其贡献较弱。在多变量线性混合模型中,WMH、腔隙性梗死、灰质和海马体的体积仍然是认知损害的独立预测因素。基于Z分数的这些标志物的联合测量强烈预测了认知和功能结果(P<0.001),甚至超过了单个脑部变化的贡献。

      结论:通过影像分割工具量化的小血管病相关脑部变化的全球负担是长期认知下降和功能障碍的强大预测因素。WMH、腔隙性梗死、灰质和海马体体积的联合测量可以用作与血管性认知障碍相关的影像标志物。本文发表在Stroke杂志。(可添加微信号1996207406318983979082获取原文,另思影提供免费文献下载服务,如需要也可添加此微信号入群,原文也会在群里发布)。

引言

      脑小血管病(SVD)是中风的常见原因,也是血管性认知障碍的主要亚型。SVD的神经影像特征包括小的皮质下梗死、腔隙性梗死、白质高信号(WMH)、扩大的血管周围间隙(EPVS)、微出血和脑萎缩,这些特征与认知表现有不同程度的关联。

      最近,SVD被认为是一种动态的全脑疾病,因为其病变类型具有弥漫性、常见的微血管病理和不同的进展。综合考虑临床随访的全面影像数据可能是表征SVD病程的最佳方法。用于组合MRI发现的视觉评分系统已经引入,以表示SVD和脑血管疾病的总负担。这些量表是务实的,但灵敏度有限。由于SVD累积的脑部变化是一个连续体,值得研究全球病变负荷的连续测量,而不是顺序量表。

      不同类型的小血管病变的计算机生成的MRI分割工具已经可用。脑体积、WMH和梗死受到了最多的关注,而量化腔隙性梗死和EPVS的方法较少。本研究旨在使用MRI量化工具找到主要SVD相关脑部变化的最佳组合。我们检查了WMH、腔隙性梗死、EPVS、慢性皮质梗死以及全脑和区域性脑体积的体积数据,以确定与认知下降最强关联的测量指标。构建了一个代表脑部变化全球负担的联合连续测量,并验证了其对长期认知和功能结果的预测价值。

方法

本研究的相关数据可根据合理要求从通讯作者处获得。

参与者和设计

     数据来自LADIS(Leukoaraiosis and Disability Study)——一项纵向多中心合作研究,调查与年龄相关的WMH在功能残疾中的作用。共招募了639名65至84岁的受试者,参与者来自11个欧洲中心。入选和排除标准详见在线数据补充材料。在基线时,根据修改后的Fazekas量表,受试者被分类为具有轻度至重度WMH。所有受试者在日常生活工具性活动(IADL)中独立或只有轻微损伤。

      在基线(2001-2003年),受试者接受了脑MRI和临床评估,包括标准的神经学检查、功能状态评估和神经心理学检查。在随访中,每年重复进行临床和神经心理学评估,持续3年。基线时有639名受试者进行了临床评估,第一次随访有582名,第二次随访有554名,第三次随访有523名。神经心理学评估的受试者数量分别为638、569、496和468。

      进行了最长达7年的延长随访(2008-2009年),通过电话采访收集代理人/知情者的数据,使用IADL量表,重点关注过去3个月的活动。定义功能独立性转变为残疾为IADL评分从0或1增加到≥2。在随访期间,94名受试者死亡。总的来说,有633名(99%)受试者的功能残疾或死亡结局数据可用。

      各中心的当地伦理委员会批准了该研究。所有参与者均签署了书面知情同意书。

磁共振成像获取

      在各中心按照相同的协议对受试者进行了脑MRI检查。序列包括T1加权的三维磁化准备快速获取梯度回波、T2加权快速自旋回波和液体衰减反转恢复(FLAIR)图像,具体描述见仅在线数据补充材料。

图像分析

白质高信号、腔隙、梗死和血管周围间隙

     WMH、腔隙、EVPS和慢性皮质梗死使用U形卷积神经网络(CNN)进行分割。CNN是深度学习模型,输入大量训练样本并基于训练样本建立模型来预测输出。在本研究中,输入数据是不同的MRI序列(T1/T2/FLAIR),输出数据是ground truth分割。

      本研究中使用的CNN架构是Guerrero等人提出的U形残差网络。简而言之,网络由12层组成,约有100万个参数。它包含8个残差单元、3个反卷积层和一个最终卷积层,输出每个体素的类别概率。

图像分析

       在最初的639名受试者中,由于MRI序列不完整,78例被排除在本研究之外,1例因预处理过程中多模式配准失败而被排除。图像分析方法及其验证结果详见仅在线数据补充资料。图像分析策略的概述见图1,分割结果的示例见图2。评估包括基于STRIVE(神经影像学血管变化报告标准)指南的WMH、腔隙性梗死、EPVS和脑萎缩。慢性皮质梗死也被纳入考虑,作为SVD中偶尔伴随的发现和潜在的临床结局贡献者。然而,由于缺乏敏感性和弥散加权成像数据,微出血和最近的皮质下梗死未被评估。

图片

图1. 图像分析方法流程图(详细描述见仅在线数据补充资料)。3D表示三维;EPVS表示扩大的血管周围间隙;FLAIR表示液体衰减反转恢复;WMH表示白质高信号。

图片

图2. 脑结构、白质高信号(WMH)、腔隙、皮质梗死和扩大的血管周围间隙(EPVS)的分割结果示例。顶部为原始T1/液体衰减反转恢复图像。底部为覆盖在原始图像上的分割结果(以颜色显示)。

       WMH、腔隙、梗死和EPVS使用U形卷积神经网络在液体衰减反转恢复和T2及T1序列上进行分割,如图1所示。分割使用了10倍交叉验证。用于训练的真实分割数据通过手动和半自动方法生成。对卷积神经网络结果进行了自动后处理,利用多图谱分割的空间信息和概率强度图谱的强度信息来去除可能的错误分割。此外,还检查了分割的重叠部分。脑结构的体积通过T1图像使用自动图像量化工具(Combinostics公司,芬兰)测量,脑部分被分割成133个区域,使用多图谱方法。首先,从原始79个手动分割的图谱中选择28个最佳匹配图谱,并将这些选定的图谱非刚性地配准到T1图像。脑分割通过期望最大化算法从28个图谱分割中生成。本次分析包括全脑组织、脑灰质(GM)、白质、叶区和海马体的体积。所有体积使用Buckner等人描述的方法进行颅内体积标准化。

神经心理评估

      LADIS 认知测试电池包括简易精神状态检查量表、血管性痴呆评估量表-认知分量表(VADAS)、Stroop测试和连接点测试。简易精神状态检查量表和VADAS总分用于评估整体认知功能。认知子领域的处理速度、执行功能和记忆通过心理测量学稳健的复合评分进行评估,详见仅在线数据补充资料。

统计分析

      使用线性混合建模(限制最大似然估计,无结构协方差结构)分别调查每个MRI测量在3年随访中的4个认知评分的预测价值,以允许随访数据不完整。在排除多重共线性后,将在主效应和MRI×时间交互(表示随时间变化)方面与认知表现相关性最强并通过家庭式Bonferroni多重比较校正的测量同时输入多变量线性混合模型。具有显著独立贡献的测量值通过平均每个体积测量的标准化Z分数组合成单一的全局SVD相关脑变化评分。最后,使用Cox比例风险模型分析单个和组合的MRI测量在预测不良功能结果方面的显著性。

      所有分析均调整年龄、性别、教育年限和研究中心。通过额外控制高血压和糖尿病以及随访期间的中风事件,重新运行包含多个MRI预测因子的模型。由于所有结果保持不变,这些分析未被报告。对WMH、腔隙、皮质梗死和EPVS体积应用对数变换以解决分布的非正态性。

结果

样本特征

      具有完整MRI分割数据的受试者(n=560)在年龄、性别、教育年限、WMH Fazekas评分或基线简易精神状态检查评分方面与被排除的受试者无显著差异(P>0.05)。样本特征见表1。

表1. 研究样本的特征(n=560)

图片

EPVS表示扩大的血管周围间隙;MMSE表示简易精神状态检查;MRI表示磁共振成像;WMH表示白质高信号区。

*腔隙、皮质梗死和扩大的血管周围间隙的数量是通过自动MRI分割确定的。

      这部分总结了使用高级影像分析工具对小血管病相关脑变化的定量分析方法,并探讨了这些变化在认知和功能衰退预测中的独立和组合预测价值。研究使用了多种MRI序列和先进的神经网络分割方法,结合长达7年的随访数据,验证了这些影像标志物在认知和功能结果中的显著预测能力。

MRI分割结果

       总病变体积和脑结构的MRI分割结果显示在仅在线数据补充资料的表I中,主要MRI预测指标之间的相关性显示在表II中。

各MRI指标与认知的个体关联

      使用线性混合模型研究的3年随访中各个MRI体积与认知评分之间的关联结果显示在表2中。在调整年龄、性别、教育和中心后,所有WMH体积与所有认知评分中的总体表现较差(主效应)和处理速度、执行功能和VADAS总评分的下降率更陡峭(与时间的交互作用)显著相关。总的来说,脑室周围和前部WMH与认知评分的关系比其他白质区域略强,尽管区域之间的差异较小。

表2. 3年随访中磁共振成像指标对认知功能的个体预测值

图片

图片

线性混合模型调整了年龄、性别、教育年限和研究中心的影响。每个单元格的上行:主效应 F(未校正的 P 值)表示体积与所有 4 次评估中的平均认知表现之间的关联。每个单元格的下行:体积×时间交互作用 F(P 值)表示与随访期间认知表现变化的关联。经过家族性错误校正后,多重比较的统计显著性 P 值为 0.002。GM 表示灰质;VADAS 表示血管性痴呆评估量表认知分量表;WMH 表示白质高信号区。

     总腔隙体积和区域腔隙体积预测了处理速度、执行功能和VADAS的整体表现较差,并且独立于混杂因素,处理速度的下降速度更陡。然而,没有任何腔隙体积显著预测记忆领域评分。前部体积对认知的影响比后部区域稍显突出。

      慢性皮质梗死对认知表现的预测价值相对较低。总体和区域梗死体积对处理速度和执行功能的总体水平和变化预测较弱。较高的梗死体积与认知表现的负面主效应相关,但每年随访变化的估计存在差异(数据未显示),且这些关系在多重比较校正后未能保留。

      总EPVS体积与处理速度的整体表现和下降以及记忆和VADAS总评分的下降显著相关。

      总脑体积和区域脑体积显示出与所有认知评分下降的强烈关联。总脑灰质和额叶体积是处理速度和执行功能的最强预测因子,而海马体积最显著地预测了记忆和VADAS总评分。

      基于上述与认知功能的关系(表2),选择并一起输入WMH总量、腔隙、EPVS、大脑灰质和海马体积到一个调整了混杂因素的线性混合模型中。皮质梗死在这一阶段被排除在外,因为它们与认知衰退的关联较弱。如表3所示,WMH总量独立于其他病变类型显著预测了所有4个认知评分。腔隙体积独立预测了执行功能。大脑灰质体积与处理速度相关,而海马体积与VADAS总评分、执行功能和记忆相关(表3)。EPVS对任何认知测量均无独立贡献。

表3. 全局小血管疾病负担的组合模型:磁共振成像预测因子在3年随访期间对整体认知表现的独立显著性

图片

线性混合模型的主效应 F 值(P 值)已调整年龄、性别、教育年限和研究中心的影响。EPVS 表示扩大了的周围血管间隙;GM 表示灰质;VADAS 表示血管性痴呆评估量表-认知分量表;WMH 表示白质高信号区。

小血管疾病相关脑部变化的全局评分作为认知功能的预测指标 

       通过计算在上述多变量模型中显著的标准化MRI测量值(Z分数)的平均值,构建了一个定量的SVD相关脑部变化的全局评分,即WMH总量、腔隙、大脑灰质和海马体积。首先反转了灰质和海马体积的尺度,以使所有变量的较高分数反映较高程度的脑部变化。这个全局评分证明了它与较差的总体表现水平和更陡的认知评分下降率有强烈且一致的关联,超过了单个体积的影响。在与个体分析相同的线性混合模型中,全局评分显著预测了处理速度(主效应F 120.6,P<0.001;与时间的交互作用F 37.3,P<0.001)、执行功能(F 148.3,P<0.001;F 21.5,P<0.001)、记忆(F 54.4,P<0.001;F 7.4,P<0.001)和VADAS总评分(F 101.2,P<0.001;F 5.1,P=0.002,分别)。

MRI测量值与功能结果之间的关联 

      功能结果较差定义为在长达7年的随访期间,受试者转变为残疾或死亡。通过控制混杂因素的个体Cox回归分析发现,较差的结果显著由WMH总量(HR,4.2 [95% CI,2.9–5.9];P<0.001)、腔隙(HR,8.1 [95% CI,3.0–21.7];P<0.001)、大脑灰质(HR,0.990 [95% CI,0.986–0.993];P<0.001)和海马体积(HR,0.57 [95% CI,0.49–0.67];P<0.001)预测,但不由EPVS或皮质梗死体积预测(P>0.05)。在一个包含4个显著MRI测量值的多变量模型中,WMH(HR,2.6 [95% CI,1.7–3.8];P<0.001)、腔隙(HR,3.2 [95% CI,1.1–9.4];P=0.034)和海马体积(HR,0.67 [95% CI,0.55–0.81];P<0.001)仍然是独立的预测因子。最后,SVD相关脑部变化的综合评分与功能结果显著相关,独立于混杂因素(HR,2.7 [95% CI,2.2–3.3];P<0.001)。

讨论 

      迄今为止,还没有统一的程序来评估与脑SVD相关的不同类型的脑部变化。在本研究中,本研究利用卷积神经网络和基于图谱的脑MRI分割方法提供的丰富信息,来描述老年个体中SVD的多种病理变化。确定了与长期认知和功能结果关联最强的体积,并结合核心特征来代表SVD相关脑部变化的全局负担。结果表明,综合测量比单独的测量更能有效地预测认知衰退。

     单独考虑时,WMH和灰质总量与3年随访期间的总体和特定领域的认知表现具有最强的关系。腔隙体积显著与总体认知功能、处理速度和执行功能相关,但与记忆无关。前部区域在预测认知功能方面略优于后部区域,可能反映了额-皮质网络的功能障碍。在区域脑体积中,海马体积也与认知评分有很强的关联,尤其是与总体认知功能和记忆领域。然而,EPVS和慢性皮质梗死体积与认知衰退的关联较弱。在多变量模型中,WMH总量、腔隙、灰质和海马体积在3年随访期间仍然是认知功能的独立预测因子。

      MRI分割体积的个体贡献与早期使用视觉量表或体积测量的研究一致。在LADIS研究中,认知障碍与WMH Fazekas评分和半自动体积测量、腔隙的数量和位置以及全脑和内侧颞叶萎缩的视觉评分有关。其他几项研究也确认了WMH、腔隙和脑萎缩在SVD认知衰退中的决定性作用。然而,尽管EPVS是SVD中常见的影像学发现,但并未始终预测认知衰退。

      选择MRI特征用于全局脑部变化测量是基于体积与多种纵向认知和功能结果之间关联的显著性。由于单个体积与不同结果之间的关系有所不同,所选成分在综合评分中被赋予了相同的权重。重要的是,反映全局和区域灰质体积减少的脑萎缩与血管病变一起被考虑。我们早期的研究揭示了萎缩和血管变化之间对认知衰退的协同作用。在SVD中,WMH和腔隙与灰质萎缩和全脑体积密切相关。特别是,海马和内侧颞叶萎缩与SVD相关,即使在没有阿尔茨海默病病理的情况下也会导致认知障碍。脑萎缩当然不仅与纯SVD相关,因为SVD会促进并发的神经退行性过程。在我们的研究中,海马萎缩背后的机制尚不清楚,因为没有特定的早期阿尔茨海默病并发症的生物标志物。然而,比起在病因学上分离这些过程,它们在预测认知衰退和残疾方面的明显贡献更为重要。

       目前的研究是首次同时分析多种SVD相关脑部变化的自动MRI分割特征的临床意义之一。Staals等人建议的视觉综合评分已被发现与一般认知能力和执行功能的下降相关,但结果并不一致。对于视觉SVD评分,不同的病变类型是通过二分法评分进行评估的。因此,连续的体积测量预计在检测全局脑部变化方面更为敏感。最近,一个计算机生成的全脑萎缩和血管疾病的全局测量被提出,并显示与认知的关系比单独的WMH体积和视觉总SVD评分更强。另一项研究还报告说,与单个测量相比,SVD特征的组合在中风后的认知表现中起到了更大的作用。这些研究受限于相对较小的样本量和简短的认知测量。海马体积以前未包含在全局SVD负担的测量中。

      我们的研究优势包括大规模和特征明确的受试者样本、在病变量化方面达到高精度的新颖图像分析方法以及纵向设计。我们发现使用当前分割方法检测到的脑部变化估计值与手动描绘得到的结果密切吻合。具体而言,WMH体积与作为基准的半自动WMH分析高度一致。腔隙、皮质梗死和EPVS在与专家手动描绘的比较中也达到了良好的准确度。我们应用详细的神经心理评估,产生了心理测量学上可靠的综合指标,用于评估整体认知功能和特定领域的认知功能。这些评估每年重复进行,为期3年,而IADL功能结果的评估延长至7年。这些关联独立于年龄、性别、教育水平、研究中心和主要血管风险因素。

      由于受试者是基于脑成像发现的WMH在临床环境中招募的,该样本代表了具有不同程度SVD的混合人群,但结果不能直接推广到其他老年人群。由于缺乏磁敏感加权MRI序列,我们无法在分析中包括脑微出血,尽管它们被认为是典型SVD神经影像学特征的一部分,并被确定为认知功能障碍的风险因素。我们也无法区分近期的皮质下梗死或脑微梗死。尽管本研究提供了迄今为止对多种成像特征的最广泛的量化方法之一,但该方法仍不全面,呼吁进一步的研究。

       本研究中使用的成像数据相对异质,代表了图像质量在临床上的正常变异。一些图像的对比度相当低,T2和液体衰减反转恢复序列的切片厚度为5 mm(T1为1 mm)。因此,最小的EPVS和腔隙不清晰。腔隙和EPVS在T1图像中常常具有相似的外观,这可能导致分割混淆。由于LADIS样本是基于与年龄相关的WMH招募的,皮质梗死病例数量相对较少(共73例梗死),卷积神经网络的训练集仍然有限。使用高分辨率和高质量的成像数据以及更大的训练集将提高分割精度。需要进一步的研究利用先进的成像技术来确认这些病变类型对认知衰退的预测价值。

      各种自动图像量化工具正逐渐成为临床实践的一部分。尽管有望使图像解释更加客观和一致,但用户也应了解这些工具的局限性。需要视觉检查以验证结果,以便在解释中考虑可能的错误。在本研究中,颅内体积的归一化是基于与参考模板的配准间接完成的,与实际颅内体积归一化相比,这可能引入偏差。

      本研究的另一个局限性是随访神经心理数据可能存在的流失偏差,因为认知衰退较严重的受试者更可能退出。线性混合模型被用作统计方法,以允许不完整的观察并在纵向设置中利用所有可用数据。

结论

     通过一种能够识别多种类型脑SVD和脑萎缩成像特征的稳健MRI分割方法,我们显示WMH、腔隙、大脑灰质和海马体积对老年人认知和功能结果具有最大的独立预测价值,随访时间长达7年。上述4种成像结果的综合连续测量在认知衰退的预测中表现出极高的预测性,超过了单个脑血管病标志物的贡献。SVD相关脑部变化的全局量化提供了一种与血管性认知障碍相关的综合神经影像学指标,可能比单一MRI发现更有效,更适合作为干预研究的替代指标。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值