在早期多发性硬化症(MS)中,预后标志物的识别是一个挑战,需要可靠的措施来预测未来疾病的轨迹。理想情况下,这样的措施应该在个体水平上进行推断,以指导临床决策。
本研究探讨了纵向结构网络在预测复发-缓解型MS(RRMS)患者5年扩展残疾状态量表(EDSS)进展中的预后价值。我们假设从MRI衍生的网络测量值优于传统的MRI测量值,在识别有发展残疾进展风险的患者方面。
在磁共振成像在MS(MAGNIMS)网络内的纵向、多中心研究中,包括406名RRMS(复发-缓解型多发性硬化)患者(平均年龄=35.7±9.1岁),随访5年(平均随访=5.0±0.6岁)。EDSS用于跟踪残疾积累。153名健康受试者(平均年龄=35.0±10.1岁)作为对照组,进行了纵向MRI。所有受试者在基线和基线后1年接受了MRI。灰质萎缩和白质病变负荷在1年内确定。从T1加权扫描中重建了单个受试者的脑网络,基于从统计参数映射分割管道衍生的灰质萎缩测量值。计算了关键的拓扑测量值,包括网络度、全局效率和传递性,以量化与EDSS进展相关的网络属性。为灰质萎缩和白质病变负荷以及网络测量值构建了受试者操作特征(ROC)曲线下面积,并进行了ROC曲线比较。
应用的网络分析区分了RRMS患者,他们在5年内经历EDSS进展,通过较低的网络度[H(2)=30.0,P<0.001]和全局效率[H(2)=31.3,P<0.001]值,与健康对照组和无进展患者不同。对于传递性,比较显示组间无差异[H(2)=1.5,P=0.474]。最值得注意的是,网络度和全局效率的变化独立于第一年的疾病活动而被检测到。在没有灰质萎缩的情况下,描述的网络重组在经历EDSS进展的患者中是明显的。网络度和全局效率测量值在ROC分析中优于灰质萎缩和白质病变负荷,预测EDSS恶化(所有P值<0.05)。
我们的发现提供了证据,灰质网络重组在1年内揭示了关于RRMS随后临床恶化的相关信息。早期灰质重组朝着较低的网络效率预测残疾积累,并优于传统的MRI预测因子。本文发表在Brain杂志。
关键词:复发-缓解型多发性硬化症、MS中的EDSS进展、脑网络测量、结构协变、图论
主题:磁共振成像、萎缩、多发性硬化症、复发-缓解型多发性硬化症、大脑、患者预后、残疾、灰质、白质病变
介绍:
多发性硬化症(MS)是一种慢性免疫介导的中枢神经系统疾病,其特征是炎症、脱髓鞘和神经退行性变,这可能导致逐渐加重的残疾。特别是,灰质(GM)萎缩已被认为是与疾病进展相关的重要因素,甚至在疾病的早期阶段。尽管通过MRI检测到的GM萎缩对MS的神经退行性成分敏感,但个体之间的萎缩率存在差异。
最近,复发-缓解型MS(RRMS)中的整体残疾积累在很大程度上归因于一种独立于复发活动的潜在进展性疾病过程。因此,患者在较长时间内可能表现出显著的临床进展率差异,这与复发活动无关。这种情况阻碍了在治疗优化的早期“机会窗口”中检测出残疾加重的患者的能力。因此,需要生物标志物来区分那些将迅速积累残疾的个体和那些将保持稳定的个体。
仅凭萎缩措施无法考虑大脑拓扑组织的变化。表示特定的大脑形态模式的一种方法是将其表示为网络。一般来说,用于研究结构性大脑网络的两种主要MRI技术是3D T1加权和弥散张量成像。而后者评估白质(WM)组织微结构,3D T1加权扫描提供WM和GM的解剖学成像。在结构性GM网络中,可以通过评估结构性特征(例如,皮层厚度或体积)的相似性来跟踪连接性。所得的协方差矩阵可以用图论来描述和量化。在这里,节点代表大脑区域,节点之间的连接称为边,当它们具有结构协方差时。这种分析框架被认为对微妙的结构变化非常敏感,因为GM的微结构损伤遵循特定的拓扑模式。因此,结构协方差网络分析考虑了整个大脑水平的GM完整性的空间复杂性,具有从解剖学MRI协议中衍生的优势,并且可能优于传统的形态测量分析来预测疾病结果。
基于区域间结构相关性分析的MS网络研究表明,大脑回路变得断开和分离,可能与WM病变负荷的程度有关。大多数研究在不同的MS阶段检测到更分离和更集成的结构网络。然而,大多数这些研究仅在群体水平上解决了GM网络,忽略了个体间的变异性,从而限制了它们在单个受试者预测临床过程中的应用。
单个受试者的GM网络分析通过提供个体GM形态的可靠分析框架扩展了群体水平分析,从而提供了与行为或功能的直接可量化的联系。这种方法促进了将MRI衍生的网络特性作为脑部疾病的生物标志物。最近,两项横断面研究应用了这种单个受试者方法,并表明,更随机的拓扑与MS和临床孤立综合征(CIS)中的认知功能障碍有关。最近的工作表明,单个受试者的GM网络可能包含超出传统体积测量的方差的关键信息,并具有很大的潜力来预测个体的临床过程。
在这项研究中,我们提出结构性GM网络可能有助于识别与MS临床恶化相关的个体网络特性。因此,目标是使用单个受试者方法研究GM网络的预后价值,以预测MS的5年残疾进展,以及将网络特性与传统的萎缩测量进行对比。为了测试这一点,我们分析了来自T1加权MRI扫描的个体GM网络,这些扫描来自一个大型多中心工作,包括406名MS患者(随访5年以确定EDSS进展)和153名健康对照(HC),两者都有基线和1年后的纵向3T MRI。
材料和方法
患者和研究设计
本研究按照良好的临床实践和赫尔辛基宣言进行。获得了当地伦理委员会的批准。所有参与者在研究参与之前都给出了书面、知情的同意。七个欧洲MAGNIMS中心之间签署了磁共振成像在多发性硬化症(MAGNIMS)数据共享协议。
在这个多中心、纵向、回顾性研究中,406名CIS和RRMS患者在七个欧洲MAGNIMS中心接受了研究,疾病持续时间少于5年,且在入组前至少30天无复发和无皮质类固醇治疗。患者在基线和1年随访时接受了临床和MRI评估。此外,所有患者在基线后5年接受了长期临床随访。此外,我们还纳入了153名无神经功能障碍史的健康对照(HC),他们也在1年后接受了随访MRI评估。研究时间线和设计的图形表示如图1所示。
图1研究分析设计。研究时间线和设计,包括(1)网络测量组比较;(2)回归分析;和(3)接收者操作特征(ROC)曲线比较。
EDA = 疾病活动证据;EDSS = 扩展残疾状态量表;NEDA = 无疾病活动证据。
临床评估
所有患者在基线接受了MRI和完整的神经系统评估,其中确定了扩展残疾状态量表(EDSS)评分并记录了疾病修饰治疗(DMT)状态。第一次联合临床和MRI随访评估是在患者入组后平均12.5 ± 4.4个月进行的。这个随访包括EDSS评分评估、记录DMT状态和使用复合评分NEDA(“无疾病活动证据”)与EDA(“疾病活动证据”)确定第一年疾病活动的存在或不存在基于既定的NEDA-3标准。在基线后5年(5.0 ± 0.6年)的最终临床随访中,患者接受了临床重新评估,EDSS进展定义为基线评分≥1.5的EDSS评分增加≥1点或基线评分为0的1.5点增加。因此,我们解决了疾病早期阶段的残疾积累,但不是从复发-缓解型到继发性进展型疾病的转变。
数据采集
结构MRI在所有七个参与中心进行了纵向扫描[巴塞罗那和美因茨:Magnetom Trio(西门子);伦敦和波鸿:Achieva(飞利浦);奥斯陆:Magnetom Avanto(西门子);布拉格:Magnetom Skyra(西门子);罗马:Magnetom Avanto(西门子)],在随访调查期间没有对硬件或软件进行重大更改。MRI采集协议包括以下序列,适用于所有患者和HC:高分辨率、各向同性、矢状3D T1加权序列和矢状3D T2加权流体衰减反转恢复(FLAIR)序列(补充表1)。
白质病变负荷估计和病变填充
白质病变负荷是使用基于SPM12的病变分割工具箱(LST)自动计算的。3D FLAIR图像与3D T1加权图像进行配准并进行偏差校正。在进行部分体积估计后,使用20个初始阈值对病变生长算法进行病变分割。通过比较自动估计和手动估计的病变图,确定每个患者的最佳阈值(κ值,取决于图像对比度),并计算所有患者的平均值。随后,对所有患者应用均匀的κ值0.1,用于自动病变体积估计和3D T1加权图像的填充。然后,视觉检查填充的3D T1加权图像的质量。病变填充的T1加权图像用于基于区域灰质特性的计算。
纵向MRI预处理
首先,使用N4算法对图像进行偏差场不均匀性校正。对于所有T1加权解剖MRI扫描,应用成对逆一致对齐,如SPM12软件中实现的那样。最初,使用刚体变换对每个受试者的第一和第二次扫描进行对齐。然后,通过结合偏差场校正执行非线性成对对齐。对齐后的图像被平均以获得受试者内的中点图像。中点图像被变形为第一和第二次扫描,得到编码每个体素之间扫描和中点平均值的相对体积的雅可比图,从而计算出变形速度并通过两次扫描之间的时间间隔(以年为单位)和中心之间可能的采集效果进行归一化。最后,计算初始速度的散度以创建速度场的散度图。在此图中,负值被认为是1年内的体积收缩率。
此外,使用DARTEL将中点配准图像分割为GM、WM和CSF组织区室,并归一化为MNI(蒙特利尔神经学研究所)空间,这是一个快速的微分同胚图像配准算法( DARTEL),可以在保持拓扑的同时最小化受试者之间的解剖学变化。分割基于先验组织模板,旨在更好地勾画亚皮质结构并增强体素基于形态学的灵敏度,同时比标准ICBM(国际脑映射联盟)模板更适合年轻人群。上述散度图进入单受试者GM网络管道(见后文和图2)。
图2方法学管道。用于提取个体灰质网络的通用管道。EDSS = 扩展残疾状态量表。
单受试者灰质网络
在MRI预处理后,使用基于沿大脑生成预定大小的3D立方体的自动方法从GM组织分割中重建单受试者GM网络,这种方法之前已详细描述过。这种区域间协方差方法概念化了不同GM立方体的形态特性如何在单受试者水平上相互关联,并且之前已在MS人群中应用过。简而言之,首先构建网络矩阵,其中网络节点定义为6 mm3体素立方体,网络边定义为立方体对之间的GM协方差(即皮尔逊相关)。为了考虑皮层的自然形状,即折叠和弯曲,并识别最大相关系数,立方体以一定角度相对放置并以45°的倍数旋转。通过将节点定义为立方体,不需要对感兴趣区域做出先验假设,这对全脑连接性分析有利。因此,皮层的折叠结构和局部GM信息都用于评估节点之间的相关性。
为减少假阳性,构建的网络矩阵被二值化。阈值被计算为允许网络完全连接的连接比例,避免评估分散的网络。这确保组间差异不会被单一密度下绝对阈值的不同节点和边数量所混淆。
图2显示了所应用方法的示意概述,该方法完全自动化且由数据驱动。
网络属性测量
使用脑连接工具箱( Brain Connectivity Toolbox)中的函数计算网络指标。对每个单受试者GM网络,计算了表征基本拓扑结构的关键网络指标:"网络度"(中心性)以量化网络中的连接度,"全局效率"作为网络整合度量,以及"传递性"作为网络分离度量。
网络度是中心性的度量,量化网络中节点的连接数或连接程度;因此,代表图连接程度的度量。
全局效率是描述整个网络信息流的网络整合度量。它是网络中所有节点之间最短反向路径长度的平均值。
网络的传递性是网络分离的度量,反映两个区域彼此相邻的概率。传递性基于图中三角形的相对数量与区域连接三元组总数的比较。
最终,得到的网络指标代表个体GM网络在1年内的动态变化。
统计分析
使用Mann–Whitney U检验比较患者和HC之间的连续变量临床和人口统计数据,使用皮尔逊卡方检验比较分类变量(SPSS软件,22.0版;IBM)。除非另有说明,数据以平均值±标准差(SD)表示。
对于患者和HC的所有网络指标(网络度、全局效率和传递性),使用Kolmogorov–Smirnov正态性检验来检查数据是否正态分布。
比较HC、无EDSS进展的MS患者和有EDSS进展的MS患者之间的网络指标。为确定单受试者网络1年变化是否与当前疾病活动而非后续残疾累积相关,我们选择根据疾病活动和EDSS进展将MS患者分为四组:
(i) 第一年NEDA且5年内无EDSS进展(NP)的MS患者(NEDA+NP);
(ii) 第一年EDA但5年内无EDSS进展的MS患者(EDA+NP);
(iii) 第一年NEDA但5年内有EDSS进展(P)的MS患者(NEDA+P);
(iv) 第一年EDA且5年内有EDSS进展的MS患者(EDA+P)。
为比较组间网络指标,我们在非参数Wilcoxon符号秩检验(两组)或Kruskal–Wallis检验(两组以上)中进行统计推断,因为大多数变量不呈正态分布。对Kruskal–Wallis检验结果系列得到的显著性应用Dunn–Bonferroni事后校正进行多重比较。
为检验网络特征与5年期间临床恶化(EDSS恶化)之间的关联,我们进行了线性回归分析,将年龄、性别、病程、初始EDSS状态和DMT状态作为模型中的协变量。
最后,进行了接收者操作特征(ROC)曲线分析,以检验区分有无EDSS进展患者的网络指标的预测能力。因此,使用MedCalc软件(20.211版)计算ROC曲线以确定曲线下面积(AUC)。仅选择先前组间比较中显著不同的网络指标。
第一步,构建网络指标以及GM萎缩和WM病变负荷的AUC,绘制所得灵敏度与相应假阳性率的关系图。计算具有95%置信区间(CI)的AUC和检验AUC = 0.5与AUC ≠ 0.5的P值。
第二步,我们还相互比较AUC,以检验曲线之间差异的统计显著性。P值小于0.05被认为具有统计学意义。
结果
人口统计和临床评估
健康对照(HC)和多发性硬化症(MS)患者的人口统计、临床和MRI数据在表1中进行了总结,包括合并数据以及将MS患者分为有EDSS进展和无EDSS进展后的数据。
表1 MS患者和HC在基线时的人口统计、临床和MRI数据,以及5年随访后将MS患者分为有EDSS进展和无EDSS进展后的数据
CIS = 临床孤立综合征; DMT = 疾病调节治疗; EDA = 疾病活动证据; EDSS = 扩展残疾状态量表; GMV = 灰质体积; HCs = 健康对照; MS = 多发性硬化症; NEDA = 无疾病活动证据; NP = 无(EDSS)进展; P = (EDSS)进展; RRMS = 复发-缓解型多发性硬化症; SD = 标准差; WM LL = 白质病变负荷。
a P值来自皮尔逊卡方检验(性别、疾病过程、NEDA/EDA和DMT)。
b P值来自Mann–Whitney U检验(MRI时的年龄、随访时间、发病年龄、病程、EDSS、WM LL和GMV)。
c 中等效率DMT = 醋酸格拉替雷、干扰素-β、特立氟胺、富马酸二甲酯、硫唑嘌呤。
d 高效率DMT = 芬戈莫德、那他珠单抗、利妥昔单抗、丝裂霉素。
总共406名MS患者(280名女性;平均年龄35.7 ± 9.1岁)和153名HC(96名女性;平均年龄35.0 ± 10.1岁)分别在1年后进行MRI随访,平均随访时间分别为12.5 ± 4.4和12.0 ± 1.2个月(P = 0.563)。MS患者在5年后进行临床(EDSS)重新评估(5.0 ± 0.6年),有EDSS进展(5.0 ± 0.6年)和无EDSS进展(5.0 ± 0.6年)的患者之间随访时间无差异(P = 0.695)。在406名MS患者中,115名(28.3%)在临床随访期间EDSS恶化,而291名(71.7%)无进展。有和无EDSS进展的患者在第一年的疾病活动上存在差异(P < 0.001),但在其他比较中无差异(表1)。
1年内的灰质萎缩和白质病变负荷
在1年的MRI随访中,HC和所有MS患者之间的GM萎缩无显著差异(Z = −1.9,P = 0.055;补充图1B)。然而,HC与有和无EDSS进展的MS患者之间的比较存在显著的组间效应[H(2) = 6.4,P = 0.041;图3B]。事后分析显示,经多重比较调整后,仅HC与有EDSS进展的MS患者之间存在显著差异(P = 0.035)。其他比较均无显著性。根据NEDA/EDA和EDSS进展将患者分为四组后的GM萎缩比较显示各组之间无差异[H(3) = 6.0,P = 0.110;图4B]。
图3 健康对照和5年内有(P)和无(NP)扩展残疾状态量表(EDSS)进展的多发性硬化症患者之间的网络指标。图中显示了(A)网络度和全局效率以及(B)灰质(GM)萎缩的平均值和标准差。*P < 0.05,**P < 0.001,***P < 0.0001。
HC = 健康对照;MS+NP = 无EDSS进展的多发性硬化症患者;MS+P = 有EDSS进展的多发性硬化症患者。
最后,基线时的WM病变负荷在有和无EDSS进展的MS患者之间无差异(Z = −1.2,P = 0.904),在四组MS患者(NEDA/EDA各有和无EDSS进展)之间也无差异[H(3) = 2.9,P = 0.413]。
基于后续EDSS进展状态对1年内灰质网络变化的分类
Wilcoxon符号秩检验表明,与HC相比,MS患者的网络度显著降低(Z = −2.3,P = 0.022;补充图1A)。将MS组分为5年内有和无EDSS进展的患者后,三组之间的网络度存在显著效应[H(2) = 30.0,P < 0.001;图3A]。事后检验显示,有和无EDSS进展的MS患者之间(P < 0.001)以及HC和有EDSS进展的MS患者之间(P < 0.001)存在显著差异,后续有进展的患者值更低。HC和无EDSS进展的MS患者之间无差异(P = 1.0)。有EDSS进展的MS患者网络度较低表明网络整体连接性较差。
与HC相比,MS患者的全局效率较低(Z = −2.3,P = 0.022;补充图1A)。在三组比较中,各组之间存在显著效应[H(2) = 31.3,P < 0.001;图3A]。事后检验显示,有和无EDSS进展的MS患者之间(P < 0.001)以及HC和有EDSS进展的MS患者之间(P < 0.001)存在显著差异。5年内后续有进展的患者观察到较低的值。HC和无EDSS进展的MS患者之间的事后比较无显著性(P = 1.0)。EDSS进展患者的全局效率降低表明GM重组朝向长程连接较少的结构。
对于网络传递性指标,所有MS患者与HC之间的初始比较无显著差异(Z = −0.001,P = 0.999)。同样,HC与有和无EDSS进展的MS患者之间的比较也显示三组之间传递性无显著差异[H(2) = 1.5,P = 0.474]。所有受试者的传递性指标稳定表明邻近区域的同质化得以维持。
基于NEDA/EDA状态和后续EDSS进展的1年内灰质网络变化
为确定单受试者网络1年变化是否与当前疾病活动而非后续残疾累积相关,我们选择根据疾病活动和EDSS进展将MS患者分为四组(见"材料和方法"部分)。
四个分组之间的比较显示,组别对所有网络指标都有显著影响(图4)。
图4 根据第一年疾病活动情况,5年内有(P)和无(NP)扩展残疾状态量表(EDSS)进展的多发性硬化症(MS)患者之间的网络指标。图中显示了(A)网络度和全局效率以及(B)灰质(GM)萎缩的平均值和标准差。
*P < 0.05,**P < 0.001,***P < 0.0001。疾病活动由"无疾病活动证据"概念(NEDA)与"有疾病活动证据"(EDA)定义。NEDA+NP = 第一年NEDA且5年内无EDSS进展的MS患者;EDA+NP = 第一年EDA但5年内无EDSS进展的MS患者;NEDA-P = 第一年NEDA但5年内有EDSS进展的MS患者;EDA+P = 第一年EDA且5年内有EDSS进展的MS患者。
四组之间的网络度测量存在显著差异[H(3) = 29.2,P < 0.001;图4A]。进行事后检验显示,与NEDA+NP (P < 0.001)和EDA+NP (P < 0.001)相比,NEDA+P的值较低。此外,与NEDA+NP (P = 0.005)和EDA+NP (P = 0.002)相比,EDA+P的值较低。调整后其他比较均无显著性。
对于全局效率,四组之间存在显著效应[H(3) = 30.4,P < 0.001;图4A]。事后检验显示,与NEDA+NP (P < 0.001)和EDA+NP (P < 0.001)相比,NEDA+P的全局效率值较低。此外,与NEDA+NP (P = 0.005)和EDA+NP(P = 0.001)相比,EDA+P的值较低。经多重比较调整后,其他比较均无显著性。
对于传递性,我们的结果显示四组之间无显著差异[H(3) = 3.0,P = 0.386]。
1年内灰质网络变化与5年内EDSS变化的关联
随后通过多元线性回归将5年内的EDSS恶化与1年内相应的纵向网络指标(网络度、全局效率和传递性)相关联,并根据年龄、性别、病程、初始EDSS状态和DMT状态进行调整。EDSS变化值越高(更正)表示5年内残疾累积越大。5年内的EDSS恶化与较低的网络度[B = −0.001,标准误(SE) < 0.001,P < 0.001;图5A]和较低的全局效率(B = −10.6,SE = 2.4,P < 0.001;图5A)相关。EDSS恶化与传递性无显著相关(B = 2.7,SE = 3.1,P = 0.370)。
图5 5年内扩展残疾状态量表(EDSS)变化与1年内网络指标和灰质萎缩的关联。
5年内EDSS变化与(A)相应网络指标(网络度和全局效率)和(B)灰质(GM)萎缩的关系,通过多元线性回归调整年龄、性别、病程、初始EDSS状态和疾病调节治疗状态。
1年内纵向灰质网络在预测EDSS进展中的判别能力
最后,进行了整体ROC分析,以确定纵向获得的网络指标在区分5年内有和无EDSS进展的MS患者中的预测判别价值。图6详细展示了结果值,包括AUC、标准误、95% CI和P值。总之,对于网络度(AUC = 0.677,95% CI = 0.626–0.724)和全局效率(AUC = 0.680,95% CI = 0.629–0.727),检验AUC = 0.5与AUC ≠ 0.5的P值小于0.001。相比之下,GM萎缩(AUC = 0.557,95% CI = 0.505–0.608)和WM病变负荷(AUC = 0.504,95% CI = 0.454–0.554)与随机分类器无显著差异(P > 0.05),这意味着这两个标志物没有类别分离能力(表2)。
图6 具有曲线下面积的接收者操作特征(ROC)曲线。网络度和全局效率以及灰质(GM)萎缩和白质(WM)病变负荷的ROC曲线,用于区分5年内有后续扩展残疾状态量表(EDSS)进展和无EDSS进展的多发性硬化症患者。
表2 ROC曲线结果和比较
接收者操作特征(ROC)曲线结果和ROC曲线比较,以评估这些指标中一个优于其他指标的情况。
粗体值表示在P < 0.05水平上具有统计学意义。
AUC = 曲线下面积;CI = 置信区间;GM = 灰质;SE = 标准误;WM = 白质。
最后一步,进行了ROC曲线比较,以检验四条ROC曲线(网络度、全局效率、GM萎缩和WM病变负荷)下面积之间差异的统计学意义。这种AUC差异分析表明,网络度ROC曲线的AUC显著大于GM萎缩(ΔAUC = 0.117,95% CI = 0.024–0.211,P = 0.014)和WM病变负荷(ΔAUC = 0.173,95% CI = 0.081–0.265,P < 0.001)的AUC。此外,全局效率ROC曲线的AUC显著大于GM萎缩(ΔAUC = 0.120,95% CI = 0.027–0.214,P = 0.012)和WM病变负荷(ΔAUC = 0.176,95% CI = 0.083–0.268,P < 0.001)的AUC。这些结果表明,网络度和全局效率在区分有和无EDSS进展的MS患者方面优于GM萎缩和WM病变负荷(表2)。
讨论
我们的研究为5年后经历EDSS进展的早期MS患者的结构网络改变提供了证据。在这里,基于1年GM萎缩测量,从纵向T1加权MRI扫描重建了单个受试者的大脑网络,确定了网络属性并将其与EDSS进展相关联。我们发现,与非进展性MS患者相比,随后出现EDSS进展的MS患者的关键网络属性下降,表现为网络度和全局效率降低,最值得注意的是,这与第一年的疾病活动无关。观察到的网络重组明显超出了常规方法所能检测到的萎缩。最后,个体GM网络指标在识别存在残疾累积风险的MS患者方面甚至优于常规MRI测量。所有计算的网络指标以及经典的GM萎缩,一致地显示对照组和无5年EDSS进展的MS患者之间没有差异。这支持了这样一个前提,即非进展性MS患者1年内的GM病理可能不足以敏感到被检测出来。令人惊讶的是,尽管有和无EDSS进展的患者之间GM萎缩无显著差异,但网络指标在它们之间存在显著差异。因此,我们的发现表明,从个体GM网络分析得出的网络度和全局效率捕获了超出简单GM体积测量的额外信息,而这些隐藏的信息具有临床相关性。
在我们的预测建模方法中,我们通过证明两种网络指标(网络度和全局效率)在区分有EDSS进展和无进展患者方面显著优于常规MRI指标(GM萎缩和WM病变负荷)来补充这一观察。此外,我们旨在阐明1年内疾病活动的存在或缺失是否影响后续5年内有和无EDSS进展患者之间的网络指标。早期工作已经证明,使用1年内NEDA综合评分的疾病活动可能不会影响使用常规组水平方法的GM网络指标。这表明,活动性和稳定性MS患者在皮质内显示类似的改变,这可以通过结构协方差网络捕获。我们的单受试者方法证实,1年内的NEDA状态与1年内的网络指标无关。然而,随后的残疾累积似乎取决于早期网络指标的差异,这在最近的一项大型多中心研究中也显示了与MS相关疲劳的关系。此外,一项纵向网络研究证明了CIS患者向破坏的GM网络重组的变化,突出了早期GM网络变化的临床相关性。
在这里,无EDSS进展的MS患者表现出稳定的GM网络(与HC相比),无论其第一年的疾病活动如何。相比之下,有EDSS进展的MS患者表现出GM网络改变,同样独立于其第一年的疾病活动状态。综合起来,基于EDSS进展而非基于疾病活动的网络重组证据支持这样一种观点,即早期GM重构发生,无论可观察到的疾病活动如何。
我们的发现为神经病理学、常规成像和最近的临床研究中积累的证据提供了大脑网络等效物,这些证据表明MS在所有表型中都存在更隐蔽的结构损害。这将MS视为一种疾病连续体,不仅有与复发相关的恶化,而且在疾病早期就有独立于复发活动的进展。从生物学角度来看,这种早期进行性和神经退行性疾病连续体反映在GM完整性的丧失,因此反映在结构性GM网络的改变上是合理的。在这种背景下,如我们的发现所示,个体GM网络可能作为一种先进的成像标准,标记早期MS中即将出现的残疾累积。这将特别有利,因为由于临床指标固有的精细度和再现性缺乏,在具有复发发作和一般轻度残疾的MS患者中检测EDSS进展具有挑战性。
我们的结果描绘了超出已建立的GM萎缩测量的GM重组。与无EDSS恶化的MS患者相比,经历残疾累积的MS患者的GM网络架构构建得更随机。表示整合受损的全局效率降低表明生物系统的网络组织原则效率降低。这种网络失衡(整合受损和分离保持不变(传递性不变))可能描绘了直接的皮质GM损害或皮质为应对慢性炎症而进行的早期不适应性反应,这两者都可以解释观察到的临床恶化。
在最近的横断面设置中的个体GM网络方法中,更随机的网络组织与MS中认知功能的个体间恶化相关。与此一致,CIS患者在几个皮质区域显示出改变的网络属性,包括与认知相关的区域。在组水平上,一项早期研究显示,MS中WM病变负荷的增加与皮质网络效率的降低相关,证实了WM病变导致轴突横断和随后的逆行变性,最终导致皮质萎缩的假说。在我们的研究中,有和无EDSS进展的患者之间WM病变负荷没有差异。这一观察符合MS中GM完整性丧失可能部分独立于轴突横断(通过病变)的假设,并且存在与其他疾病机制相关的额外原发性神经退行性过程,可能包括脑膜炎症。
最近,在一项死后原位全脑扩散张量成像研究中发现,MRI上的WM网络属性与神经元大小和轴突密度相关,表明宏观尺度网络指标可能揭示MS中的神经轴突变性。考虑到WM和GM衍生网络在MS患者中表现出类似的网络组织,我们的数据表明,早期EDSS进展似乎源于微结构解体的网络,这可能先于后来MRI可检测的GM萎缩。因此,从普遍可用的MRI序列衍生的个体GM网络可能提供敏感和稳健的生物标志物,旨在检测经历残疾累积的MS患者。
局限性:
我们研究的一个可能限制来自于我们独特的设计,即结合1年MRI和5年临床随访数据,因此本质上无法捕捉到可能的后期网络变化(在第2年到第5年之间)。然而,MS中的结构网络在疾病早期就发生变化,甚至在短时间间隔内就发生变化。因此,我们大型队列中的1年MRI随访不太容易受到5年期间可能出现的潜在波动的影响。此外,为了预测临床恶化而在5年内获得的生物标志物在临床上意义较小。另一个考虑因素是,研究基线不一定是所有患者的发病时间。然而,所有纳入的患者在基线时的病程都不超过5年,因此显然处于疾病的早期阶段。这反过来限制了我们结果对其他类型MS的普遍适用性。此外,作为我们的结果测量,EDSS评分在评估上肢功能、疲劳和认知障碍方面存在局限性。然而,尽管存在缺点,它仍然是临床试验和常规临床实践中评估MS进展的最坚实的评分。在这方面,值得注意的是,EDSS进展在5年随访后未得到确认,这可能提供了对不可逆残疾累积的更准确评估。此外,我们没有包括脊髓MRI评估,这可能与大脑损害一样与残疾累积有关。
未来的研究应评估纵向网络属性对其他临床结果的影响,如认知表现和患者报告的结果。最近的证据支持放射学孤立综合征存在网络变化,表明网络改变甚至可以在临床表现前几年就开始。还有一些问题是,复发起病的MS患者在过渡到进行性形式之前,网络是否以及如何变化。目前的证据表明,网络可能在通过效率损失的关键阈值后"崩溃"。此外,几项尝试突出了GM协方差网络与扩散MRI连接以及功能连接的融合,表明GM网络还包含关于相关内在功能活动的信息,以及可能的结构协方差背后的细胞机制,例如突触生理学。因此,结构和功能网络MRI测量的整合可能有助于识别对临床恶化至关重要的特定回路。
结论:
总之,我们的发现表明,1年内的GM网络改变可预测MS的后续临床恶化。个体GM网络对潜在的进行性疾病过程敏感,并且在很大程度上独立于复发活动。早期GM重构朝向效率较低的网络先于EDSS进展,并优于常规MRI预测因子。因此,纵向单受试者网络为追踪MS中的残疾累积提供了有前景的基于MRI的标志物。