PNAS：横断面和纵向绘制人类脑图

在年龄不同的大型队列中获得的大脑扫描促进了最近在建立规范的大脑衰老图表方面的进展。在这里，我们提出了一个关键的问题，即与年龄相关的大脑轨迹的横截面估计是否与直接从纵向数据测量的结果相似。我们表明，从横切面绘制的脑图中推断出的与年龄相关的大脑变化可能大大低估了纵向测量的实际变化。我们进一步发现，个体之间的大脑衰老轨迹差异显著，很难用横断面估计人口水平的年龄趋势来预测。预测误差与神经影像学混淆和生活方式因素有一定关系。我们的发现为纵向测量在确定大脑发育和衰老轨迹中的重要性提供了明确的证据。

理解大脑老化是神经科学的一个基本挑战。共享神经成像数据集的意愿日益增强，以及大规模生物银行计划的成果，促进了世界上第一个跨越整个人类生命周期的规范大脑参考图表的绘制。由于获取前瞻性数据的时间和成本，大脑衰老轨迹通常是从横断面分析中推断出来的，采用年龄作为时间的代理。伪纵向设计。虽然横截面设计提供了强有力的和年龄不同的见解，但对年龄相关变化的估计可能与观察到的纵向变化不同。

脑图显示了大尺度大脑衰老的时间模式，这与微环路的发育和衰退时间大致一致。例如，衰老大脑中灰质的体积减少与突触萎缩和树突退化相吻合。然而，从同一个体在多个时间点绘制的纵向脑表型轨迹显示，在局部发展和成熟度峰值估计方面，与年龄相关的趋势存在差异。这些差异可能会让人怀疑年龄相关横截面趋势的有效性，并削弱其在临床人群、亚型和生物学分类中表征偏差模式的潜力。在同一个体中进行直接比较可能有助于澄清年龄相关脑轨迹的横截面估计是否与直接从纵向数据中测量的结果相似。

横断面规范模型提出的另一个主要挑战是区分与年龄相关的变异性和与年龄无关的变化决定因素。不同的个体特征，如神经成像混淆、扫描间隔和生活方式因素，是已知的非年龄相关变异的来源。这种可变性可以解释为什么直接从纵向测量中确定的普通MRI测量(如皮质体积和厚度)的个人特异性变化率通常与群体水平的年龄相关的大脑趋势不同。随着年龄的增长，灰质体积(GMV)呈上升而不是下降的趋势。反过来，个性化的大脑轨迹可能无法反映群体水平的趋势。高技术/噪音和/或生物变异性最终对个体水平预测的脑年龄图的临床应用提出了挑战，例如预测神经病学队列的萎缩率或了解异常的大脑发育和衰退。

这项研究的动机是绘制人类大脑图表的最新进展，目的是建立在现有的努力基础上，调和个体大脑变化轨迹与横断面水平的推断。在这里，我们严格检查从多模态横断面MRI数据的规范模型推断的大脑衰老轨迹。利用两个独立的数据集，分别反映了老龄化和发育队列，我们测试了横截面推断的年龄相关趋势是否概括了从纵向数据中得出的轨迹，以及是否可以使用从横截面规范模型推断的群体水平变化率来预测个体轨迹。这些知识可以为未来建立寿命脑参考图表和脑功能规范模型提供信息。

1.  结果

我们首先询问在标准脑老化图表中明显的与年龄相关的变化率是否准确地反映了纵向测量的变化率。为此，我们利用了两个队列的脑MRI数据:i)由英国生物银行(UKB)具有基线和随访MRI数据的个体组成的衰老队列(基线年龄范围为47至80岁)(N范围为2,752至2,832，其中48至49%为女性)，ii)由青少年脑认知发育(ABCD)个体组成的发育队列(基线年龄范围为9至11岁)(N范围为6,537至7,480，其中54%为女性)，具有可用的基线和随访MRI。有关ABCD队列的结果在SI附录中给出，图1给出了方法学概述。

图1 研究设计

1.1 规范的模型

使用位置、尺度和形状广义加性模型(GAMLSS)框架 (按性别和地点分层)建立作为年龄函数的规范参考范围，用于i)全脑横切面GMV、皮质厚度(CTh)、表面积(SA)和分数各向异性(FA)基线(图2A)和ii)纵向估计的年化变化率(随访减去基线除以扫描间隔)。这四种表型中的每一种(图2B，蓝色曲线)。图2A中拟合的规范曲线的数值微分(即一阶导数)产生了变化率的横断面组水平估计(图2B，红色曲线)。这使得横截面推断和纵向测量的变化率的比较成为可能。

图2 脑老化的规范模型。(A)横断面测量的全脑GMV、CTh、SA和FA的标准百分位参考范围，以及(B)每种表型的变变率，与25%和75%的CIs(虚线)一起显示，由bootstrapping生成(500个样本)。

1.2 横断面数据低估了与年龄相关的大脑变化

我们发现，与纵向估计相比，所有四种表型的横断面年龄相关变化的中位数率显着低于纵向估计。从横断面数据推断的脑老化(即伪纵向实验设计)因此明显低估了与年龄相关的趋势。低估CTh最为明显，低估高达44%(60岁时)，其次是SA(72岁时低估37%)，FA(73岁时低估35%)和GMV(73岁时低估26%)。

无论用于构建横断面规范模型的时间点(基线或随访)如何，低估都是明显的，并且对于位数以外的位数而言，低估更为明显。区域水平的分析表明，低估在空间上是弥漫性的，而高估在一小部分的区域是明显的，包括右侧中央沟的SA、右侧扣带回和沟的中后段，以及左侧钙状沟的CTh。此外，还进行了一项补充分析，以确定在估计纵向变化率时是否会出现横截面低估，而不是直接从纵向测量中模拟变化率。为此，拟合线性混合效应(LME)模型来推断使用纵向MRI测量的变化率，同时控制重复测量。将LME衍生的变化率与从一般线性模型估计的横截面变化率进行比较。这一比较概括了横截面数据的低估，证实了无论直接或间接(LME)从纵向测量中得出的变化率如何，横截面数据的低估都是显而易见的。最后，也可能是最关键的，在发育(ABCD)队列中也同样低估了年龄相关的变化，显示最大的百分比差异为99%。我们的发现强调了用纵向数据校准大脑参考图表的重要性，以提高规范大脑轨迹的准确性，并促进个人层面的推断。

1.3 横截面规范模型最小限度地帮助个体化预测

接下来，我们询问个人轨迹是否可以使用从横截面规范模型推断的群体水平变化率来预测。为此，我们使用横断面推断的变化率预测了未见个体的后续脑表型测量。预测个体的后续脑表型测量结果为:，其中y0为基线测量值，Δq(x)表示x岁时第q个百分位数的规范变化率。图3A显示了所有个体和大脑表型的预测(红线)和经验测量(灰线)年龄相关轨迹。采用以下方法进行预测:i)所有个体的中位百分位数 (图3a和B)或ii)基线时个体的特定百分位数。

我们发现，经验测量到的个体变化的变化实质上(6到27倍)大于我们的预测(图3A)。大约三分之一的个体偏离了衰老队列中预测的向下变化方向——GMV向上倾斜的个体比例为34%，CTh为42%，SA为21%，FA为39%。所有基于模型的预测都优于原始预测，其中后续测量被预测为等于基线测量(即，为了检验表型随时间保持固定的零假设)。具体而言，横断面预测和原始预测的平均绝对误差(MAEs)存在显著差异(图3B)。尽管有这些显著的影响，但SA的预测误差减少了18%，GMV减少了7%，FA减少了4%，CTh减少了2%，这表明相对于无变化的原始模型，由横断面数据生成的MRI测量组模型对个体变化的预测提供了最小的改进。根据横断面变化率进行的个体化预测的表现与通过随机分配受试者年龄(±5 y)而保留扫描间隔(1,000个排列)构建的另一个零假设没有显著差异。具体而言，基于年龄正确的横截面变化率的预测与基于年龄混乱的横截面变化率的预测之间的MAEs没有显著差异。因此，我们得出结论，虽然规范模型捕获了共同的年龄方差，但在决定个体变化率方面，个人特定因素可能超过年龄的影响。

图3 从群体水平的横截面趋势预测个性化轨迹

1.4 非年龄相关因素导致预测个体化改变的错误

人口统计学、神经影像学、发育和生活方式因素是已知的非年龄相关变异的来源。预测个体化变化的MAEs在男性中明显高于女性，在GMV和SA检验的所有模型中，但在CTh和FA检验中没有。相比之下，在欧洲血统和非欧洲血统的个体之间，或者在有和没有医学/精神病学/神经学诊断的个体之间，MAE没有差异。图4A显示了MAE与神经影像学相关因素之间的关系，包括MRI相关混杂因素，从基线到随访的观察变化方向，以及扫描间时间间隔。较差的预测准确度与神经成像混淆显著相关(图4A)，变化方向向上(而不是向下)倾斜，T1测量的扫描间隔较长。任何一个神经影像学变量解释的误差方差百分比很小，这意味着年龄相关变化估计中个体差异的其他决定因素。因此，我们研究了一系列潜在的生活方式相关来源，包括饮酒、体育活动、睡眠和吸烟的特征。如图4B所示，对GMV和SA年龄相关变化的个体化估计的预测误差与饮酒频率和部分纤维评分显著正相关，表明饮酒频率较高和膳食纤维摄入量较低有助于预测个体化年龄相关GMV轨迹。基于第50百分位数(平均值)和基线个体化百分位数的横截面模型之间的生活方式相关性是一致的。

图4 神经影像学和生活方式与预测个体化变化率误差的关联

2. 讨论

在精准医学时代，精神病学和神经病学的神经影像学目标超越了静态和群体水平的推断，包括对个体化变化的动态预测。我们研究了目前的MRI数据和方法方法是否可以实现这一目标。利用最先进的发展和衰老数据集，我们发现横断面衰老模型低估了标准MRI脑测量变化的纵向测量。人与人之间轨迹估计的差异随着年龄和特定的大脑测量而变化。我们还表明，群体水平的趋势对仅仅基于个人大脑基线测量的个性化变化的天真预测提供了显著的(尽管是微小的)改进。

宏观大脑发育和衰老的基本知识依赖于准确的年龄趋势。我们的发现与初步证据一致，即横断面年龄趋势低估了区域容量测量中5年内的纵向变化。在这里，我们使用及时的规范模型和大规模生物库资源，将这一结论扩展到多种大脑模式和年龄不同的人群。这些发现的一个含义是，不精确的估计为预测(例如，生长/衰退的关键时期、疾病结局、神经退行性衰退等)和关于生物学和衰老影响的下游假设提供了不可靠的基础。例如，与纵向估计相比，横截面推断的SA轨迹(图2B)相对稳定，纵向估计强调随年龄增长而增加的变化率。基于横截面规范模型，研究人员可能错误地得出SA在衰老过程中保留或其他变量(如与认知相关的变量)独立于SA下降的结论。在应用规范模型来监测个体化轨迹方面，个体可能会被错误地转到后续临床调查中，因为他们的大脑被评估为相对于既定规范表现出快速衰退。

关于年龄趋势解释的关键问题是，与时间有关的对大脑的影响是否随着年龄的变化而变化。时间和年龄的影响是不可分割地交织在一起的，特别是在年龄不同的人群中，大脑可能会由于诸如重大历史事件或特定时间可用的医学治疗等原因而具有时间特征。我们发现，与纵向数据相比，横断面数据得出的估计值与年龄相关的变化不太明显。这种影响在区域水平上具有空间弥散性，因此只有少数区域与纵向年龄趋势没有显著差异或没有被高估。因此，与测量周期(或测量误差)相关的时间相关影响通常超过归因于年龄的变异性。重要的是，在年龄多样化(UKB年龄范围= 47至80岁)和年龄受限(ABCD年龄范围= 9至11岁)的队列中，横断面规范模型都低估了年龄相关变化，这表明在年龄相关变化的纵向速率中，除了队列/代际效应之外的因素可能会导致时间相关影响。随着时间的推移，与年龄相关的影响随着与大脑结构相关的各个方面的变化而变化。

我们的研究结果表明，相对于无变化的幼稚模型，由横断面数据生成的MRI测量的规范模型对个体变化的预测只提供了最小的改进。这一发现可能并不令人惊讶，因为许多个体表现出与群体水平趋势相反的轨迹，与之前的研究一致。例如，与预期的年龄相关的CTh随着年龄的增长而下降相反，纵向研究报告了CTh随着时间的推移而增加，这可能与运动、外周端粒酶活性以及细胞水平上脑内关键支持细胞胶质生成或增殖能力的增强有关。因此，虽然规范模型捕获了与大脑成熟和衰退的细胞特征相一致的共同年龄差异，但在决定个体变化率方面，个人特定因素的影响大于年龄的影响。这些发现不应被解释为削弱横断面研究的重要性。横断面数据对于研究群体差异、大脑区域变异性以及大脑与个体因素的关联至关重要。相反，我们的研究结果表明，纵向数据提供了个体变异的补充特征，以揭示与年龄无关的变化决定因素。

MRI测量的动态变化与许多个人特定因素有关，这些因素反过来又影响预测的准确性。我们发现，估计个体变化率的预测误差反映了个人特定因素，包括与MRI混淆相关的噪声、观察到的变化方向和扫描间隔，以及关键的生活方式决定因素。有趣的是，个人年龄轨迹估计GMV和SA的预测准确性受到与健康状况不佳相关的因素的帮助，包括总体酒精摄入量较高和膳食纤维摄入量较低。例如，膳食纤维的摄入——不可消化的碳水化合物，通常来源于植物性食物——与痴呆、认知障碍和总脑容量的风险呈负相关。因此，我们推测，加速典型的与年龄相关的大脑趋势的因素(即随着年龄的增长，大脑萎缩加剧)通过增加大脑变化沿着与规范的大脑年龄趋势相同的方向跟踪的可能性来提高预测的准确性。相比之下，对于偏离典型大脑年龄趋势的个体，预测就不那么准确了。这些发现对现有的参考标准——尤其是在青春期和成年期——准确预测个体变化模式的能力提出了质疑。揭示提高预测准确性的个人特定因素可能有助于在精神病学和神经病学设置中规范脑图的临床应用。

我们注意到以下限制。脑轨迹估计可能受到选择偏差的影响，因为参与后续评估的可能性是非随机的。例如，有可能由于家族史或个人/主观对认知能力下降和神经退行性变的担忧而参与后续脑成像，这一组的大脑变化相对于基线时更大的人群表现出来。虽然我们无法确定这些影响，但我们的结果表明，横断面指数变化率低估了一个独立的发展队列，其中选择性随访损失是可接受的低。另一个重要的考虑因素是，我们的纵向模型仍然包含一个横截面成分，因此，作为年龄函数的变化率模型并不是通过在同一个体中均匀采样30年的重复MRI测量得出的。因此，我们的纵向模型仍然受制于横断面设计固有的缺陷(例如，世代效应)，尽管程度较小。纯粹的纵向设计无疑会得出更准确的年龄相关变化估计，并可能得出与各种生活方式、遗传或神经生物学变量之间更强的相关性。尽管如此，我们的研究结果表明，即使在受横截面影响偏倚的纵向模型背景下，在衰老和发育队列中，对年龄相关变化的横截面低估也是明显的，特别是对于以动态变化为标志的年龄。这是由于个人特定因素超过了生物年龄相关过程对MRI测量的共同影响。

我们对人类大脑衰老轨迹的了解仍然存在重大差距，特别是从横截面数据推断出来的。根据我们的研究结果，我们概述了三项具体建议，这些建议将受益于进一步的研究:

1）我们对大脑衰老轨迹的了解大多来自于横断面研究。我们的研究结果表明，横截面模型和脑图可能低估了与年龄相关的大脑变化的程度。因此，在解释横截面估计时建议谨慎，并且可能需要校准/校正因子。需要前瞻性研究来校准横截面模型，并提高其对个人和前瞻性推断的准确性。

2）我们的工作挑战了一种假设，即神经影像学混淆在预测个性化大脑变化轨迹的误差中占相当大的比例。此外，一系列人口、发展和生活方式因素分别贡献了不到2%的方差。进一步探索从横截面变化率预测纵向变化的误差类型和来源，将增强未来规范模型的实际效用。

3）相当一部分受试者被发现表现出与平均年龄趋势相反的大脑变化轨迹。测量误差的潜在影响(来自本文未检查的来源)和/或这些变化的可能的生物学基础值得进一步探索，以扩大对终身神经可塑性的了解，以及相反的大脑年龄轨迹的决定因素和利/弊。

规范模型为在临床环境中利用神经影像学提供了新的机会，例如，通过提供个体体内神经退行性疾病监测的基准。然而，以个人为中心的方法在准确性和可靠性方面提出了新的挑战。我们的研究结果表明，建立在横断面数据上的规范模型低估了群体水平的年龄趋势，群体水平的规范模型在个性化推断方面是有限的。在我们能够实现规范模型的野心之前，首先要谨慎地解决这些阻碍其效用的障碍。

参考文献：Mapping human brain charts cross-sectionally and longitudinally.