基于個體特異性功能連接的阿爾茨海默病早期識別研究

王雪彤，董曉熹，李淑宇

作者單位：北京航空航天大學生物與醫學工程學院，北京生物醫學工程高精尖創新中心，北京 100191

阿爾茨海默病(Alzheimer's disease，AD)是最廣泛的一種癡呆類型，為了減緩癡呆的進展，及時干預治療至關重要，這就需要對AD及其前驅階段，即輕度認知障礙(mild cognitive impairment，MCI)進行早期診斷。同時，從臨床角度來看，如何在MCI階段，將有進展為癡呆風險的進展型輕度認知障礙(progress mild cognitive impairment，pMCI)患者從穩定型輕度認知障礙(stable mild cognitive impairment，sMCI)中有效識別出來，對于MCI的早期干預具有重要臨床價值。

靜息態功能磁共振成像(resting state functional magnetic resonance imaging，rs-fMRI)可以檢測到AD及MCI患者功能活動及功能連接的改變[1-3]。近年來，基于功能神經成像對AD及MCI進行分類的研究已發表大量論文[4-6]。一項對AD相關文獻進行系統回顧和薈萃分析的研究發現，AD疾病中出現靜息態功能網絡障礙，功能連接可以作為AD的影像學標志物[7]。研究發現將腦功能連接作為特征，有助于AD或AD前驅階段的診斷，顯示了良好的分類結果[8-9]。

腦功能連接可以被認為是圍繞著一個中心產生變異性的網絡連接，中心由個體間的共同網絡(個體相似效應)主導，變異性則是穩定的個體特征(個體特異效應)[10-11]?；诙嗳蝿諏W習的稀疏凸松弛交互結構優化(multi-task learning-based sparse convex alternating structure optimization，MTL-sCASO)方法能分解出靜息態功能連接中個體特異效應產生的個體特異性連接。個體特異性連接包含用于識別個體的特征信息，能提高個體識別的準確度，并能更好地對認知能力進行預測[12]。在AD及MCI中，不同個體可能在大腦不同的位置發生病變或在特定腦區有不同的病變程度，個體特異性特征更有助于疾病的識別[13]。同時，相比于正常對照組(normal controls，NC)，AD及MCI呈現出認知水平的下降。蘊含更多個體特性且對認知能力預測性能更好的個體特異性連接，有望更準確地對AD及MCI進行識別。本研究旨在基于rs-fMRI數據，使用MTL-sCASO方法提取個體特異性功能連接，對AD、MCI及pMCI/sMCI進行分類并識別，發現有助于AD及AD前驅期診斷的潛在神經影像學標志物。

1 材料及方法

1.1 數據集及受試者

使用阿爾茨海默病神經影像學計劃(Alzheimer's Disease Neuroimaging Initiative，ADNI)數據庫，該數據庫可在網上公開獲取(http://adni.loni.usc.edu/)，研究對象的分組依據(AD，MCI和NC)由ADNI數據庫報告定義。從ADNI數據庫獲取的受試者數據其本人或其授權人均簽署了知情同意書，并經數據采集中心的倫理審查委員予以審批并通過。本研究中受試者數據選擇的依據是：年齡在55到90歲之間，包含完整的結構MRI數據及rs-fMRI的基線數據。質量控制主要包括原始數據質量初篩和檢查頭動問題。數據初篩檢查數據是否出現尾跡過大和信號缺失嚴重的問題，數據質量初篩后，刪去2例(1例為MCI患者，1例為AD患者)失真嚴重的功能影像數據。計算頭動參數，并排除最大頭動距離大于1.5 mm和最大頭動角度大于1.5°的受試者9例。共使用了166個受試者的基線數據，包括47名NC，66名sMCI，24名pMCI和29名AD患者。24名pMCI受試者最初在基線檢查時被診斷為MCI，但在36個月的隨訪期內發現轉化為AD。

使用ADNI中的ADNI 2/GO數據庫，數據采集的詳細信息請參見以下網址(https://adni.loni.usc.edu/methods/documents/)。影像數據主要由Philips 3 T MRI 掃描采集，結構MRI掃描參數為：TR=2300 ms，TE=3 ms，掃面層數170，掃描矩陣256×256，層厚1.2 mm，翻轉角為9°；rs-fMRI掃描參數為：TR=3000 ms，TE=30 ms，掃面層數48，掃描矩陣64×64，層厚3.3 mm，翻轉角80°，140個時間點。

1.2 數據處理

使用DPARSF 5.2 工具包(http://www.rfmri.org/DPARSF)中的標準流程對所有rs-fMRI 數據進行圖像預處理，包括刪除前十個時間點數據，時間層校正，頭動校正，去除頭皮，將T1像配準到功能像，將圖像分割為灰質、白質和腦脊液三部分，配準到MNI 空間，回歸掉噪聲協變量(包括白質、腦脊液等噪聲信號)，去除線性漂移。血氧水平依賴(blood oxygen level-dependent，BOLD)信號經過帶通濾波(0.01≤f≤0.1 Hz)去除噪聲。

基于腦區功能劃分的Power圖譜，我們將大腦劃分為264 個腦區[感興趣區域(region of interest，ROI)]，該圖譜被證明能夠確保腦區節點的功能意義并且減少其余功能腦區信號的干擾[14]。提取每個ROI中心坐標為球心，半徑為5 mm的小球內所有體素的平均時間序列，視為該腦區的時間序列。

基于rs-fMRI數據，使用皮爾森相關計算每兩個腦區間時間序列的相關系數，構成連接矩陣。同時，本研究通過MTL-sCASO方法提取個體特異性連接，詳細方法參見文獻[12]。圖1 為估計個體特異性連接的示意圖，將所有受試者的時間序列放入MTL-sCASO估計模型中。該估計模型可以理解為使用其他腦區的時間序列對某個腦區的時間序列進行擬合，擬合的參數即腦區間的功能連接。每個受試者的擬合過程視為一個任務，進行多任務的協同學習。所以，本研究可以在估計功能連接的過程中將其分解為兩部分：個體相似性連接蘊含所有受試者一致的功能連接(相似性效應)，個體特異性連接主要代表穩定的個體特性(特異性效應)。兩者相加即組成了每個個體整體的功能連接。MTL-sCASO 方法的估計功能連接的模型由下述三項組成：偏相關估計、結構優化和稀疏正則化，該模型的目標函數如下式所示：

圖1 估計個體特異性功能連接示意圖。Fig.1 Illustration of estimating individual?specific functional connectivity.

1.3 AD及MCI患者的識別

在獲得通過傳統皮爾森相關方法計算的網絡連接和通過MTL-sCASO 估計的個體特異性連接后，本研究將每個個體的功能連接進行Z值歸一化，取連接強度的絕對值作為特征。在每一個分類任務之前，使用最小絕對收縮和選擇算子(least absolute shrinkage and selection operator，LASSO)方法篩選特征，使用10 折交叉驗證計算不同參數λ(該參數控制選擇特征的稀疏程度)下驗證集對類別擬合的均方差(mean squared error，MSE)，采用均方差最小的λ 來選擇和類別相關的特征子集以簡化后續分類模型，消除冗余特征，減少過擬合并增加泛化性。

在AD/MCI/NC的三分類任務中，本研究使用一對多分類方式，針對AD/MCI/NC的每一個類別訓練一個二類分類器，將AD/MCI/NC 的一類設為正類，其他所有類別設為負類。最后的多分類結果為分類概率最大的類。在每一個二類分類器中，使用10 折交叉驗證，將樣本隨機的分為10 折并保證每一折類別分布近似，選出其中9 折作為訓練集，余下的1 折作為測試集，重復10次。將篩選后的特征輸入到訓練集中，訓練支持向量機(support vector machine，SVM)分類器，將分類器應用到測試集并計算分類準確度。

對于pMCI/sMCI 的分類，跟上述二類分類器相同，同樣使用10折交叉驗證，并將pMCI設為正類。并計算分類的F1-分數值和受試者工作特征(receiver operating characteristic，ROC)曲線下面積(area under the curve，AUC)值。

1.4 分類標志物的展示

在分類的過程中，使用線性SVM 分類器，每個特征(每個功能連接強度)存在分類權重，該權重越大，對分類的貢獻越大。對于每個特征而言，計算所有分類器平均的分類權重。對于AD/MCI/NC 的多分類任務，計算所有二分類器分類權重的均值。選取分類權重最大的前10 個特征，代表了10 個有助于分類的功能連接，使用BrainNet 軟件(http://www.nitrc.org/projects/bnv/)[15]對其進行顯示。并計算不同組功能連接強度的均值，使用雙樣本t檢驗比較功能連接強度的組間差異，P＜0.05 認為差異有統計學意義(FDR校正)。

2 結果

2.1 人口統計學

如表1 所示，通過單因素方差分析，AD、pMCI、sMCI及NC各組在年齡及受教育年限差異無統計學意義(P＞0.05)。通過卡方檢驗，AD、pMCI、sMCI 及NC 各組的性別差異無統計學意義(P＞0.05)。

表1 人口統計學信息(±s)Tab.1 Demographic information of the subjects(±s)

表1 人口統計學信息(±s)Tab.1 Demographic information of the subjects(±s)

注：NC：正常對照組；sMCI：穩定型輕度認知障礙；pMCI：進展型輕度認知障礙；AD：阿爾茨海默病。

P 0.098 0.770 0.837年齡(歲)受教育程度(年)性別(男/女)NC (n=47)74.81±5.94 16.36±2.25 21/26 sMCI (n=66)71.61±8.03 16.21±2.62 32/34 pMCI (n=24)71.68±5.77 15.83±2.20 11/13 AD (n=29)72.82±7.02 15.86±2.90 16/13

2.2 分類準確度

AD、MCI 及NC 的分類結果如表2 所示。皮爾森相關方法得到的功能連接作為特征，AD、MCI 和NC 與其他組的二分類準確度分別為78.92%、65.66% 和86.74%，三分類準確度為73.49%。個體特異性連接作為特征要高于皮爾森相關方法的準確度，其中AD、MCI 和NC 與其他組的二分類準確度分別為89.16%、72.29%和89.16%，三分類準確度為85.54%。

表2 AD/MCI/NC分類準確度Tab.2 Classification accuracy of AD/MCI/NC

sMCI和pMCI的分類結果如表3所示。使用個體特異性連接的分類性能(準確度=86.67%，F1-分數=0.7273，AUC=0.9400)要優于使用皮爾森相關方法的分類性能(準確度=75.56%，F1-分數=0.3529，AUC=0.7847)。

表3 sMCI/pMCI分類性能Tab.3 Classification performance of sMCI/pMCI

2.3 分類標志物

使用個體特異性連接作為特征，對于AD/MCI/NC的三分類任務，選取的對分類貢獻最大的連接如圖2所示。對于這些區分性最強的功能連接，比較平均連接強度的組間差異的結果如圖3 所示。相比于AD患者及正常對照組，MCI患者功能連接強度異常且差異有統計學意義的功能連接包括:右側內側顳葉-左側顳上回、左側額極-左側顳中回顳枕部、右側頂島蓋-后扣帶回、初級味覺皮層-左側顳中回。相比于正常對照組，MCI及AD患者功能連接異常且差異有統計學意義的功能連接包括：左側梭狀回后部-左側額眶回、聽覺皮層-右側舌回、初級體感皮層-初級運動皮層、右側后扣帶回-右側丘腦、初級運動皮層-內側額葉。對于左側顳極-右側額極之間的功能連接，MCI 患者的連接強度顯著地低于正常對照組的連接強度，而AD 患者的連接強度又顯著地低于MCI患者的連接強度。

圖2 AD/MCI/NC多分類中區分性最強的特征(功能連接)。黃線表示在MCI 患者中出現異常的功能連接(相比于NC/AD)，綠線表示在MCI/AD患者中出現異常的功能連接(相比于NC)，藍線表示在三組中任意兩組中均出現顯著差異的功能連接。注：AD：阿爾茨海默??；MCI：輕度認知障礙；NC：正常對照組；.L/.R分別代表腦左側及右側；MTC：內側顳葉；ITg：顳上回；FP：額極；toMTg：顳中回顳枕部；POC：頂島蓋；PCg：后扣帶回；PGC：初級味覺皮層；MTg：顳中回；pFFg：梭狀回后部；OFC：額眶回；AudC：聽覺皮層；Ling：舌回；S1：初級體感皮層；M1：初級運動皮層；THA：丘腦；MFC：內側額葉；TP：顳極；FP：額極。Fig. 2 The most discriminative features (functional connections) for AD/MCI/NC multiclassification. The yellow line represents functional connectivity that is abnormal in MCI patients (compared to NC/AD). The green line shows functional connectivity that is abnormal in MCI/AD patients (compared to NC). There are significant differences of functional connecitivty (bule line) between either pair of groups. Note: AD: Alzheimer's disease;MCI:mild cognitive impairment;NC:normal controls;.L/.R represents the left brain and the right brain, respectively; MTC: medial temporal cortex; ITg: inferior temporal gyrus; FP: frontal pole; toMTg:emporooccipital middle temporal gyrus; POC: parietal operculum cortex;PCg: posterior cingulate gyrus; PGC: primary gustatory cortex; MTg:middle temporal gyrus; pFFg: posterior fusiform gyrus; OFC: orbital frontal cortex; AudC: auditory cortex; Ling: lingual gyrus; S1: primary somatosensory cortex; M1: primary motor cortex; THA: thalamus; MFC:medial frontal cortex;TP:temporal pole;FP:frontal pole.

圖3 AD/MCI/NC 多分類中區分性最強的功能連接強度的組間均值比較。注：*：雙樣本t檢驗P＜0.05(FDR 校正)；AD：阿爾茨海默??；MCI：輕度認知障礙；NC：正常對照組；.L/.R 分別代表腦左側及右側；MTC：內側顳葉；ITg：顳上回；FP：額極；toMTg：顳中回顳枕部；POC：頂島蓋；PCg：后扣帶回；PGC：初級味覺皮層；MTg：顳中回；pFFg：梭狀回后部；OFC：額眶回；AudC：聽覺皮層；Ling：舌回；S1：初級體感皮層；M1：初級運動皮層；THA：丘腦；MFC：內側額葉；TP：顳極；FP：額極。Fig. 3 The differences of mean weights of most discriminative functional connections for AD/MCI/NC multiclassification across groups. Note:*:P＜0.05(FDR corrected)with two samplettest;AD:Alzheimer's disease;MCI:mild cognitive impairment;NC: normal controls; .L/.R represents the left brain and the right brain, respectively; MTC: medial temporal cortex; ITg:inferior temporal gyrus; FP: frontal pole; toMTg: emporooccipital middle temporal gyrus; POC: parietal operculum cortex; PCg: posterior cingulate gyrus; PGC: primary gustatory cortex; MTg: middle temporal gyrus; pFFg:posterior fusiform gyrus; OFC: orbital frontal cortex; AudC: auditory cortex;Ling:lingual gyrus;S1:primary somatosensory cortex;M1:primary motor cortex; THA: thalamus; MFC: medial frontal cortex; TP: temporal pole;FP:frontal pole.

使用個體特異性連接作為特征，對于sMCI/pMCI的分類任務，提取到的對分類貢獻最大的連接如圖4 所示。對于這些區分性最強的功能連接，比較平均連接強度的組間差異的結果如圖5 所示。在統計學上，pMCI 患者功能連接強度顯著地高于sMCI 患者的功能連接包括：右側輔助運動皮層-左側額極、左側額上回-右側梭狀回、右側輔助運動皮層-右側額極、左側前扣帶回-右側緣上回后部、初級運動皮層-初級味覺皮層、左側海馬旁回-左側枕外側下部、左側枕外側下部-右側額中回。pMCI 患者左側頂島蓋-左側枕極之間的功能連接強度低于sMCI且差異有統計學意義。

圖4 sMCI/pMCI分類中區分性最強的特征(功能連接)。注：sMCI：穩定型輕度認知障礙；pMCI：進展型輕度認知障礙；.L/.R 分別代表腦左側及右側；SMC：輔助運動皮層；FP：額極；PO：頂島蓋；OP：枕極；SFg：額上回；FFg：梭狀回；ACC：前扣帶回；pSMg：緣上回后部；M1：初級運動皮層；PGC：初級味覺皮層；PHC：海馬旁回；iLOC：枕外側下部；MFG：額中回。Fig.4 The most discriminative features(functional connections)for sMCI/pMC Imulticlassification. Note: pMCI: progress mild cognitive impairment;sMCI: stable mild cognitive impairment; .L/.R represents the left brain and the right brain, respectively; SMC: supplementary motor cortex; FP: frontal pole; PO: parietal operculum cortex; OP: occipital pole; SFg: superior frontal gyrus; FFg: fusiform gyrus; ACC: anterior cingulate gyrus; pSMg:posterior supramarginal gyrus; M1: primary motor cortex; PGC: primary gustatory cortex; PHC: parahippocampal gyrus; iLOC: inferior lateral occipital cortex;MFG:middle frontal gyrus.

圖5 sMCI/pMCI 分類中區分性最強的功能連接強度的組間均值比較。注：*：雙樣本t檢驗P＜0.05 (FDR 校正)；sMCI：穩定型輕度認知障礙；pMCI：進展型輕度認知障礙；.L/.R分別代表腦左側及右側；SMC：輔助運動皮層；FP：額極；PO：頂島蓋；OP：枕極；SFg：額上回；FFg：梭狀回；ACC：前扣帶回；pSMg：緣上回后部；M1：初級運動皮層；PHC：海馬旁回；iLOC：枕外側下部；MFG：額中回。Fig. 5 The differences of mean weights of most discriminative functional connections for sMCI/pMCI classification between groups.Note:*:P＜0.05(FDR corrected) with two samplettest; pMCI: progress mild cognitive impairment; sMCI: stable mild cognitive impairment; .L/.R represents the left brain and the right brain, respectively; SMC: supplementary motor cortex; FP: frontal pole; PO: parietal operculum cortex; OP: occipital pole;SFg: superior frontal gyrus; FFg: fusiform gyrus; ACC: anterior cingulate gyrus; pSMg: posterior supramarginal gyrus; M1: primary motor cortex;PHC: parahippocampal gyrus; iLOC: inferior lateral occipital cortex; MFG:middle frontal gyrus.

3 討論

本文使用個體特異性功能連接實現了AD/MCI/NC的三分類及sMCI/pMCI的二分類任務。相比于傳統的基于皮爾森相關方法構建的功能連接，使用基于MTL-sCASO方法得到的個體特異性連接可以達到更好的分類性能。此外，本研究發現最具辨識度的功能連接強度的組間差異顯著。本研究證明，蘊含更多個體特性的個體特異性連接，能更準確地對AD及MCI進行識別，表明個體特異性功能連接對神經退行性疾病(AD 及MCI)導致的病變更敏感。個體特異性功能連接異常的研究能加深對MCI 及AD 的病理機制的理解，同時，sMCI/pMCI 個體特異性連接的差異研究能幫助我們更好地理解MCI進展為AD的病理基礎。

3.1 對疾病敏感的個體特異性功能連接

本研究表明蘊含更多個體特性的個體特異性連接能更準確地對AD 及MCI 進行識別。AD 病理過程會因為年齡、性別以及基因等因素存在個體差異，所以不同個體的病變位置和病變程度也不盡相同。在基于結構MRI預測神經心理學量表得分的過程中，特異地選擇個體對癡呆敏感的大腦位置能提高預測準確度[13]，因此，提取個體特異性特征可能會有助于預測癡呆的進展。同時，在早期MCI 的識別任務中，考慮由不同癥狀或異常程度引起的神經活動的個體特性也能有效地提高識別準確度[16]。有研究通過識別個體特異的認知損傷模式來設計用于定期隨訪的個性化認知測試，以適應不同癡呆類型的認知測試情況[17]。已有研究發現，功能連接的個體特異模式能更好地對多種認知能力進行預測[18]，并能更好地預測AD 臨床前期的情景記憶[19]，這表明個體特異性功能連接可能對AD 及MCI 病變更敏感，并提高了對AD 及MCI 識別準確度。綜上所述，個體特異性功能連接為AD及MCI的病理研究提供了新的研究視角和方法，有潛力成為AD和MCI敏感的神經影像學標志物。

3.2 MCI及AD患者個體特異性連接的異常

相比于NC 和AD 患者，MCI 患者個體特異性功能連接的異常表明，在MCI階段對應腦區間出現功能異常，而在AD 階段功能異常消失。這種異常主要集中在顳葉、前額葉、后扣帶回及頂下小葉。在AD病理進展早期，部分神經元的輕微損傷會引起大腦部分區域功能活動異常增強，這可能反映了一種功能代償機制[20]。而隨著AD 病理進展到中晚期，嚴重的神經元損傷以及物理連接缺失會導致功能活動持續減弱。中顳葉功能紊亂是MCI中首先出現的神經病變，它可以在后扣帶回和前額葉皮層開始一系列異常的功能變化[21]，而這種功能代償可能隨著癡呆的進展逐漸消失。頂下小葉是具有情景記憶、語義處理和空間認知功能的腦區，以往的研究同樣發現MCI患者頂下小葉過度活躍而AD 患者過度活躍消失的情況[22]。與NC 受試者相比，在MCI 受試者中發現的顳頂區域的超連接可能是記憶網絡效率低下的一種補償機制。以往的研究也發現，相比于NC，MCI 患者的前額葉和顳頂葉連接增強[23]，而當疾病進展為AD 時該部分連接減弱了。

相比于NC，MCI 和AD 患者顯著降低的功能連接表明，在MCI 階段就出現了功能失連接，并且在AD 階段功能失連接保持或加劇。失連接主要出現在梭狀回、內側前額葉、內側顳葉及后扣帶回中，這些腦區是默認模式網絡(default mode network，DMN)重要的組成部分。DMN區域最易受到AD病理的攻擊[24]，其內部的失連接可以作為AD早期診斷的潛在影像學標志物[25]。同時，本研究還發現初級體感皮層和初級運動皮層的失連接，這暗示著MCI 和AD 階段受試者對體感信息的回應減弱。而AD階段失連接的加劇出現在額極和顳極之間，該連接的衰減程度可以幫助判斷癡呆的嚴重程度。

3.3 sMCI/pMCI個體特異性連接的差異

與sMCI 相比，pMCI 患者功能連接的異常集中在梭狀回、緣上回、海馬旁回以及枕外側。這與之前有關pMCI 靜息態腦功能連接異常的結果一致[26]。梭狀回、海馬旁回與海馬體存在密切的解剖連接，同時也是內側顳葉的一部分。位于內側顳葉區域的海馬體是AD 病理攻擊的主要結構，AD 病理會導致內側顳葉區域出現大量的神經纖維纏結繼而引起大量神經元壞死出現萎縮持續加重，因此病變嚴重的pMCI 患者內側顳葉區的功能異常顯著[27]。緣上回是DMN 的關鍵組成部分，之前的許多研究表明緣上回的病變與AD 密切相關[28]。枕外側與視覺相關，枕外側的功能異常將會導致視覺障礙，視覺障礙會影響患者的認知從而增加患癡呆的風險[29]。此外，pMCI 患者中出現輔助運動皮層和額極之間的功能連接異常，額極位于額下后部，是運動性語言中樞，其與輔助運動皮層的功能連接異常表明語言有關的肌肉共濟失調，從而出現語言功能受損，語言有關功能連接的增加是早期癡呆標志[30]。綜上所述，本文得到的sMCI 與pMCI 個體特異性連接異常與之前的功能網絡研究相一致，說明個體特異性連接能夠良好地識別AD 病理導致的功能連接異常，有望成為檢測AD 疾病進展的有效影像學標志物。

3.4 局限性

本研究在實現NC/MCI/AD的多分類任務和sMCI/pMCI 的分類任務時樣本的總量為166 例和90 例。樣本總量不夠充足，尤其是pMCI 受試者僅有24 例，這將影響分類結果，并會產生一定程度的過擬合。雖然本研究使用特征選擇以減少過擬合的影響，但受樣本量和交叉驗證本身的限制過擬合仍會存在。未來希望通過收集多中心臨床rs-fMRI 數據來增加樣本量，同時使用獨立的測試集進行測試來減少過擬合的影響。

綜上所述，采用蘊含更多個體特性的個體特異性連接可提高對AD及MCI識別準確度，個體特異性功能連接有望作為AD及MCI診斷的潛在影像學標志物。

作者利益沖突聲明：全體作者均聲明無利益沖突。