关注并星标我们 前沿资讯不错过
01
文献导读
1
要点
本文献探讨了白质高信号（WMH）的连接性评估在预测认知表现中的作用。研究发现，与传统的WMH体积测量相比，基于白质高信号的连接性评分（LNM评分）能显著提高对记忆诊所患者当前认知表现的预测准确性。特别是在注意力/执行功能、信息处理速度和言语记忆领域，LNM评分的预测性能优于WMH体积。
2
主要研究方法
研究采用了横断面数据，涉及来自Meta VCI Map Consortium的10个记忆诊所队列的3485名患者。研究者使用了LNM技术，将WMH分割映射到标准空间，并与现有的结构和功能大脑连接组数据相结合。通过LNM量化WMH与480个基于图谱的灰质和白质区域的连接性，进一步使用岭回归模型在嵌套交叉验证中比较了总WMH体积和区域WMH体积与LNM评分在预测认知功能方面的能力。
3
研究意义
这项研究的意义在于提供了WMH相关脑网络连接性测量在预测认知功能方面的新见解，强调了网络完整性在认知障碍中的关键作用，尤其是在与注意力相关的脑区。这些发现可能有助于为患者量身定制的治疗干预措施，并有助于识别有认知障碍风险的亚组。
4
创新点
该研究的创新之处在于将LNM技术应用于大规模多中心数据集，以评估WMH的网络连接性，并将其与认知功能联系起来。这种方法不仅考虑了WMH的位置，还整合了其与大脑网络的连接信息，为理解WMH在认知障碍中的作用提供了新的视角。此外，研究还发现，将WMH与相邻正常出现的白质——WMH边缘——的连接性信息整合进来，可以进一步提高预测性能。
02
文献精读
本研究旨在探讨白质高信号（WMH）的连通性评估在预测认知表现中的作用。我们假设基于WMH连通性的标记能够超越WMH体积，更好地预测认知功能，并且WMH对认知功能的影响主要映射到特定的脑网络。通过对3485名来自10个记忆诊所队列患者的横断面数据分析，我们发现WMH连通性评分（LNM评分）在预测注意力/执行功能、信息处理速度和言语记忆方面显著优于WMH体积。这些发现强调了网络完整性在认知障碍中的关键作用，并可能有助于为患者量身定制的治疗干预措施。
脑小血管病（CSVD）是血管性认知障碍（VCI）的主要驱动因素，WMH作为CSVD的标志性影像学标记，与认知功能下降有关。然而，WMH体积与认知功能之间的关系复杂，需要更精确的技术来预测个体的认知功能。本研究提出了利用病变网络映射（LNM）技术来量化WMH的网络连接性，以改善对VCI患者认知表现的预测
研究样本包括来自Meta VCI Map Consortium的10个记忆诊所队列的3485名患者。我们使用LNM技术，将WMH分割映射到标准空间，并与现有的结构和功能大脑连接组数据相结合。LNM评分量化了WMH与480个基于图谱的灰质和白质区域的连接性。我们使用岭回归模型在嵌套交叉验证中比较了总WMH体积和LNM评分在预测认知功能方面的能力。
LNM评分在预测三个认知领域（注意力/执行功能、信息处理速度和言语记忆）的表现上显著优于WMH体积。LNM评分没有改善语言功能的预测。ROI级别的分析显示，背侧和腹侧注意力网络中的灰质和白质区域的LNM评分较高，与较低的认知表现相关。
152x167 mm ( x DPI)
研究结果表明，WMH连通性评分在预测认知表现方面优于WMH体积，这强调了网络完整性在认知障碍中的关键作用。这些发现可能有助于为患者量身定制的治疗干预措施，并有助于识别有认知障碍风险的亚组。此外，我们的研究还发现，将WMH与相邻正常出现的白质——WMH边缘——的连接性信息整合进来，可以进一步提高预测性能，这表明CSVD对认知功能的影响可能是广泛和弥漫的。
LNM评分在预测认知表现中的优势：在当前的临床实践中，认知障碍往往基于通过视觉检查评估的总WMH负担来归因于脑血管病，但个体间在这种关系上的差异可能导致诊断困境。我们的LNM方法不仅考虑了WMH的位置，还整合了网络连接性信息，以捕捉WMH的网络嵌入。在分析中，利用LNM评分的统计模型在预测几乎所有认知领域的性能上都优于依赖于总或束级WMH体积的模型。因此，LNM可以被利用来改善超出样本外的认知表现预测，超越了人口统计学、总WMH体积和特定白质束中WMH位置的战略位置。
WMH与认知障碍的网络映射：WMH被认为通过影响特定脑网络的功能来损害认知表现。为了定位这些效应，我们研究了功能性和结构性LNM评分与认知表现之间的区域关联。我们发现，背侧和腹侧注意力网络的皮层区域的LNM评分较高与较低的注意力和执行功能、信息处理速度和言语记忆相关。因此，这些网络中的WMH连通性增加与认知功能下降相关，表明WMH通过破坏相应的连接白质纤维束损害认知功能。
WMH对认知障碍的贡献：区域性发现在注意力控制网络的灰质区域进一步得到了白质束级结果的补充。功能性和结构性LNM都集中在连接参与注意力的额叶和顶叶区域的束上：背侧、内侧和腹侧的上纵束——这些已知连接背侧和腹侧注意力网络的前部和后部，以及额叶和顶叶区域的连接和投射束。尽管功能性和结构性LNM在突出的束上有一些差异，但这可能反映了两种方法捕捉了相同解剖结构的不同方面，结构性LNM可能对WMH直接诱导的轴突连接破坏更敏感，而功能性LNM也反映了通过多突触脑回路介导的效应。
221x318 mm ( x DPI)
110x136 mm ( x DPI)
我们的研究结果不仅揭示了CSVD、神经解剖学和认知障碍之间复杂的关系，而且还暗示了潜在的临床应用途径。尽管CSVD治疗的确切作用，特别是在预防认知后遗症方面，尚未得到明确证实，但通过整合病变连通性信息到临床评估中，可以提高诊断准确性，并帮助区分认知障碍的原因。此外，利用连通性信息可能有助于识别有认知障碍风险的亚组，这些亚组可能从医疗干预中获得最大的益处。
WMH相关的脑网络连通性测量显著提高了对记忆诊所患者当前认知表现的预测，与WMH体积或流行病学因素相比。我们的发现强调了WMH断开，特别是在与注意力相关的脑区域，对血管性认知障碍的贡献。随着这一研究领域的发展，利用CSVD中WMH连通性的神经影像标记有潜力帮助个体化的诊断和治疗策略。
声明：本公众号所刊载内容之知识产权为相关权利人专属所有或持有，本公众号经翻译与编辑的内容仅作为学术交流之用途。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。
关于我们
超脑深科介绍
超脑深科是国内领先的脑医学技术创新团队，致力于打造最前沿的产学研一体化创新深脑科技平台。其中影像处理分析团队均来自于国内一线高校，具有高度交叉背景，涵盖生物医学工程、电子信息、临床医学等专业，均受过系统化的科研培训，具有扎实的科研背景。
如果今天的分享对您有所帮助，
欢迎您点击下方关注我们以获取最新资讯
▼ 公众号后台联系我们可获取PDF原文
更有神经磁共振影像交流群期待您的加入
