病灶填充对多发性硬化结构磁共振脑网络分析的影响
研究纳入49例多发性硬化患者与19名健康对照,比较原始与病灶填充后T1w图像的图论网络分析;病灶填充伪影与总病灶体积正相关(r=0.84,p<0.001),填充后网络分析检出更多组间差异,但伪影随病灶负荷增加而增多。
要点
- 病灶填充后T1w图像的伪影数量与总病灶体积正相关(r=0.84,p<0.001)。
- 填充后网络分析在健康对照与多发性硬化患者间检出更多全局与节点参数差异。
- 病灶负荷高的患者填充伪影更多,应用病灶填充需谨慎评估。
核心结论
- 病灶填充可能降低受试者间变异、提高多发性硬化脑网络改变的检出率,但也会引入显著伪影,尤其在病灶负荷较高的个体中应谨慎应用。
研究设计与样本
- 研究纳入49例多发性硬化患者(30例复发缓解型、19例进展型)和19名健康对照,在3T SIGNA PET-MRI扫描仪上采集3D-T1w与3D-T2w FLAIR图像。
- 采用SPM12中病灶分割工具箱的病灶增长算法(kappa=0.3)分割病灶并进行病灶填充,基于AAL图谱116个ROI的灰质分数构建加权无向图,使用BRAPH进行图论网络分析。
- 组间差异采用非参数置换检验(重复1000次),节点水平结果用FDR Benjamini–Hochberg校正(q=0.05)。
关键影像表现/征象
- 全部研究人群共检出804个病灶,病灶填充共产生233个伪影,其中79个为实质性伪影(组织分类错误)、152个为轻微伪影。
- 病灶填充伪影多见于组织交界处(如白质与脑脊液交界、白质与灰质交界)的病灶及体积较大的病灶。
诊断标准与关键数值
- 基于原始T1w数据,仅模块度与同配性在组间有显著差异:模块度健康对照高于多发性硬化患者,同配性健康对照低于多发性硬化患者。
- 基于病灶填充T1w数据,健康对照与全部多发性硬化组间所有全局网络参数均有显著差异:平均度、平均强度、全局与局部效率、聚类系数、传递性、同配性及小世界性在多发性硬化组显著升高,平均路径长度与模块度显著降低。
- 健康对照与复发缓解型比较显示所有参数相似的显著差异;进展型仅平均度、平均强度、传递性、路径长度和模块度与健康对照有显著差异。
- 复发缓解型与进展型之间任何网络参数均无统计学显著差异。
临床应用与阅片要点
- 应用病灶填充的研究应仔细评估填充后图像的伪影,尤其是脑病灶数量较多的数据集。
- 作者提出,优化病灶填充准确性的一种可能方案是仅对近皮质白质病灶填充时纳入白质体素。
局限性
- 所有图像无论病灶填充伪影程度如何均被纳入网络分析。
- 病灶填充产生的实质性伪影会在一定程度上影响组织分割。
- 由于病灶及填充伪影位置随机,伪影可能仅导致假阴性结果、使显著发现减少。
全文中译13 节 · 点击展开
要点
病灶填充提高了多发性硬化(MS)中基于T1加权成像推导的网络分析的敏感性。
病灶填充在病灶体积较大的患者中产生更多伪影。
网络参数在复发缓解型MS中比在进展型MS中受影响更大。
背景
多发性硬化(MS)是一种炎性脱髓鞘疾病,也是青壮年中最常见的神经退行性疾病[1]。该疾病的特征是中中枢神经系统(CNS)内存在位置看似随机的炎性病灶,导致患者表现出多种临床表现[1]。复发缓解型多发性硬化表型(RRMS)表现为急性临床表现,即所谓的复发,随后有一段完全或部分恢复期,发作间期残疾稳定;而进展型表型(PMS)则定义为确认神经功能障碍持续加重且独立于复发[2–5]。尽管由于病灶位置随机,MS病理具有高度异质性,但也存在一些共同症状。这些症状可能包括视觉功能下降、膀胱功能障碍以及运动和感觉功能受损[6]。尽管将症状归因于特定脊髓功能障碍通常有MRI上可见的脊髓病支持,但研究尚未能够一致地将症状与MRI上可见的单个脑病灶联系起来。对这种差异的一般解释是功能性大脑网络的存在,这意味着网络中不同部位的病灶可导致相似的症状。疾病进展过程中功能网络的进行性破坏可能解释MS晚期残疾的增加。
为了验证这一假设,可采用图论网络分析研究多发性硬化(MS)的不同表型或阶段。根据图论,脑区之间的连接可以用图来表示,其中脑区表示为节点,相互作用表示为线(边)。这些相互作用可用于计算各种参数,如路径长度,其描述两个脑区之间的边数。这些参数按受试者计算,然后可在两组之间进行比较。原则上,任何成像模态均可用于图论分析,但其临床意义和相关性高度取决于所用作为输入的成像。迄今为止,多发性硬化中主要用于结构网络分析的是弥散张量成像(DTI)[7]。DTI评估白质(WM)纤维束成像,因此可用于确定白质连接性。多发性硬化中的灰质(GM)连接性可使用从T1加权(T1w)MRI获得的参数进行研究,如皮层体积、皮层厚度或灰质分数[7]。研究显示,在多发性硬化患者中,DTI与T1w图论网络分析结果具有高度相似性[8–10]。在多发性硬化中使用DTI或T1w MRI进行网络分析的一个挑战是病灶的随机位置,而对于T1w尤其还有近皮层病灶对灰质分割的影响。应对病灶负荷和分布变化的一种方法是应用病灶填充[11]。病灶填充将病灶内的体素强度替换为周围组织的体素强度,从而得到无明显病灶的图像,因而 devoid of pathological signal intensity variations。一些在多发性硬化中进行网络分析的研究应用了病灶填充[12, 13],而另一些则没有[8, 14],因此,关于病灶填充的应用尚无明确共识。
在多发性硬化中使用图论网络分析对结构网络的研究显示结果不一致。一些评估灰质(T1w)或白质(DTI)连接性的研究发现,多发性硬化患者网络的全局和局部效率降低[8–10, 15],而其他研究则发现升高[12, 14, 16]。研究之间的这种差异可能反映了在疾病进展过程中大脑为尽量减少临床残疾而出现的重组特性恶化。因此,这些关于白质和灰质连接性的争议可能源于研究人群的差异,特别是关于疾病病程和疾病亚型方面。针对不同多发性硬化表型或疾病阶段对连接性指标影响的专门研究可能有助于解决这一问题。
本研究旨在(1)确定病灶填充对从T1w MRI衍生的图论网络参数的影响,(2)通过评估灰质连接性异常来识别哪些区域对多发性硬化发病机制重要,以及(3)研究复发缓解型多发性硬化(RRMS)与进展型多发性硬化(PMS)患者的灰质连接性是否存在差异。
方法
参与者
在圣保罗大学医学院招募了75名受试者,其中包括24名健康对照(HC)、30名复发缓解型多发性硬化(RRMS)患者和21名进展型多发性硬化(PMS)患者。健康对照的纳入标准为年龄在18至65岁之间且至少接受过4年教育。患者根据修订版McDonald标准[17]被诊断为临床确诊的多发性硬化,处于无复发期,且在磁共振成像扫描前至少30天内未接受过类固醇治疗。排除标准为任何妨碍磁共振成像采集的重大医学状况(即妊娠、肾功能不全、心功能不全或肝功能不全)或存在严重精神障碍。因此,3名健康受试者因意外合并症被排除,1名参与者退出研究且不允许进一步使用其数据,1名参与者因吞咽困难而使用不同的头部线圈进行扫描,1名受试者未完成整个方案,1名参与者在磁共振成像采集前5天接受了静脉类固醇治疗,该情况仅在扫描后才报告。所有参与者均签署了知情同意书以参与本研究。本研究按照《赫尔辛基宣言》及其后续修订版进行,并获得圣保罗大学医学伦理委员会批准(方案编号3.256.558)。人口学差异在适用情况下采用非参数检验进行评估。
图像采集
脑部磁共振成像扫描在3 T SIGNA PET-MRI扫描仪(通用电气公司)上使用24通道头部线圈进行。扫描方案包括3D-T1w序列(TR/TE/TI = 7.664/3.112/600 ms,体素大小1 × 0.5 × 0.5 mm)和3D-T2w FLAIR序列(TR/TE/TI = 6500/141.213/1905 ms,体素大小1.3 × 0.5 × 0.5 mm)。
图像处理
将T2w-FLAIR图像配准至3D-T1w图像。使用SPM12(惠康信托神经影像中心,神经病学研究所,伦敦,2014)中病灶分割工具箱(LST)的病灶生长算法(LGA),以kappa值0.3在T1w和T2w-FLAIR图像上进行病灶分割,生成病灶概率图。随后,利用局部信息(即用相邻体素的强度填充病灶)将这些病灶概率图用于T1w图像的病灶填充,即使在受偏置场影响的图像中也能实现准确的病灶填充[18]。原始和病灶填充后的T1w磁共振图像通过SPM12[19]中的组织概率图进行灰质、白质和脑脊液(CSF)分割以及空间标准化至蒙特利尔神经学研究所(MNI)空间。通过视觉检查核实配准、分割、病灶填充和标准化的准确性。网络分析同时在原始T1w数据和病灶填充后的T1w数据上进行。
网络分析
图论网络分析包括4个主要步骤(图1):(1)定义适当的节点,(2)估计节点间连续的联系度量,(3)生成关联矩阵,(4)计算感兴趣的网路参数。使用SPM12 [20]中Wake Forest大学(WFU)Pickatlas工具的自动解剖标记(AAL)图谱内的116个感兴趣区(ROIs),从T1w图像中ROIs的灰质分割中提取灰质分数。对应于116个AAL ROIs的灰质分数被用作节点。使用图论脑分析(BRAPH)[21]从Spearman相关生成关联矩阵,以评估区域间关联(节点之间的边):较高的相关性表明较强的区域间关联。使用Spearman相关是因为其对离群值和不均匀分布不敏感。负相关被设为零,因为在存在负相关系数的情况下并非所有网络参数都能计算。近年来,使用加权图方面已有进展,并且越来越多的呼声要求在所有神经影像模态中使用加权图[22]。因此,使用加权无向图按组计算了若干网络参数(表1)。全局参数在全脑范围内计算,因此提供关于全脑网络完整性的信息。然而,节点参数是针对个别脑区计算的,因此提供关于个别脑区网络完整性的信息。
非参数置换检验应用于来自原始T1w MRI的数据和来自病灶填充T1w MRI的数据,以评估两组之间网络参数差异的显著性(HC vs. MS总计、HC vs. RRMS、HC vs. PMS和RRMS vs. PMS)[23]。检验的执行方式是首先确定两组之间每个网络参数的差异。然后,受试者在两组之间进行置换,并再次为置换后的组(包含两组受试者的混合)计算网络参数(例如强度)。该过程重复1000次。每次置换后,确定置换组之间网络参数的差异,产生组间差异的分布以及每个网络参数差异的95%置信区间(CIs)。HC(或在RRMS vs. PMS情况下为RRMS)被用作95% CIs的参考。如果特定MS组的分布位于参考组(HC或RRMS)的95% CI之外,则该差异在全局水平上被认为显著。节点水平的结果使用错误发现率(FDR)Benjamini–Hochberg程序[24]进行多重比较校正,q为0.05,以校正所测试区域的数量。如果未校正的p值均≤ 0.05且等于或小于FDR校正后的p值,则差异被认为真正显著且不依赖于偶然。
结果
研究人群
仅纳入未接受类固醇治疗、无合并症且正确完成整个MRI协议的患者进入图论网络分析。最终纳入19例健康对照(HC)、30例复发缓解型多发性硬化(RRMS)患者(病程9.3年±5.9)和19例进展型多发性硬化(PMS)患者(病程11.8年±6.8),其中11例为原发进展型、8例为继发进展型PMS(表2)。RRMS患者显著更年轻(年龄35.7岁 vs. 49.3岁,t = − 5.7,p < 0.001),且残疾评分显著低于PMS患者(EDSS 2.7 vs 6.3,U = 556,p < 0.001),但白质病灶的数量和体积、受教育年限及病程相似。令人意外的是,在HC中检测到少量非特异性脑病灶,这些病灶与特定诊断或病因不相对应。
基于原始T1w MRI数据的全局网络拓扑
模块度和同配性是仅有的在未进行病灶填充的T1w图像衍生的全局网络参数中显示组间显著差异的参数。HC的模块度显著高于MS患者。T1w衍生的同配性(相关系数,指示相似节点是否彼此相连)在HC中显著低于MS患者(表3,图2)。这两个参数在RRMS与PMS患者之间均无显著差异。
病灶填充
对T1w MRI数据应用病灶填充以评估病灶填充对图论网络结局参数的影响。在研究人群中总共检测到804个病灶。病灶填充伴随总计233个伪影,其中79个为严重伪影(组织分类错误),152个为轻微伪影(图3)。病灶填充产生的大多数伪影见于组织交界处的病灶(例如白质与脑脊液交界处,或白质与灰质交界处)以及体积较大的病灶。使用Spearman相关性进行的定量评估显示,总病灶体积与病灶填充伪影数量之间存在相关性(r = 0.84,p < 0.001)。图4展示了病灶填充伪影对灰质分割的严重影响示例。无论病灶填充伪影的程度如何,所有图像均纳入网络分析。
病灶填充后MRI的全局网络拓扑
对填充病灶的T1w图像进行网络分析(图5和表3)显示,HC与总MS组之间在所有全局网络参数上均存在显著差异。特别是,总MS组的平均度、平均强度、全局和局部效率、聚类系数、传递性、同配性和小世界性显著升高,而平均路径长度和模块度显著降低(表3)。HC与RRMS比较显示,所有参数均存在类似的显著差异。PMS组仅在平均度、平均强度、传递性、路径长度和模块度这些参数上与HC存在显著差异。对于所有网络参数,PMS组的得分偏离HC的程度小于RRMS组。在任何参数上均未发现RRMS与PMS组之间存在统计学显著差异。
有无病灶填充的节点网络拓扑
节点网络拓扑的区域值见附加文件1:表S1–S6。为更好地概览,经FDR校正的显著节点(q = 0.05)按其解剖位置汇总(表4)。在评估源自原始MRI数据的个体节点水平的网络参数时,与HC相比,PMS额叶的度在统计学上显著降低,而PMS后颅窝的度较HC升高(附加文件1:表S1)。经错误发现率(FDR)校正后,任何其他参数均未观察到组间显著差异。相反,对填充病灶的T1w图像进行网络分析显示,即使经过FDR校正,许多区域网络拓扑在组间仍存在统计学显著差异(表4和附加文件1:表S2–S6)。
与HC相比,所有MS组所有脑区的节点度均升高。总MS组和RRMS组后颅窝的节点强度、全局效率和聚类系数高于HC,但在PMS中未受影响。在所有MS组中,颞叶、顶叶、枕叶和后颅窝的路径长度低于HC。在总MS组和RRMS组中,额叶以及岛叶和扣带回的路径长度也降低。
更详细地评估这些区域(附加文件1:表S2–S6),在所有MS组中,大多数网络参数在右侧Heschl回、小脑 crus 2和右侧小脑7b部分受到影响,而节点度、节点强度、路径长度和聚类系数在右侧枕上回以及左右侧颞中回也受到影响。
左侧辅助运动区的节点度仅在PMS患者(108)中较HC(112)显著降低,而在RRMS患者(115)中未见显著降低。此外,左侧距状裂(CAL.L)、左侧背外侧扣带回(DCG.L)和右侧中央旁小叶(PCL.R)的节点度和路径长度仅在RRMS中受到显著影响(CAL.L:115;1.36,DCG.L:115;1.45,PCL.R:115;1.55),而在PMS患者中较HC未见显著影响(CAL.L:115;1.69,DCG.L:113;2.10,PCL.R:110;2.40)(HC分别为CAL.L:112;2.53,DCG.L:110;2.57,PCL.R:105;2.96)。右侧壳核的节点度仅在RRMS患者(115)中较HC(97)受到影响,而在PMS患者(100)中未受影响。
讨论
MS是一种高度异质性疾病,其发病机制和症状表现因人而异。然而,症状和残疾之间存在相似性,提示发病机制中存在共同通路。因此,本研究旨在寻找MS中受影响的区域,这可能提示该区域在MS发病机制中的重要性。此外,我们研究了MS表型之间区域是否受到差异性影响,并且最重要的是,病灶填充对源自结构T1w MRI图像的图论网络参数计算的影响。尽管病灶填充对某些病灶引入了明显伪影,但它显著降低了MS患者之间的异质性,使得能够在相对较小的数据集中检测到更多网络参数差异。总体而言,RRMS与HC组之间的全局网络参数差异大于PMS与HC组之间的差异,但未观察到RRMS与PMS组之间的显著差异。在PMS和RRMS中,所有研究的网络参数在右侧颞横回、小脑脚2和小脑7b部的节点水平上均受到影响。这表明这些区域在MS发病机制中的重要性。
对原始T1w MRI数据进行的图论网络分析在全球层面上仅检测到组间少数差异。观察到的唯一全局效应是,与健康对照(HC)相比,多发性硬化(MS)患者的模块度降低且同配性增高。高度数节点倾向于与低度数节点相连,这导致较低的同配性[14, 25]。因此,MS患者中同配性增高提示网络更为随机,而模块度降低也支持这一观点。在节点层面上,观察到中央前回度数降低,左侧小脑第6部分及蚓部第6部分度数增高。由于较高度数表明该节点连接更好,这似乎与其他文献相矛盾,后者发现小脑功能障碍在MS中很常见[26]。然而,为维持高效率而进行的功能重组是一种常见现象,这可能导致特定脑区生成更多连接。本研究中其他网络参数缺乏显著差异,可能归因于MS患者之间的异质性,而这可由MS病灶的随机分布或弥漫性脑病理引起。这意味着致病效应只有在足够严重时才能被观察到。
为补偿多发性硬化(MS)患者间的异质性并提高数据分析的敏感性,常进行病灶填充。研究表明,应用此类方法可提高灰质(GM)和白质(WM)体积估计的可重复性和可靠性[27–29]。这导致若干研究将病灶填充应用于T1加权结构图论网络分析。然而,由于MS病灶在T1w MRI上的低信号呈暗色,病灶强度可能与GM相似,从而导致错误组织分割。由于病灶所代表的病理改变被省略,且尚未对病灶填充的效果进行彻底评估,病灶填充后网络分析结果的可解释性仍存在争议。尤其在图论网络分析中,节点强度的微小变化可能产生重大影响。例如,如果受累枢纽靠近近皮质病灶,病灶填充在“恢复”结构时可能错误地插入额外GM体素,从而可能导致错误结果(见图3和图4)。在本研究中,我们还发现大量由不准确病灶填充产生的伪影,尤其是在脑内病灶数量高的患者中。然而,轻微伪影的影响应很小,因为它们被认为对组织分割没有影响或影响可忽略,因此即使有影响也几乎不应影响网络参数的计算。然而,对于严重伪影,组织分割在一定程度上受到影响,但对网络参数计算的影响可能有限,因为病灶出现在随机位置,因此由病灶填充引起的伪影也是如此。因此,伪影只会导致假阴性结果,从而导致显著性发现减少。因此,应用病灶填充的研究应仔细评估病灶填充图像的伪影,尤其是对于包含大量脑病灶的数据集。优化病灶填充准确性的一种可能解决方案是仅纳入WM体素用于近皮质WM病灶的病灶填充。
尽管病灶填充方法并不完美,但来自病灶填充T1w数据的网络参数的95%置信区间(CI)小于来自原始T1w数据的相应参数。因此,应用病灶填充时获得了判别力的显著提高。MS的异质性导致患者间病灶数量、病灶大小和病灶位置的高度变异。所应用的图论方法按组计算网络参数,因此预期受试者间高度异质性会影响这些计算的稳健性。这也可能解释应用病灶填充时显著性发现数量的大幅增加,从而能够在小型数据集中检测到细微差异。
在从原始T1w MRI得出的网络参数中,差异主要在全局水平上被检测到。然而,原始T1w MRI数据集在多个受影响区域产生了多个在组间显著不同的结节参数(未校正),但这些效应未能通过FDR校正。相比之下,基于病灶填充T1w的参数在全局和节点水平上均显示出显著差异。这表明,病灶填充MRI的结果并非病灶填充方法引入的伪影所致,因为这些差异在原始数据中已经存在。因此,原始数据集中的方差很可能过高,无法达到统计学显著性。通过降低方差,病灶填充提高了统计效能。因此,克服组间异质性的另一种方法可能是使用大样本量而不进行病灶填充。
使用病灶填充T1w数据集,我们发现与HC相比,MS患者的全局和局部效率增加,模块度降低。这与Fleischer(2017)和Kocevar(2016)的发现一致[12, 14],可能提示为维持高脑效率而发生的功能重组。然而,我们关于全局和局部效率增加及模块度降低的发现与其他研究结果相反,这些研究发现全局和局部效率降低(He 2009、Shu 2011、Shu 2016和Llufriu 2017)[8–10, 15]。我们的研究设置与Kocevar最为相似,使用T1w MRI评估不同MS类型,而He及其同事未使用健康对照,仅用T1w MRI研究了RRMS。Shu(2011)、Shu(2016)和Llufriu的研究分别使用DTI研究了RRMS、CIS和总MS人群。这些研究之间的差异说明了比较源自不同结构网络的图论网络参数的困难,如用DTI评估的WM连接性和用T1w评估的GM连接性。
此外,我们的研究表明,RRMS患者的网络参数总体上比PMS患者偏离HC更多。这一观察似乎与Schoonheim及其同事的研究一致[30–32]。根据他们的假说,MS患者的大脑网络功能重组作为结构损伤的代偿机制发生,这与我们发现在RRMS患者中效率高于HC的发现一致。因此,网络效率保持足够高以维持认知表现。然而,大脑的功能重组能力存在阈值。当达到该阈值时,大脑不再能够完全代偿结构损伤,正如本研究中与RRMS患者相比PMS患者观察到的效率降低所提示的那样。这也得到了评估病灶内轴突密度的研究的支持,这些研究发现与RRMS相比,进展型MS中轴突数量较少[33–35]。因此,我们的结果与Fleischer和Kocevar的发现一致,并支持Schoonheim假说[12, 14, 30]。
未来的研究应全面评估当前病灶填充方法的准确性,并评估在T1w扫描和组织分割上产生的伪影。这样的研究将能够确定最优的病灶填充方法,并指明是否需要进一步开发病灶填充方法。在此类研究完成之前,无法就病灶填充的最佳应用得出明确结论。尽管如此,我们的研究清楚地说明了病灶填充对网络参数计算可以产生的积极影响,尽管产生了相当数量的伪影,这突出表明在应用病灶填充之前需要谨慎考虑。
总之,我们发现病灶填充的应用降低了结构T1w网络分析的变异性并提高了其敏感性。尽管病灶填充并不完美,我们假设病灶填充的应用对于样本量较小的研究尤为重要。在这项样本量相对较小的研究中,病灶填充确实使图论网络分析能够证明,与小脑脚2、小脑7b部和Heschl回相关的网络在所有类型的MS患者中均受到影响,而涉及辅助运动区的网络仅在PMS患者中显著受到影响。
补充信息
附加文件1。补充数据,显示原始T1w扫描和病灶填充T1w扫描的灰质分数在各项比较中具有显著差异的网络参数。此外,还提供了自动解剖标记(AAL)图谱感兴趣区(ROI)、缩写和脑叶分类的概述。
引用
- van der Weijden CWJ, Pitombeira MS, Haveman YRA, et al. The effect of lesion filling on brain network analysis in multiple sclerosis using structural magnetic resonance imaging. Insights Imaging. 2022. PMID: 35347460. doi:10.1186/s13244-022-01198-4
- 全文:PMC8960512(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8960512/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。