脊髓型頸椎病患者大腦內在活動的改變和基于fMRI的分類研究

葛志超，吳佳佳，孫 浩，趙 慶

(1.上海中醫(yī)藥大學附屬岳陽中西醫(yī)結合醫(yī)院骨傷科，上海 200437；2.上海中醫(yī)藥大學附屬岳陽中西醫(yī)結合醫(yī)院康復科，上海 200437)

脊髓型頸椎病(cervical spondylotic myelopathy, CSM)亦稱癱瘓型頸椎病，此型較多見，癥狀嚴重，椎間盤退變導致肢體功能障礙、感覺喪失和疼痛[1]。CSM是頸椎病中最為嚴重的類型，常需手術治療。因CSM的發(fā)病與椎體的退化、椎間盤的退變、韌帶的增生肥厚直接相關，故以往的治療思路均局限于改善椎體、間盤、韌帶三者與脊髓之間的位置關系。即使手術解除了壓迫，仍有部分CSM患者肢體運動感覺功能恢復不佳[2]。隨著神經功能影像學技術的發(fā)展，越來越多的研究關注到脊髓受壓的同時大腦因長時間去感覺輸入和運動輸出刺激，將導致腦功能的重塑?；诟鞣N神經影像學技術的各個模態(tài)的腦功能和結構成像研究結果，從局部腦活動、腦區(qū)間功能連接、各個尺度腦網絡拓撲屬性、灰質和白質的結構改變、腦血流量，代謝產物等均證實了CSM可引起腦功能的改變[3-6]。但在這些研究中CSM患者和正常人之間的腦活動差異并不一致，并且機制仍不清楚。

近年來，多元模式分析方法(multivariate pattern analysis, MVPA)已廣泛應用于神經影像數據分析，以提取模式和個體的觀測值的分類[7]。大量研究已經證實MVPA模型可用于從被試大腦圖像中解碼信息，這些研究也為臨床工作提供了一個非常好的方法。根據既往的文獻，本研究假設CSM的患者在自發(fā)性大腦活動中表現(xiàn)出顯著變化，可用于將其與健康對照進行分類。因此，本研究旨在研究CSM對大腦內在活動的影響，探討CSM患者肢體功能障礙的神經機制。從CSM患者和健康對照被試中采集靜息態(tài)的fMRI數據，分析并計算低頻振蕩振幅(amplitude of low frequency fluctuation, ALFF)，使用MVPA中常用的支持向量機(SVM)方法，將組間具有顯著差異的影像特征值應用于分類，并進行臨床功能評估與分類決策值之間的相關性分析。

1 資料與方法

1.1 一般資料

2020年9—12月，選取12名需進行手術治療的右利手CSM術前患者(年齡30～75歲)和18名健康對照者(年齡30～75歲)為研究對象。所有CSM患者都有明顯的頸髓壓迫影像證據，包括黃韌帶肥厚、后縱韌帶骨化和頸椎間盤突出，并伴有與影像證據相符的臨床癥狀，包括四肢的運動、感覺功能障礙，軀干感覺功能障礙，膀胱功能障礙(包括尿潴留、尿失禁)。本研究的排除標準如下：(1)30歲以下或75歲以上；(2)不需要手術治療本研究中的CSM患者都是需要手術治療的患者，需要說明本研究是在手術之前還是手術之后，另外，手術前后患者腦功能是否有變化；(3)合并嚴重的心腦血管、造血系統(tǒng)等系統(tǒng)性疾病；(4)抑郁、焦慮、藥物濫用或其他精神疾病的病史；(5)MRI發(fā)現(xiàn)腦部異常(腫瘤、出血或梗死)；(6)磁共振掃描相關禁忌。本研究通過上海中醫(yī)藥大學附屬岳陽中西醫(yī)結合醫(yī)院倫理委員會的批準(KYSKSB2020-141)。所有參與研究的被試者均簽署知情同意書。

1.2 方法

1.2.1 臨床功能評估 對所有受試者進行MRI掃描之前均進行JOA問卷評分以評估神經功能，JOA評估包括上下肢運動、感覺功能評估，膀胱功能評估。得分越高表示脊髓壓迫造成的神經功能影響越小、臨床癥狀越輕。

1.2.2 fMRI掃描 所有磁共振圖像均使用西門子Magnetom Verio 3.0 T磁共振儀進行掃描。靜息態(tài)fMRI數據采用單激發(fā)平面回波序列(echo planar imaging, EPI)掃描獲得。掃描參數如下：隔層掃描，層數43，翻轉角=90°，矩陣=64×64，TR=3 000 ms，層厚=3.0 mm，F(xiàn)OV=230 mm×230 mm，gap=0(體素大小3.6 mm×3.6 mm×3.0 mm)。采用加權快速衰減梯度回波(FSPGR)序列進行T1WI結構掃描。掃描參數如下：TR/TI/TE=1 900/900/2.93 ms，翻轉角=9°，F(xiàn)OV=256 mm×256 mm，層厚=1.0 mm，矩陣=256×256，平均數=1。

1.2.3 fMRI數據預處理 在Matlab環(huán)境下進行。首先去除前10個時間點數據，然后采用SPM12軟件包(http：∥www.fil.ion.ucl.ac.uk/spm/)進行時間校正、頭動校正、空間標準化、平滑。

1.2.4 ALFF計算 采用REST 1.9軟件(北京師范大學，http：∥www.restfmri.net)先進行線性漂移，然后計算每個體素在低頻(0.01～0.1 Hz)的信號振蕩振幅值，獲得ALFF圖像。最后，將每個個體的ALFF值進行Z變換用于進一步統(tǒng)計分析。

1.2.5 特征選擇 并不是所有的特征都是有效的和相關的分類，篩選出具有很強識別力的特征來進行分類，適當減少特征的數量可以提高分類器的性能[8-10]。本研究提取CSM患者與健康對照的ALFF有顯著差異的腦區(qū)作為模板進行SVM分類。采用REST1.9軟件對Z值變換后的ALFF進行雙樣本t檢驗來比較組間差異，體素水平P<0.01未校正和團塊水平Alphasim校正P<0.05為差異有統(tǒng)計學意義。

1.2.6 支持向量機對受試者的分類 采用Matlab環(huán)境下的PRONTO 2.0工具箱(Pattern Recognition for Neuroimaging Toolbox software 2.0，http：∥www.mlnl.cs.ucl.ac.uk/pronto/)進行分類。提取上述ALFF有顯著組間差異的區(qū)域作為模板。將此模板應用于每一個個體zALFF圖像，以此作為分類建模的特征。本研究所建立的分類器是基于二分類的支持向量機。采用留一交叉驗證(leave one out cross validation, LOOCV)的方式來估計分類器的泛化能力。即將其中一個被試的zALFF作為驗證集，其余被試的數據作為訓練集。對每一個被試重復這一過程，記錄分類器作出正確預測的次數，計算靈敏度和特異度。采用置換檢驗(1 000次)評估SVM分類器的性能。并提取患者組的分類決策值進行下一步統(tǒng)計分析。

1.3 研究流程

將符合入排標準的被試分為CSM患者組和對照組，兩組被試均進行JOA評分及fMRI掃描；以fMRI掃描得出的ALFF值作為特征集，以ALFF有顯著組間差異腦區(qū)為模板，以組別為標簽；使用SVM分類算法訓練，將上一步得出的分類決策值與JOA評分進行相關性分析。

1.4 統(tǒng)計學處理

使用SPSS 22.0將患者組的分類決策值與JOA運動和感覺評分分別進行斯皮爾曼相關性分析，P<0.05為差異有統(tǒng)計學意義。

2 結 果

2.1 一般資料

CSM患者和健康對照組的一般資料和臨床評估結果見表1。CSM患者與健康對照在年齡、性別差異無統(tǒng)計學意義(P>0.05)。

表1 CSM患者和健康對照組一般資料比較

2.2 ALFF組間差異

經Alphasim校正后最小的團塊大小為118個體素，對應校正后的P值為0.05。結果顯示CSM患者的大腦內在自發(fā)活動性較健康對照升高，主要在左側小腦、左側中央前回、左側輔助運動區(qū)、右側前扣帶回，見圖1、表2。

圖1 CSM患者與健康對照的ALFF組間比較結果

表2 CSM患者與健康對照的ALFF組間比較結果

2.3 SVM分類

選擇在ALFF分析中顯示CSM患者與健康對照有顯著差異的腦區(qū)作為判別分析的模板，包括左側小腦、左側中央前回、左側輔助運動區(qū)和右側前扣帶回。SVM分類的準確率為86.67%(P=0.001)。該算法的總體分類準確性衡量了其將個體正確分類為CSM患者或對照的能力。敏感性為75.00%，特異性為94.44%，見圖2。

圖2 CSM患者和健康對照的SVM分類圖(A)及特征(ROC)曲線(B)

2.4 相關性分析

CSM患者的JOA功能評估與SVM分類決策值之間的相關分析結果顯示，分類決策值與JOA運動功能評分顯著負相關(r=-0.761 5，P=0.004)，與JOA感覺功能評分無顯著相關性(r=-0.070 5，P=0.828)，見圖3。

圖3 CSM患者的分類決策值與JOA運動功能評分(A)及感覺功能評分(B)之間的相關性分析結果

3 討 論

本研究將靜息態(tài)fMRI和機器學習方法相結合，探討CSM患者的大腦神經元自發(fā)活動的異常。結果發(fā)現(xiàn)與健康對照相比，CSM患者組在左側小腦、左側中央前回、左側輔助運動區(qū)和右側前扣帶回的ALFF顯著升高。進一步將有顯著差異的腦區(qū)作為判別分析的模板，使用SVM進行機器學習分類的結果顯示，CSM患者和健康受試者可以通過這些區(qū)域的ALFF來分類，并且CSM患者的分類決策值與JOA運動功能評分顯著負相關。這些結果可能對理解腦重塑改變和該疾病的臨床特征具有重要意義。

SVM是一類按監(jiān)督學習(supervised learning)方式對數據進行二元分類的廣義線性分類器(generalized linear classifier)，其決策邊界是對學習樣本求解的最大邊距超平面。簡單而言，SVM算法的目標是找到一個超平面分割不同類別的數據點，并且使得數據點與超平面的最小距離最大。該算法在腦功能成像[11]、輸血預測模型[12]、臨床數據識別[13]等臨床領域廣為應用。大腦可塑性變化是分散的，而非聚焦于某一點，SVM這種多元模式分析方法對于識別這些改變更加敏感，且基于個體水平的預測模型也是提供更具價值的神經影像學標志物的關鍵，定位影響功能預后的關鍵腦區(qū)，可根據腦影像特征與康復的這種個體水平的關聯(lián)性制定針對性的臨床康復策略。

神經損傷會引起神經元可塑性改變，從而導致大腦功能和結構的改變。突觸可塑性已被證實在許多神經系統(tǒng)疾病中出現(xiàn)，包括多發(fā)性硬化、腦卒中、脊髓損傷等[14-15]。既往已有多項研究表明脊髓損傷患者存在腦重塑改變，包括結構和功能重塑[16]。CSM是一種慢性脊髓損傷，提供了一個獨特的脊髓損傷的研究模型。已有大量功能影像研究報告CSM患者顯示出大腦運動感覺系統(tǒng)的重塑改變，基于任務態(tài)fMRI研究發(fā)現(xiàn)，CSM患者術前、術后中央前回及運動相關腦區(qū)激活體積較健康受試者有明顯改變，并且感覺運動腦區(qū)激活的變化與JOA上肢評分的改善相關[17]。

近年來ALFF已引起越來越多的關注。研究已將ALFF與腦血流量和任務誘發(fā)的大腦激活關聯(lián)起來[18]。ALFF的一個優(yōu)點是它可以專注于關鍵腦區(qū)的神經活動，而不是腦區(qū)之間的相關性。此外，ALFF在靜息態(tài)fMRI指標中的可靠性和可重復性之間達到最佳平衡[19]。本研究發(fā)現(xiàn)，CSM患者主要以左側的運動中樞和運動調控腦區(qū)的ALFF較健康被試顯著升高，提示CSM患者在優(yōu)勢半球的運動相關腦區(qū)存在顯著重塑變化。中央前回是第一運動區(qū)，是負責計劃、控制、運動執(zhí)行的大腦皮質區(qū)[20]。小腦直接參與運動協(xié)調和相關運動學習，是感覺運動處理神經環(huán)路的關鍵腦區(qū)，可主動參與感覺及運動信息的整合[21]。運動輔助區(qū)的功能與運動計劃有關，主要參與自身產生和控制的運動，而不是在外界刺激下所產生的運動[22]。前扣帶回接受來自額葉背側、眶額皮質、島葉和丘腦的傳入，并有廣泛傳出至運動前區(qū)、眶額皮質、輔助運動區(qū)(SMA)、前島葉皮質、杏仁核和腦干，涉及情緒、認知、運動、內臟運動、疼痛等多種功能[23]。這些運動相關的腦區(qū)為主的ALFF增高，提示CSM患者可能需要調動更多的運動中樞和運動調控腦區(qū)參與功能代償，且以優(yōu)勢半球為主。Takenaka等[24]也已分析CSM患者的ALFF改變，結果發(fā)現(xiàn)雙側初級感覺運動皮層和左側視覺皮層的ALFF值增高，雙側緣上回后部ALFF值降低，CSM患者的術前ALFF值可能是術后JOA評分改善水平的生物標志物。臨床實踐中需要對患者進行個體水平的分類或評估，而常規(guī)統(tǒng)計方法不允許在個體水平評估分析結果。本研究采用MVPA方法從被試大腦圖像中解碼信息，以顯著差異腦區(qū)的ALFF為特征進行SVM分類，并將分類決策值與臨床功能評分進行相關性分析，結果發(fā)現(xiàn)CSM患者和健康受試者可以通過這些區(qū)域的ALFF來分類，且分類決策值與JOA運動功能評分顯著負相關。進一步提示fMRI可作為一種標志物以用于探索CSM患者功能障礙的神經機制。

本研究采用MVPA方法研究CSM患者大腦內在活動的變化，結果發(fā)現(xiàn)CSM患者主要在優(yōu)勢半球運動相關腦區(qū)的自發(fā)性大腦活動增加。SVM分類表明這些差異腦區(qū)的自發(fā)活動可以在個體水平準確區(qū)分CSM患者和健康對照，且分類決策值與臨床運動功能評分顯著負相關，因本研究納入的CSM患者均為右利手，且右利手大多數是左側半球優(yōu)勢[25]，故結果結果提示CSM患者可能需要調動更多的運動中樞和運動調控腦區(qū)參與功能代償，且以優(yōu)勢半球為主。本研究結論與目前相關研究結論[26-27]相似，但目前尚無相關文獻明確提出優(yōu)勢半球在CSM患者的功能代償中的意義。這些結果可能對解釋CSM患者功能障礙的潛在的神經機制和理解功能障礙與大腦不良重塑之間的相互作用具有重要意義。在CSM的臨床診療中，除了對受壓迫的相應脊髓節(jié)段的精準減壓治療外，還應當關注由CSM引發(fā)的腦功能改變，并合理的進行腦功能層面的治療，這對提升短期療效以及CSM的遠期康復療效可能具有重要意義。盡管如此，仍需要進行更多的研究，包括多模態(tài)指標的綜合研究以幫助進一步研究CSM的腦重塑機制。