Structural covariance analysis for neurodegenerative and neuroinflammatory brain disorders.
研究背景
神经退行性和神经炎症性疾病是脑功能障碍主因。传统MRI参数与个体功能障碍和疾病轨迹仅部分相关。近年来研究聚焦分析共变形态模式重建脑区间结构关系，即结构共变。高级计算策略产生的属性与临床状态或认知表现更相关。本文综述评估个体层面形态共变网络的方法及其应用。
方法速览
文中综述多种构建个体形态共变网络的方法，如Tijms等人的旋转立方体方法等。这些方法将个体MRI测量转换为形态特征向量的成对区域间相关性相似性矩阵，构建网络并计算图论属性。
主要发现
- 健康受试者老年化和认知域追踪：个体形态共变分析发现稳定枢纽区域，枢纽架构是大脑组织稳定基本方面。形态共变网络在健康寿命中表现出适应性结构重组。
- 轻度认知障碍和阿尔茨海默病脑重组追踪：随年龄增长，聚类系数和局部效率线性下降，形态共变网络与年龄呈倒U形关系。阿尔茨海默病患者相关指标下降，且与认知表现相关。
- 帕金森病结构改变量化：帕金森病早期患者图论形态网络变化显著，包括网络分割增加、节点中心性改变，与运动障碍和疾病严重程度相关。
- 额颞叶痴呆患者脑改变：行为变异型额颞叶痴呆患者连接密度等指标更低，认知障碍与形态网络变化相关性强。
- 多发性硬化症结构网络改变：患者聚类系数和路径长度低，网络拓扑更随机，与认知功能缺陷相关。认知康复训练可改善局部效率。
总结展望
本文强调个体层面分析和多模态整合的创新性，但方法存在分割准确性、节点定义及生物学机制不明等局限性。未来需解决这些问题，深入理解脑疾病的结构 - 功能关系。