论文部分内容阅读
[目 的]强迫症(obsessive compulsive disorder,OCD)是一类以反复持续性、侵入性的强迫思维和(或)重复的、难以自主控制的强迫行为为核心症状的精神障碍,其发病机制至今不明,大量影像学研究及本人硕士课题的发现提示患者存在复杂而广泛的脑结构改变。从脑网络组学层面进行探究可以更好地了解疾病的神经机制;而探索与OCD诊断相关的神经生物学标记对于未来临床具有重要的参考意义。因此,本课题拟在前期研究基础上,进行以下3部分研究:1、探究OCD患者脑白质微结构的异常特征;2、研究首次发病未治疗的OCD患者脑结构的网络组学特征;3、采用机器学习方法对多个模态多个影像学指标,进行多元模式分析以确认识别OCD的最佳影像学标记。[方法]1、采集52例OCD患者和46例健康对照的弥散张量成像(diffusion tensor imaging,DTI)数据,使用 FMRIB Software Library(FSL)软件,采用基于纤维束示踪的空间统计学分析(Tract-based spatial statistics,TBSS)比较患者组与健康对照组各向异性分数(fractional anisotropy,FA)和平均扩散系数(mean diffusivity,MD)的差异,并对存在差异的指标与耶鲁-布朗强迫量表(Yale-Brown Obsessive-Compulsive Scale,Y-BOCS)评分、强迫思维评分、强迫行为评分进行Pearson偏相关分析,并进一步在未治疗患者组(n=27)中重复分析验证。2、纳入首次发病未治疗的OCD患者28例和相匹配的健康对照28例,基于DTI数据,采用确定性纤维追踪的方法构建脑结构网络,采用基于图论的分析方法比较患者与对照组间全局网络属性、局部节点属性以及“富人俱乐部”(rich-club)属性的差异。将组间比较存在差异的网络属性与患者的Y-BOCS评分、强迫思维评分、强迫行为评分进行Pearson偏相关分析。3、采集48例OCD患者和45例相匹配的健康对照的结构磁共振(structural magnetic resonance imaging,sMRI)和DTI数据,对于sMRI数据进行基于体素的形态学分析方法(voxel-based morphometry,VBM)预处理得到全脑灰质体积、白质体积,对于DTI数据使用与第一部分研究相同的预处理方法得到FA和MD,基于灰质体积、白质体积、FA和MD四个特征,采用支持向量机(support vector machine,SVM)进行OCD患者与健康对照的机器学习分类研究,判断识别OCD的最优指标及每个特征中对分类识别意义最大的10个脑区。[结 果]1、OCD脑白质完整性研究结果OCD患者胼胝体体部和胼胝体膝部FA值减小(P<0.05,FWE校正)。在全部OCD患者组(n=52)和未接受过治疗的患者(n=27)中,均未发现胼胝体体部或膝部的FA值与Y-BOCS总分、强迫思维评分或强迫行为评分存在显著相关性(均P>0.05)。2、OCD脑网络组学研究结果(1)在全局属性中,患者组和健康对照组均存在小世界属性,但患者组小世界属性值σ、标准化聚类系数γ、特征路径长度Lp显著减低,全局效率Egl。b显著增高(FDR校正)。(2)局部节点属性Enodal的比较发现,在P<0.01未校正水平,患者左侧额中回的Enodal减低,右侧海马旁回及双两侧壳核的Enodal增高。(3)Rich-club属性比较发现,OCD患者标准化rich-club系数较健康对照显著增高;患者和健康对照的10个rich-club脑区为:双侧的辅助运动区、双侧的中央前回、双侧的中央后回、双侧的楔前叶以及双侧的颞中回;此外,OCD患者组的rich-club连接、feeder连接和local连接的连接强度均较健康对照组显著增强,且rich-club连接的强度与Y-BOCS总分呈正相关。3、多指标机器学习研究结果(1)在患者组与对照组的识别分类过程中,基于全脑灰质体积特征、白质体积特征、FA值和MD值的识别准确度分别为72.04%、61.29%、80.65%和77.42%(P<0.05,置换检验1000次),使用DTI指标区分OCD患者和健康对照的效果比使用sMRI特征更佳。(2)对于灰质体积特征,区分OCD和健康对照最具意义的脑区为:右侧前扣带回、右侧角回、右侧下顶叶、双侧旁中央小叶、左侧额下回以及双侧小脑区域;对于白质体积特征以及FA、MD两项DTI指标,识别分类意义最大的脑区较为一致,主要包括钩束、扣带束(海马部)、皮质脊髓束以及小脑脚。此外,外囊、穹窿和终纹、放射冠、大脑脚等神经束也对识别分类提供较大贡献。[结 论]1、OCD患者胼胝体体部和膝部FA值减低可能是其脑结构的特征性改变,胼胝体可能是OCD神经病理环路的关键脑区。2、首次发病未治疗的OCD患者脑的小世界属性减低,提示功能分离和功能整合的紊乱;脑的全局效率增高,多个脑区节点效率增高,患者的rich-club、feeder和local连接强度均增强,患者核心脑区神经纤维束的破坏可能导致了其他脑区间的连通性代偿性增高,全脑的信息传递效率因而呈现增高现象,这可能是患者反复性、持续性的强迫思维、强迫冲动和强迫行为的网络机制。核心脑区在信息处理中起到的重要作用使这些区域更有可能与症状严重程度直接相关。3、基于MRI的机器学习方法可能可以较好地区分OCD患者和健康对照,而使用DTI指标识别OCD患者的效果比使用脑体积特征更佳。OCD脑结构改变可能更多地以大脑广泛性、分散性、连通性的异常为特征,机器学习方法对呈空间分布的差异更为敏感。钩束、扣带束(海马部)、皮质脊髓束以及小脑脚白质改变对OCD的识别具有较高的价值,这对于未来临床诊断OCD具有重要参考意义。