网站首页 > 新闻中心 > 学习园地
联系方式
手机:18580429226
联系电话:023-63084468
联系人:杨晓飞
联系邮箱:syfmri@163.com
联系地址:重庆市渝中区青年路38号重庆国际贸易中心2004#
信息内容
Lancet Neurology:最低意识障碍脱离患者的意识神经关联的多模态影像学研究
发布者:admin 发布时间:2020/6/28

意识障碍是指人对周围环境以及自身状态的识别和觉察能力出现障碍。一般分为两种,一种以兴奋性降低为特点,表现为嗜睡/意识模糊/昏睡直至昏迷;另一种是以兴奋性增高为特点,表现为高级中枢急性活动失调的状态,包括意识模糊/定向力丧失/感觉错乱/躁动不安/言语杂乱等。意识障碍中特殊的障碍群体包括:无反应觉醒综合征和最低意识状态,无反应觉醒综合症是我们常说的“植物人”,最低意识状态是一种严重的意识障碍,但与“植物”状态不同的是,这种障碍人群存在最小但仍旧较为清晰的认识自我和周围环境的能力。

这些意识障碍都得到了研究者的广泛关注,但在病理性意识障碍与正常意识之间存在一个几乎未被研究的过渡区域——最低意识状态脱离(或者也叫脱离最低意识障碍)。这种状态是指患者恢复功能性沟通能力或使用物体的能力或两者兼备。这种状态处于最低意识状态到恢复意识之间的一个模糊空间。对该阶段的理解可能有助于我们理解为什么一些最低意识状态病人在后续出现了康复,而一些则没有。

来自比利时列日大学昏迷科学研究组通过多模态磁共振,对比意识障碍患者及健康对照组,研究了最低意识障碍脱离患者的神经关联。


  本文重点:

研究方法:

横断面多模态研究,被试包括无反应觉醒综合征、最低意识状态、及最低意识状态脱离,通过昏迷恢复量表诊断(ComaRecovery ScaleRevised)。主要的排除标准包括急性状态下神经影像学检查,镇静或麻醉后扫描发现大面积脑损伤病灶、头动参数平移超过3mm旋转超过3°、次优分割与配准问题。得到静息态功能及结构MRI数据、FDG PET。采用基于种子点的fMRI分析,研究DMN正连接(网络内部相关)及DMN负连接(网络间反相关)。将FDG-PET表征的脑代谢与fMRI功能连接度进行关联。最后采用基于体素的形态学测量探究解剖形态的改变对于功能连接的影响。

研究结果:

该研究共纳入58例患者,其中2136%)为无反应觉醒综合征,2441%)为最低意识状态,1321%)为最低意识状态脱离,以及35例健康对照组。研究发现,DMN网络正负连接、脑代谢、灰质体积随意识水平上升而增加P<0.05FDR校正)。DMN网络正连接在病例对照组间存在差异而病例组内无差异,DMN网络负向连接仅出现在健康对照组及最低意识状态脱离患者。无反应觉醒综合征及最低意识状态患者表现出病理性网络间正向连接(超连接)。大脑代谢与DMN网络正向连接(Spearmansr=0.50,p<0.0001)及DMN网络负向连接(Spearmans r=-0.52,p<0.0001)相关。灰质体积各组间并无差异。

 

结论:

最低意识状态脱离患者的网络间负相关的部分保留,可能起源神经元,不能仅由形态学变化来解释,是患者由最低意识状态脱离的特征。相反,意识障碍患者表现为病理性网络间相关。除了对意识的神经关联有了更深的理解以外,该研究在临床上对于相关预后的预测及新治疗靶点具有一定的提示作用。

 

研究背景:

意识障碍包括由大面积脑损伤造成的深度意识的中断。例如,植物人(无反应觉醒综合征)可以保留清醒状态,体现为睁眼,但是他们的行为仅局限于反射性运动,未表现出对自我或环境的意识的征象。当病人体征出现波动,如出现可重复性的非反射行为(视觉追踪、遵循命令),但仍不能进行功能性交流(用有意义的方式进行沟通),被认为处于最低意识状态。从该种状态脱离表现为患者重获足够的意识进行功能性交流或通过运动对物体进行使用,并与之功能相符,我们将之称为——最低意识状态脱离(或脱离最低意识状态)。

临床的行为评估依赖于运动反应性,然而,缺乏反应性并不一定对应意识的缺失,因为患者可能因脑损伤而造成运动或语言障碍,使临床评估复杂化。因此,开发运动依赖的成像技术以避免行为评估造成的诊断错误是必要的。研究通过被动(感觉刺激)、主动(指令下的运动反应)及静息态鉴别最低意识状态及无反应综合征大脑模式的不同对于临床诊断意义重大。其中,静息态评估对于意识障碍尤其合适,因其无需患者的互动及复杂实验装置的应用。

静息态默认网络与任务相关网络间的负连接与认知功能关联,负连接的增加提示注意力由内在至外在模式转换的能力。意识障碍的研究中,默认网络内部正连接的中断随着意识障碍的严重而增加。同时,尽管默认网络的正向连接在健康被试中与大脑代谢相关,但其负向连接与大脑代谢的关联在健康或疾病状态未被研究。

目前,关于最低意识状态脱离的研究有PET研究,其大脑代谢结果显示,在最低意识状态脱离患者中,默认网络的正向连接与负向连接均被保留,但是在无反应觉醒综合征及最低意识状态中不存在。该研究提示默认网络的负连接可能需要代谢活动,可作为一个最低意识状态脱离的特征。

因此,本研究主要目的在于刻画不同意识障碍患者及对照组的默认网络的正向连接及负向连接。为探究其是否为神经来源,将功能连接度与PET所得到的大脑代谢信息进行比对。为排除解剖变形对功能连接度的影响,采用基于体素的形态学方法,比较组间灰质体积的差异。

 

实验材料及方法:

被试:

横断面多模态影像研究。被试由昏迷回复量表(Coma Recovery Scale RevisedCRS-R)进行行为学评估,被诊断为无反应觉醒综合征、最低意识状态、及最低意识状态脱离。排除标准包括急性期(脑损伤28天内)神经影像学数据,为避免运动伪影扫描期间进行了麻醉(可能由于被试过于特殊,一般来说,静息态扫描中是要避免用药的),大面积脑损伤(超过大脑半球的2/3,由神经放射学医师鉴定),头动参数平移超过3mm,旋转超过3°,次优分割与配准。对照组被试依据年龄、性别进行匹配。 SHAPE  \* MERGEFORMAT

补充图被试筛选流

数据

静息态fMRI,FDG-PETGemini TF PET-CT scanner),T1 MRI

预处理:

rsfMRI采用SPM8进行数据预处理。基于患者及健康对照T1数据进行平均,通过DARTEL创建一个模板用于配准。该模板通过减少病人配准步骤所需变形,最小程度的减少配准难度,降低错误分类的可能性,以及将VBM过程中出现的误差正常化。

在既往研究中,BOLD信号的降噪处理减去全脑平均信号以及感兴趣噪声区域的平均信号,前者在静息态研究中存在争议。该研究采用基于解剖成分的噪声校正,CONN functional connectivity toolbox实现

该方法对噪声的影响进行建模,通过噪声感兴趣区域导出主成分,将几种经验性评估的噪声来源进行体素特异性的线性结合,将其纳入一般线性模型的协变量。

将每个被试的解剖图像分割为灰质、白质、脑脊液。以白质和脑脊液的一个体素大小为mask,提取平均时间序列信号,为了不受灰质信号影响,作者提取了未进行平滑的数据的白质信号和灰质信号作为协变量进行回归。

该研究采用0.008-0.09带通滤波,将分析限制于低频振荡,fMRI 静息态BOLD信号为低频信号。回归头动信号(3个旋转参数、3个平移参数以及6个一级衍生变量,也就是回归了12个)。由于被试在扫描间内移动严重影响功能连接的结果,针对于最优头动校正,目前尚没有就哪种方法可有效解释运动伪影的普遍共识。为了减少数据的丢失,采用伪影探测工具进行伪影的探测及剔除。

具体来讲,图像在xyz方向上较上一层移动超过0.5mm,旋转超过0.02个弧度或全脑平均信号强度超过所有静息态数据平均信号强度的3个标准差以上作为离群值。将离群值的全脑信号强度以及头动作为协变量(即一水平一般线性模型中一个离群值一个回归参数)。由此,数据的时间结构是连续的。最后,对每组病人的原始头动曲线计算头动指标(速度和位移),进行组间比较。随后将这些值与年龄、性别、病程及发病原因(创伤性、非创伤性)作为协变量进入组水平一般线性模型。

FDG-PET数据采用SPM8进行预处理及分析,采用比例即每个体素的值除以全脑平均信号强度。

采用SPM8 DARTEL进行基于体素的形态学分析(VBM8),将T1数据分割为灰质、白质、脑脊液,采用分割后的灰白质图像得到一个更加准确的病人间配准模型。该模型交替进行计算组模板以及对配准至该模板过程中的个体组织概率图谱进行形变,最终生成个体flow field。最后将个体图像配准至MNI模板。调整后的配准图像确保灰白质体积被完整的保留

统计分析:

计算静息态功能连接度,采用基于种子点的全脑功能连接分析方法。选取DMN网络重要节点(内侧前额叶[–1, 54, 27] 以及后扣带皮层 [0, –52, 27]),以峰值为中心5mm半径的球形种子点,提取种子点的时间序列进行平均。然后计算基于该种子点的全脑正相关及负相关的r值图,进行Fisher’Z转换以进行组间比较。

分析采用两因素(DMN正连接&DMN负连接)4水平(无反应觉醒综合征、最低意识状态、最低意识状态脱离、健康对照),同时将头动速度与位移值、年龄、性别、病程及发病原因(创伤性、非创伤性)作为协变量作为协变量。作者分别使用了线性回归和非线性回归的方法估计各因素的beta值。

研究共检验3个假设:     

1)由最低意识状态脱离的患者会存在介于最低意识状态及健康对照之间的默认网络的正连接;    

2)由最低意识状态脱离的患者保留默认网络的负连接,而最低意识状态及无反应觉醒综合征患者不存在;

研究拟合多元线性回归模型,因变量为正连接(假设1)或负连接(假设2),意识状态水平为解释变量。对相应β值进行t检验,在体素水平分析。同时,该研究进行非线性对比,(这是考虑到最低意识状态脱离的患者与健康对照差异较小,而与其他意识障碍患者差异较大。)显著性水平p<0.05FDR校正。

对具有显著影响的体素的Z值进行平均,获得显著体素的平均效应量用来检验假说(如正负连接度随意识障碍水平逐渐增加)。该研究也使用了ANOVAF检验),将该平均效应量作为一个变量。然后进行双样本t检验分析组间差异。同时,对所有组进行全脑水平的差异分析,检验所有可能的对比(如:结果是否在每一次比较的第一组大于或低于第二组,无反应觉醒综合征 vs. 最低意识状态,最低意识状态vs. 最低意识状态脱离,无反应综合征 vs. 最低意识状态脱离,无反应综合征 vs. 对照,最低意识状态脱离vs. 对照)。显著性水平p<0.05FDR校正。

3)确定默认网络正连接与负连接的差异是神经元起源的。

为检验这一假说,对葡萄糖摄取值进行与上述fMRI DMN网络正相关相同的统计学分析。为观察大脑代谢与功能连接度相重叠的区域,将FDG-PET分析获得的图像与DMN网络正负连接图进行叠加。基于高代谢区域与功能连接更为相关,为了考虑到BOLD连接值分布的非正态性,采用Spearman’s相关,以观察葡萄糖消耗与功能连接之间的相关性,分析针对与意识障碍水平呈线性相关的区域。FDG-PET分析中后扣带皮层(coordinates6, –38, 30)最显著峰值的葡萄糖摄取值与和后扣带皮层存在功能连接的DMN网络正负连接最显著峰值的Z (coordinates4, 47, 2 [positive], and42, 46, 14[negative]) 进行比较。对前扣带皮层进行同样的分析。

最后,为排除结构形变对功能连接的影响,进行基于体素的形态学分析。并对分割后的灰质体积进行了与上述相同的检验。

假设意识水平是连续变量,将所有测量值与CRS-R评分进行相关分析。显著性水平p<0.05FDR校正。 

结果:

该研究共纳入58例患者,其中2136%)为无反应觉醒综合征,2441%)为最低意识状态,1321%为)最低意识状态脱离。所有患者均进行MRI扫描,44例在MRI扫描4天内进行FDG-PET。下表为病人的人口统计学信息。

1.病人的临床及人口学特征

注释:VS/UWS=植物人状态/无反应觉醒综合征;MCS=最低意识状态;EMCS=最低意识状态脱离;*患者存在至少2.5cm3病灶;†患者无任何存在意识的征象,但PET提示在MCS中存在大脑代谢,无反应可能与视觉和Broca区域的代谢异常相关;

两个头动指标评估患者较对照组的头动。第一个为指标D,测量在整个扫描期间随时间变化的平均位移(平移单位mm,旋转单位°);第二个指标为R,测量整个扫描期间随时间变化的平均位移速度(重复时间的变化)。平均头动位移在最低意识状态脱离的患者中显著高于健康对照,在无反应觉醒综合征与最低意识状态患者中无差异。位移速度在无反应觉醒综合征与对照及最低意识状态与对照存在差异,其他无差异。      

结果表明:DMN正连接随意识障碍水平改变而显著上升这些变化主要位于前扣带、内侧前额叶、后扣带皮层、楔前叶、颞顶交界、额上中回、右侧颞叶及小脑(p<0.05,FDR校正,图1A)。与CRS-R评分存在相关的区域同样位于上述相似的区域。显著体素的平均效应量的ANOVA分析表明,组间存在显著差异(p<0·0001)。双样本t检验患者组均与对照组存在显著差异。DMN网络正连接在各病例组间无显著差异(图2A)。

随意识障碍水平改变的DMN负连接主要为位于背外侧前额叶、下顶叶、顶内沟、枕颞皮层、内侧额叶以及中央旁回、岛叶、双侧楔叶(图1B)。与CRS-R评分存在相关同样位于上述相似的区域。显著体素的平均效应量ANOVA分析组间存在显著差异(p<0·0001)。双样本t检验患者组均与对照组存在显著差异,无反应觉醒综合征与最低意识状态脱离、最低意识状态与最低意识状态脱离存在显著差异。网络间负相关(如DMN网络与任务相关网络)在无反应觉醒综合征及最低意识状态之间无差异(图2B)。相比之下,无反应觉醒综合征患者与最低意识状态患者存在网络间病理性相关,而由最低意识状态脱离患者负相关部分恢复(图2B)。

脑代谢随意识障碍水平增加主要位于额、顶、枕中线区域及丘脑、基底节、额顶叶、顶枕叶及颞叶区域外侧,更广泛的分布于左侧(图1C)。与CRS-R值存在相关的区域主要位于额顶叶外侧及颞叶上部。显著体素的平均效应量ANOVA分析显示组间存在显著差异(p<0·0001)。双样本t检验显示脑代谢在无反应觉醒综合征与对照组、无反应觉醒综合征与最低意识状态脱离、最低意识状态与对照组存在显著差异,余未见显著差异(图2C)。     

大脑代谢与DMN正连接的重叠区域主要位于:内侧前额叶、后扣带、楔前叶及右侧颞顶交界处。     

与负连接的重叠区域主要位于:背外侧前额叶、额下回、颞上回、岛叶、下顶叶、顶内沟和楔叶。

1.意识水平与体素关联的多模态影像分析

随意识障碍水平线性增加的DMN网络的正连接(A)负连接(BrsfMRI分析;大脑代谢(C),FDG-PET分析;灰质密度(D,VBM分析。

 SHAPE \* MERGEFORMAT

2.多模态图像评估组间差异

 DMN网络正连接在后扣带皮层及楔前叶与大脑代谢存在显著正相关(图3A),同时,DMN网络负连接在后扣带皮层及楔前叶与大脑代谢存在显著负相关(图3B)。无反应觉醒综合征患者不存在DMN网络负连接与高代谢的关联(图3B,右下象限),对照组与最低意识状态脱离患者未表现低代谢以及病理性超连接(图3B,左上象限)。最低意识状态患者在图3B的左上及右下象限均可观察到。DMN网络正连接及负连接分别在前扣带皮层与大脑代谢存在显著正相关及负相关。

3.大脑代谢与rsfMRI功能连接度

灰质体积随意识水平改变几乎位于整个外侧半球,主要位于左侧,以及中线结构包括丘脑、小脑。与CRS-R评分存在相关同样位于上述相似的区域。显著体素的平均效应量ANOVA分析组间无显著差异。

非线性对比均获得与上述相似的结果。 

结论:

该横断面研究结果表明,无反应觉醒综合征与最低意识状态保留部分DMN网络连接(网络内部及网络间),由最低意识状态脱离的患者也存在DMN网络正连接。然而,与第一个假设不符的是,患者在最低意识状态与健康对照之间并无

DMN网络正连接的中间值,各病例组间无显著差异,提示指数衰减而非线性变化可能是对这些患者连接度下降的合适建模方式。DMN网络的负连接(网络间负相关)在各组间存在差异,正如第二个假设,负相关存在于最低意识障碍脱离患者与健康对照,提示网络间转换对于认知功能十分重要。结果同样验证第3个假设,默认网络的负连接,可能为代谢性神经元起源,是由意识障碍脱离的特征表现。       

该研究除了找到了最低意识障碍脱离和最低意识障碍患者及无反应觉醒综合症之间的意识觉醒的神经基底差异标志——即负相关DMN的保留,还对于研究负相关DMN的神经元起源具有重要作用。无论从病理学角度还是神经科学角度看,都意义重大。

 

原文:

Neuralcorrelates of consciousness in patients who have emerged from a minimallyconscious state: a cross-sectional multimodal imaging study

C DiPerri, MA Bahri, E Amico, A Thibaut, L Heine - The Lancet  Neurology

 欢迎浏览思影的数据处理业务及课程介绍。(请直接点击下文文字即可浏览思影科技所有的课程,欢迎添加微信号siyingyxf18983979082(杨晓飞)进行咨询,所有课程均开放报名,报名后我们会第一时间联系,并保留已报名学员名额):

 

微信扫码或者长按选择识别关注思影

第二十八届磁共振脑影像基础班(重庆,7.6-11

 

第十四届磁共振脑网络数据处理班(重庆,7.26-31)

 

第三十一届磁共振脑影像基础班(重庆,9.14-19

 

第三十届磁共振脑影像基础班(南京,7.31-8.5)

 

第十六届磁共振脑网络数据处理班(南京,8.12-17

 

第十届脑影像机器学习班(南京,6.30-7.5)

 

第十一届脑影像机器学习班(南京,8.25-30

 

第十三届磁共振弥散张量成像数据处理班(南京,9.15-20

 

第九届磁共振脑影像结构班(南京,8.6-11

 

第六届小动物磁共振脑影像数据处理班(南京,9.1-6

 

第七届磁共振ASL(动脉自旋标记)数据处理班(南京,10.12-15

 

第六届任务态fMRI专题班(预报名,南京)

 

弥散磁共振成像数据处理提高班(预报名)

第七届脑电数据处理入门班(重庆,8.2-7

 

第二十届脑电数据处理中级班(重庆,8.9-14)

 

第八届脑电数据处理入门班(南京,7.7-12

 

第十九届脑电数据处理中级班(南京,7.13-18

第六届脑电信号数据处理提高班(7.20-25

 

第二十一届脑电数据处理中级班(南京,9.7-12
第七届眼动数据处理班(南京,7.26-30

第八届近红外脑功能数据处理班(上海,8.18-23

 

脑磁图(MEG)数据处理学习班(预报名)
数据处理业务介绍:
思影科技功能磁共振(fMRI)数据处理业务
思影科技弥散加权成像(DWI/dMRI)数据处理
思影科技脑结构磁共振成像数据处理业务(T1)

 

思影科技啮齿类动物(大小鼠)神经影像数据处理业务
思影数据处理业务三:ASL数据处理

思影科技脑影像机器学习数据处理业务介绍

 

思影数据处理业务四:EEG/ERP数据处理
思影科技脑电机器学习数据处理业务
思影数据处理服务五:近红外脑功能数据处理
思影数据处理服务六:脑磁图(MEG)数据处理

 

思影科技眼动数据处理服务

 

招聘及产品:

招聘:脑影像数据处理工程师
(重庆&南京)
BIOSEMI脑电系统介绍
目镜式功能磁共振刺激系统介绍