轻度认知功能障碍的神经影像学研究进展

付剑亮

摘 要 结构性影像学能提供直观的脑组织结构改变证据，而功能性影像学可从不同方面反映脑组织的激活、代谢状态和痴呆症临床前期患者脑功能的异常。对轻度认知功能障碍（mild cognitive impairment， MCI）患者的神经影像学研究如MCI的早期识别和转归预测等是认知功能领域的研究热点之一。本文概要介绍近年来MCI相关的神经影像学研究进展。

关键词 轻度认知功能障碍 磁共振成像 功能性神经影像学

中图分类号：R749.16 文献标识码：A 文章编号：1006-1533（2017）17-0008-07

Research progresses of neuroimaging on mild cognitive impairment*

FU Jianliang**

（Department of Neurology， the 6th Peoples Hospital， Shanghai Jiao Tong University， Shanghai 200233， China）

ABSTRACT Structural imaging provides intuitive evidence of brain structure change， and functional imaging reflects brain activation and metabolic conditions from different aspects， detects the brain abnormalities in the dementia preclinical stage. In recent years， neuroimaging has been widely used in the study of mild cognitive impairment （MCI）， and played an important role in early diagnosis of MCI and the prediction of the prognosis and is also one of the hotspots in the field of cognition study. In this article， the recent advances in the study of neuroimaging in the field of MCI are reviewed.

KEy WORDS mild cognitive impairment； magnetic resonance imaging； functional neuroimaging

輕度认知功能障碍（mild cognitive impairment， MCI）是介于正常老化与痴呆症之间的一种临床状态，表现为轻度的记忆和智能损害，但一般的认知功能和社会能力保持完好，未达到痴呆症的诊断标准，但有进展为痴呆症的高风险。MCI在老年人中普遍存在，在65岁以上老年人中的患病率为16% ～ 20%。MCI患者是痴呆症的高危人群，早发现、早诊断、早治疗MCI可延缓痴呆症的发生和发展。

1 MCI概念的演变

1988年Reisberg等[1]首先提出了MCI的概念。1999年，美国Mayo神经病学研究中心的Peterson等[2]提出了一种操作性较强的MCI诊断标准：①存在由患者自己、家属或知情人提供的记忆减退主诉；②记忆测验成绩低于年龄和文化程度匹配的健康对照者l.5个标准差；③总体认知功能轻度异常，即《总体衰退量表》（Global Deterioration Scale）评级为2 ～ 3级或《临床痴呆症评分》（Clinical Dementia Rating）评分为0.5分；④一般认知功能正常；⑤日常生活能力正常；⑥排除痴呆症或任何可导致脑功能紊乱的躯体和精神疾患。由于该诊断标准所描述的认知功能损害特征与阿尔茨海默病（Alzheimers disease， AD）的早期或临床前期表现极其相似，因此适用于AD早期或临床前期的诊断和治疗相关的研究。

上述诊断标准是基于对社区老年人和痴呆症患者的临床表现和认知功能的队列研究数据制定的，强调了记忆减退而其他功能如日常生活能力等正常的特征，但未提及记忆外的其他认知域变化，更何况并不是所有的MCI患者都会进展为AD患者。鉴于该标准主要针对遗忘型MCI（amnestic MCI， aMCI）的局限性，2004年Petersen[3]对其进行了修订，除记忆减退外，其他认知域变化也被纳入了诊断标准中。

由于MCI的异质性、临床表现和转归不同、研究结果不一致等，有关MCI概念的争议一直不断。近几年来，随着MCI的临床、影像学、遗传学、病理学和流行病学等方面研究的广泛开展，人们对MCI的认识逐渐加深，其新的临床特点、遗传学背景、MCI向AD进展的生物标志物等不断被发现。2011年，美国国家衰老研究所（National Institute on Aging， NIA）和阿尔茨海默病协会（Alzheimers Association， AA）联合提出了AD的MCI阶段的概念[4]，核心诊断标准与2004年的Petersen标准[3]一致。

2013年，美国《精神疾患诊断与统计手册（第5版）》（Diagnostic and Statistical Manual of Mental Disorders-Fifth Edition， DSM-5）将认知功能障碍分为轻度和重度神经认知功能障碍（neurocognitive disorder， NCD），两者的区别在于重度NCD存在认知功能障碍所导致的社会活动能力下降（丧失独立性），而轻度NCD仅有轻微的认知功能减退表现，社会活动能力正常。DSM-5建议修订轻度NCD标准[5]——1）至少一个认知域存在认知功能轻微下降的证据，根据：①患者或知情者主诉，或临床医生观察到认知功能轻度下降、执行任务更加困难或需使用代偿策略；②有认知功能轻度下降的客观评估依据。2）认知功能下降未严重到妨碍日常生活的独立性，但可能需付出更多努力和使用代偿策略才能保持这种独立性。3）排除谵妄，认知功能下降未发生于谵妄病程中。4）认知功能下降不完全或不主要归因于另一种精神疾患。endprint

基于2011年NIA-AA的诊断标准[4]，MCI的生物标志物有：初期脑脊液（cerebro-spinal fluid， CSF）中β-淀粉样蛋白（amyloid β-protein， Aβ）Aβ42水平降低和正电子发射型断层扫描术（positron emission tomography， PET）显示的Aβ沉积，以及之后出现的神经退行性病变相关一系列指标值的变化如PET显示的葡萄糖代谢水平降低、CSF中的tau蛋白水平增高、结构性磁共振成像（structural magnetic resonance imaging， sMRI）显示的脑皮层变薄和海马体萎缩等。由于腰椎穿刺属有创操作，不被患者和家属接受，临床上难以开展CSF检查。影像学检查具有无创的优势，在MCI相关研究中的应用逐渐增多。

2 MCI的影像学研究进展

近几年来神经影像学发展迅速，不同的影像学检查可显示MCI的不同的影像学特征，在MCI的早期诊断、预测MCI向AD进展等方面具有重要的临床价值。

2.1 sMRI

脑退行性病变以突触受损、轴突变性、树突和核周体萎缩为特征，海马体、颞叶、扣带回和楔前叶等部位的改变也很明显。sMRI可显示脑皮层萎缩、脑室扩大、内侧颞叶（内嗅区和海马体）和后扣带回等部位体积减小等。海马体体积减小、脑皮层萎缩和脑室年平均扩大速率是MCI进展为AD的预测因子，对sMRI检查发现的脑皮层萎缩程度进行纵向分析可用于监测MCI患者的疾病进展情况[6]。

对sMRI图像，有三种主要的特征提取方法：

1）密度图法。密度图法用于对脑白质、灰质和脑脊液密度的测量，是一种基于体素的形态测量学（voxelbased morphometry， VBM）或空间体积的局部分析方法，可分为两类：①全密度图法。全密度图法用于对脑白质和灰质密度的评估，并可对脑白质和灰质进行区分。依据大规模的标化方法和空间扩充线性规划提高方法分析灰质密度图可对AD进行分类，准确性达81%；结合支持向量机（support vector machine）技术还可预测MCI向AD进展，准确性为62%[7]。②低密度图法。全密度图法受维度的限制，如特征数量超大时，分类特性的精确性会受到影响，进而导致错误分类的发生。因此，需要减少特征数量或从前期的数据库中提取数据进行分析。基于支持向量机技术的低密度图法可用于对AD分类和预测MCI向AD进展[8]。一项研究对198例aMCI患者随访3年，应用统计参数图软件对他们的海马体体积进行分析，再依据T1加权sMRI图像获得他们的海马体灰质体积及特征曲线，计算出了这些患者在不同时间点进展为AD的比率[9]。

2）基于脑皮层表面形态的特征提取法。對MCI患者进行VBM和基于表面形态的关联分析，发现记忆减退和中后颞叶萎缩高度相关，执行功能下降则与双侧顶叶、颞叶、额叶等广泛区域的灰质密度下降和脑皮层厚度变薄相关[10]，说明MCI患者颞叶萎缩、灰质密度下降、脑皮层厚度变薄、记忆减退和执行功能下降。韩国的一项研究也得出了类似结论，其采用成套神经心理学量表评估MCI患者的认知功能，具体包括数字广度回忆、语言和图片回想、命名和词语流畅性、画图临摹、反应抑制和选择性注意力测验等，同时应用三维磁共振成像分析他们脑皮层的厚度，结果发现脑皮层厚度变薄与认知功能障碍有关[11]，提示某些特定区域的脑皮层萎缩是认知功能减退的病理学标志物。

3）基于设定的感兴趣区域的特征提取法。传统的特征提取法是基于影像学检查图像获得区域解剖特征并分析异常的组织特征，但实践中常常难以界定异常区域，而选择某些特定区域，然后对单个或者多个区域密度图的维度数据进行分析可提高分析的效率。例如，根据MCI患者的影像学检查图像和测得的设定的感兴趣区域体积，即可以支持向量机技术对每一幅图像的组织特征进行分类。与选择单个感兴趣区域相比，测量多个感兴趣区域的体积可减少分析误差，提高鉴别AD患者和健康者的准确性，预测进展性和稳定性MCI患者的准确性也获提高[12]。

2.2 功能性磁共振成像（functional magnetic resonance imaging， fMRI）

应用fMRI可测量生理活动的变化或异常引起的血氧含量变化，其中血氧含量增高说明流入某一组织或脑功能区域的血流增加，表明该组织或脑功能区域的活动正处于激活状态，所以fMRI又被称为血氧水平依赖性（blood oxygen level-dependent， BOLD）成像。fMRI可根据受检者是否执行任务而分为静息态fMRI和执行任务状态下的fMRI两类[13]。

2.2.1 静息态fMRI

应用静息态fMRI可通过探测静息状态下的脑BOLD信号所产生的自发低频振荡信息来间接反映自发神经活动，观察脑局部活动和脑功能网络的特征，从而发现脑局部白质活动和各脑区间功能连接的异常，进而解释MCI和AD患者的记忆和执行功能减退的神经学机制。与sMRI检查相比，应用静息态fMRI检查能更敏感地发现早期神经退行性病变。

对MCI患者进行成套神经心理学测验，利用机器学习算法和交叉验证法评估对MCI和健康对照者的分类，发现分类准确性较单用CT检查数据的分类明显提高，证实了静息态fMRI在MCI鉴别中的价值[14]。一项研究对MCI患者随访3年，应用静息态fMRI评估他们脑局部区域的功能连接，共见7例MCI患者进展为AD患者，余下14例MCI患者的病情稳定[15]。利用双回归方法对每个患者的静息态fMRI检查的时空数据进行独立成分分析，校正年龄、性别和灰质萎缩等因素后，发现与健康对照者相比，AD患者默认模式网络（default-mode network， DMN）中楔前叶、后扣带回等部位的功能连接异常，与脑皮层萎缩独立相关，而MCI患者的情况介于 AD患者和健康对照者之间。一项荟萃分析利用区域均匀性、低频波动幅度、低频波动幅度分数和全脑连接性等多种方法对aMCI和AD患者的静息态fMRI检查数据进行对比分析，发现AD患者左侧海马体旁回功能特征降低，一些检测参数值如局部一致性、低频振幅值和全脑网络连接等都发生了轻度改变，aMCI和AD患者在这些参数值上表现出连续、一致的下降[16]。在大多数静息态fMRI检查研究中，独立成分分析结果均显示AD和MCI患者的DMN、凸显网络和中心执行网络等的功能连接发生了改变[17]。MCI和AD患者的DMN不同。与健康对照者相比，MCI患者的海马体活性降低，双侧楔前叶/后扣带回皮层、右侧下顶叶和左侧梭状回网络的功能连接降低，而左侧顶叶皮层，下顶叶和中颞横回代偿性连接。MCI患者的DMN功能异常是由于神经退行性病变早期神经元丢失所致。基于种子的算法，MCI患者的内侧前额叶皮层和后扣带回、海马体旁回和前海马体之间的DMN连接性的代偿性增强。endprint

Hahn等[18]应用静息态fMRI评估aMCI患者丘脑体积和形态的改变，同时应用韩国版成套神经心理学量表评估他们的认知功能，以研究丘脑形态和情景记忆损害的关联性。结果发现，aMCI患者的丘脑体积明显减小，表现为明显的左侧丘脑背内侧和前内侧形态发生改变；单词表记忆分数、词语延迟回忆与左侧丘脑背内侧区域相关联，但词语流畅性、波士顿命名测验、结构性练习、词汇再认、视空间回忆分数与丘脑形态没有明显的关联。

2.2.2 执行任务状态下的fMRI

当人接受外界信息、执行某项任务时，其脑皮层的特定区域会对这些信息或刺激作出相应的反应，并促使该脑区的神经元和神经胶质细胞的生物化学过程发生变化。由于其间在该脑区有大量能量消耗、需额外补充葡萄糖和氧等能量物质，导致该脑区血管血流增加，而组织中毛细血管内红细胞数量和含氧量的变化会引起磁场发生变化，形成该脑区磁场的不均匀性（呈梯度变化）。所谓“执行任务状态下的fMRI”就是在这种情况下进行的fMRI。

Jacobs等[19]的研究发现，aMCI患者在执行物体识别等任务时，他们的背侧通路和腹侧通路激活增加，内、外侧顶叶和前额的激活减少，顶叶和颞叶的激活增加。背侧通路功能障碍被认为是MCI和AD患者视空间功能障碍的解剖基础。已知与视空间处理相关的脑区主要集中于额顶叶，包括腹侧通路和背侧通路两大独立系统：腹侧通路由外侧颞叶、颞枕叶等构成，主要负责物体形状的识别；背侧通路由顶叶投射至内侧颞叶、前额叶和运动前区的三个子通路构成，主要负责感知和鉴别肉眼所见物体以及视空间记忆在内侧颞叶和海马体内的储存。

嗅觉障碍是神经退行性病变的表现之一，是神经系统病理学改变的早期特征。一项研究对85例MCI患者应用神经心理学量表评估认知功能、嗅觉功能试验评估嗅觉功能、四肢血管超声检查评估肱动脉血流调控的血管舒张功能（flow-mediated dilation， FMD），发现MCI患者的嗅觉功能减退，而嗅觉评分可用于预测MCI向AD进展（敏感性为70.3%、特异性为77.4%）[20]。MCI患者的嗅觉识别分数与神经认知功能相关，包括总认知状态、痴呆程度分级、即刻和延迟记忆、视空间能力和词语流畅性等。MCI患者的FMD降低，与嗅觉识别分数相关。该研究认为，嗅觉障碍是MCI的早期表现之一，与认知功能下降相关。

3 弥散张量成像（diffusion tensor imaging， DTI）

DTI属扩散成像，通过检测水分子扩散权重来间接反映组织微结构的变化，如精确显示脑白质纤维走行方向、纤维束的密度以及髓鞘的厚度等。DTI可用于显示脑白质异常或改变并用于定量研究，主要使用部分各向异性（fractional anisotropy， FA）、平均弥散度（mean diffusivity， MD）和表观扩散系数（apparent diffusion coefficient， ADC）等参数来描述脑白质微结构的完整性。

应用DTI评估MCI患者脑白质纤维束完整性的研究很多。Sali等[21]对19例已累及多个认知域的aMCI患者进行成套神经心理学量表评估，然后进行DTI检查，使用参数包括FA和ADC，检查的感兴趣区域包括胼胝体、后扣带、前扣带和上纵束。结果发现，与健康对照者相比，aMCI患者胼胝体、后扣带回、右侧上纵束和左侧前扣带回的FA值降低。非文字记忆、视觉记忆与胼胝体、后扣带回、右侧前扣带回和上纵束等部位的ADC值相关，其中视觉记忆与右侧后扣带回的ADC值增高强相关。该研究表明，aMCI患者某些部位的脑白质纤维束的完整性被破坏，认知功能下降。Liu等[22]利用基于纖维束示踪的空间统计方法（tract-based spatial statistics）分析了aMCI患者全脑DTI检查的FA值和MD值，发现他们额叶、顶叶、颞叶、胼胝体、双侧放射冠、右侧后丘脑放射纤维、右侧矢状层等部位脑白质纤维束的FA值降低，额叶、顶叶、颞叶、胼胝体等部位的联合和放射纤维的MD值明显增高。应用DTI可通过评估不同部位脑白质纤维束的完整性而早期诊断aMCI。

Liu等[23]根据国际大脑图像分析协会（International Consortium for Brain Mapping）的脑区划分DTI图像选取50个区域，使用FA、MD、径向扩散、轴性扩散系数等参数对脑白质纤维束的完整性进行评估，发现aMCI患者穹窿部位的FA值降低，穹隆、双侧钩束的MD值和径向扩散值增高，穹隆和胼胝体膝部的轴性扩散系数增高，认为双侧钩束的脑白质纤维束完整性与情景记忆相关，而左侧钩束与语言功能相关。Xie等[24]对aMCI患者在体素水平上应用sMRI获得全脑灰质体积、应用DTI获得脑白质纤维束的FA值和MD值等参数值，然后以支持向量机分类技术对上述多模式脑特征参数值进行分析，并利用交叉检验对分析结果予以验证。灰质的鉴别区域为中颞叶、颞叶、楔前叶、扣带回、顶叶和额叶；脑白质的鉴别区域为胼胝体、扣带回、放射冠、额叶和顶叶。结果发现，aMCI患者存在灰质异常区域和某些区域脑白质纤维束受损的情况，证实了多模式影像学技术在aMCI识别中的临床价值。

笔者等[25]对aMCI和AD患者随访3年，应用DTI评估他们的脑白质纤维束，发现aMCI患者扣带束的FA值明显降低，而AD患者除扣带束外，其他部位如前额叶、颞叶和海马体等的FA值也明显降低，推测扣带束FA值异常是诊断早期aMCI的一种敏感指标值，并可用来对aMCI和AD进行鉴别。

4 扩散峰度成像（diffusion kurtosis imaging， DKI）

DKI是DTI的一种发展，为显示组织内非正态分布的水分子扩散的一种新方法，较DTI更适宜用来把握组织微结构，主要参数包括：①平均峰度（mean kurtosis， MK）。MK被认为是一个复杂的参数，其特点为不依赖于组织微结构的空间方位，脑白质和灰质的结构都可使用MK来描述。②径向峰度。径向峰度指的是在主要扩散正交方向上峰度的平均值，是一个相对重要的参数，因为扩散受限主要在径向，因此峰度值为非零且在径向表现得更为突出。径向峰度值越大表明在该方向非正态分布的水分子扩散受限越明显，反之则表明扩散受限越弱。③峰度各向异性（kurtosis anisotropy， KA）。KA类似于FA，可由峰度的标准偏差给出，其值越小表示扩散越趋于各向同性。组织微结构越紧密、越规则，KA值越大。endprint

一项研究对三组受试者（AD、aMCI患者和健康对照者）的海马体进行MRI和DKI检查，应用《简易精神状态检查》（Mini-Mental State Examination， MMSE）评估认知能力，然后使用非线性方程拟合法计算MD值和MK值，最小显著极差法比较双侧MK或MD值对海马体体积的比值，并计算比值间的Pearson相关系数[26]。结果发现，AD、aMCI患者和健康对照者三组间的海马体体积差异明显，双侧海马体的MK值在三组间均有差异，左侧海马体的MD值在AD和aMCI患者两组间有差异，海马体的MK或MD值对海马体体积的比值与MMSE评分有明显相关性。研究者认为，在诊断aMCI和AD方面，双侧海马体的MK或MD值较海马体体积更敏感，DKI检查能较DTI检查提供更多的信息。

Gong等[27]对aMCI患者的感兴趣区域的灰质深层核团进行体素取向分析，发现很多区域，包括双侧海马体、丘脑、壳核、苍白球等部位的DKI检查参数值异常，双侧海马体和杏仁核等部位萎缩，皮层灰质厚度变薄。与健康老年人相比，aMCI患者额叶和顶叶等部位的DKI检查参数值有明显差异，且与MMSE评分有相关性。DKI检查能更清晰地反映组织微结构、特别是灰质深层核团等部位的改变，aMCI患者在脑形态改变之前即发生了DKI检查参数值的改变。

5 PET

在使用發射正电子的核素示踪剂的情况下，应用PET可显示某种生理物质在体内的动态变化和代谢过程，从而在组织结构尚未发生改变的阶段对疾病进行早期诊断。一般认为，PET检查诊断MCI的最早和最敏感的指标值是后扣带皮层中的葡萄糖代谢减低，后者先于海马体体积降低和记忆减退而出现，且脑葡萄糖代谢率降低提示MCI病情恶化。

5.1 使用18F-氟代脱氧葡萄糖的PET（18F-fluorodeoxyglucose-PET， 18F-FDG-PET）

应用18F-FDG-PET可显示脑局部的葡萄糖代谢率，在提高MCI诊断的敏感性和特异性方面具有良好的应用前景。Espinosa等[28]对MCI患者进行神经心理学量表评估以及sMRI、18F-FDG-PET和使用11C-匹兹堡复合物-B的PET（11C-Pittsburgh compound-B-PET， 11C-PIB-PET）检查，校正年龄、性别和教育程度等因素后，分析他们的海马体体积以及18F-FDG-PET和11C-PIB-PET的标准化摄取值的比值（standard uptake value ratio， SUVR）。结果发现，MCI患者的记忆储存能力和延迟回忆分数与其海马体体积、18F-FDG-PET的SUVR和11C-PIB-PET的 SUVR明显相关。经中位数20.6个月后，85%的MCI患者进展为AD患者。另有18F-FDG-PET检查研究显示，MCI进展为AD患者的颞叶和后扣带回皮层明显受损，联合情景记忆测验可用作MCI进展为AD的预测因子之一[29]。神经心理学量表评估结合18F-FDG-PET检查可提高MCI诊断的敏感性和特异性。

5.2 Aβ的PET显像

Aβ的PET显像是近年发展起来的一种特异性诊断方法，其需先注射Aβ沉积斑显影剂，然后进行PET检查。例如，应用11C-PIB-PET可显示脑局部Aβ沉积斑的分子图像。进展性MCI患者的Aβ负荷加重，特别是在外侧额叶皮层、后扣带回、内侧和外侧顶叶、外侧颞叶等部位[30]。Aβ的异常沉积是神经元变性的标志物，在MCI患者出现临床症状前的10 ～ 20年就可发生。

一项神经影像学队列研究对401例MCI患者进行了使用18F-florbetapir的PET检查（SUVR为1.11），并以脑脊液检查结果作为对照[31]。结果显示，视觉分析的Aβ阳性率为48.9%、SUVR法分析的Aβ阳性率为55.1%、酶联免疫吸附测定法（enzyme-linked immunosorbent assay， ELISA）检测的脑脊液Aβ42降低的阳性率为64.8%，视觉分析和SUVR法分析的结果基本一致。与SUVR法相比，视觉分析的敏感性较低（分别为85%和79%），但特异性提高（分别为90%和96%）。随访1.6年，15.2%的MCI患者进展为AD患者。该研究表明，视觉分析、SUVR法和ELISA检测脑脊液3种方法在Aβ检出上的一致性较好（Fleiss κ=0.71）。

一项研究对受试者联合应用MRI和单光子发射型计算机断层扫描术评估神经元损伤，同时应用11C-PIBPET分析Aβ负荷，结果发现在40例临床诊断为AD型痴呆症患者中，37例患者的神经元损伤阳性，29例患者的11C-PIB阳性，27例患者的神经元损伤和11C-PIB均阳性；在20例拟诊为AD型痴呆症患者中，17例患者的神经元损伤阳性，6例患者的神经元损伤和11C-PIB均阳性；在25例MCI患者中，18例患者的神经元损伤阳性，13例患者的11C-PIB阳性，10例患者的神经元损伤和11C-PIB均阳性，神经元损伤和11C-PIB均阳性的MCI患者有进展为AD的高风险[32]。一项Mayo临床医学中心进行的研究显示，在MCI患者中，14%患者的脑脊液Aβ42阴性，14%的Aβ42阳性，43%的Aβ42阳性且有神经元损伤，29%仅有神经元损伤[33]。11C-PIB-PET检查对应用其他方法或手段诊断不明确的MCI和AD的诊断有一定的帮助。

对Aβ进行PET检查虽在用于MCI诊断上存在一定的缺陷，但其作为一种较为敏感和特异性的手段，不仅可提高MCI的诊断准确性，帮助鉴别其他类型的痴呆症，且还可预测MCI向痴呆症的转化率，判断患者预后及指导临床治疗。

6 磁共振波谱（magnetic resonance spectrum， MRS）

MRS是一种无创检测活体组织内化学物质的方法，能提供组织的代谢信息。MRS检查能敏感地检测出MCI患者脑部的代谢异常，用于MCI诊断的代谢物主要有N-乙酰基天冬氨酸（N-acetylaspartate， NAA）、胆碱、肌醇和肌酸等。一般认为，灰质内NAA水平降低反映了神经元缺失和代谢状态的改变，白质内NAA水平降低提示轴索损伤，NAA水平可代表神经元数量；胆碱参与形成细胞膜和髓鞘，其水平降低反映了鞘磷脂分解和细胞膜崩解；肌醇是神经胶质细胞的标志物；肌酸水平被用作内参照物来衡量其他代谢物水平的改变。endprint

MCI患者的腦半球内存在着广泛的NAA水平降低、肌醇水平增高的现象。一项研究对13例符合Mayo临床医学中心aMCI诊断标准的患者进行MRS检查，然后分析他们两侧扣带回部位的NAA水平/肌醇水平、NAA水平/肌酸水平和胆碱水平/肌酸水平等的比值，发现aMCI患者两侧前扣带回部位的肌醇/肌酸比值差异明显，认为扣带回部位两侧肌醇/肌酸比值的不对称是aMCI患者的重要生物标志物[34]。另一项研究对性别和年龄相匹配的MCI患者随访了18个月，结果发现与进展为路易体型痴呆症的患者相比，进展为AD型痴呆症患者的后扣带回部位的NAA/肌酸比值较低，提示MRS检查可用于预测MCI的进展方向[35]。一项联合应用MRI和MRS预测MCI向AD进展的研究显示，通过对1 156例健康老年人的后扣带回部位进行单体素MRS检查并应用MRI评估他们的海马体体积和脑白质高信号体积，结果在2.8年随访期中共见有214例健康老年人进展为MCI或痴呆症患者[36]。单变量回归模型分析发现，海马体体积、脑白质高信号体积和NAA/肌醇比值是健康老年人进展为MCI的预测因子。但多变量回归分析显示，只有海马体体积减小和NAA/肌醇比值降低是健康老年人进展为MCI的预测因子。

7 结语

综上所述，随着sMRI、fMRI、MRS、DTI、DKI和PET等神经影像学检查的应用，人们在MCI相关领域有了很多新发现，对MCI的早期诊断和进展预测具有重要的指导意义。但由于这些检查的特异性不高，仍不能用于MCI的确切诊断。因此，在今后的研究中应增大样本量以进行多模态影像学研究，从多方面、多角度探索MCI的病理生理学过程，提高MCI诊断的特异性和敏感性。

参考文献

[1] Reisberg B， Ferris SH， de Leon MJ， et al. Stage-specific behavioral， cognitive， and in vivo changes in community residing subjects with age-associated memory impairment and primary degenerative dementia of the Alzheimer type [J]. Drug Dev Res， 1988， 15（2-3）： 101-114.

[2] Petersen RC， Smith GE， Waring SC， et al. Mild cognitive impairment： clinical characterization and outcome [J]. Arch Neurol， 1999， 56（3）： 303-308.

[3] Petersen RC. Mild cognitive impairment as a diagnostic entity[J]. J Intern Med， 2004， 256（3）： 183-194.

[4] Albert MS， DeKosky ST， Dickson D， et al. The diagnosis of mild cognitive impairment due to Alzheimers disease： recommendations from the National Institute on AgingAlzheimers Association workgroups on diagnostic guidelines for Alzheimers disease [J]. Alzheimers Dement， 2011， 7（3）： 270-279.

[5] Stokin GB， Krell-Roesch J， Petersen RC， et al. Mild neurocognitive disorder： an old wine in a new bottle [J]. Harv Rev Psychiatry， 2015， 23（5）： 368-376.

[6] Leung KK， Bartlett JW， Barnes J， et al. Cerebral atrophy in mild cognitive impairment and Alzheimer disease： rates and acceleration [J]. Neurology， 2013， 80（7）： 648-654.

[7] Adaszewski S， Dukart J， Kherif F， et al. How early can we predict Alzheimers disease using computational anatomy？[J]. Neurobiol Aging， 2013， 34（12）： 2815-2826.

[8] Salvatore C， Cerasa A， Battista P， et al. Magnetic resonance imaging biomarkers for the early diagnosis of Alzheimers disease： a machine learning approach [J/OL]. Front Neurosci， 2015， 9： 307 [2017-04-17]. doi： 10.3389/fnins.2015.00307.

[9] Suppa P， Hampel H， Spies L， et al. Fully automated atlasbased hippocampus volumetry for clinical routine： validation in subjects with mild cognitive impairment from the ADNI cohort [J]. J Alzheimers Dis， 2015， 46（1）： 199-209.endprint

[10] Nho K， Risacher SL， Crane PK， et al. Voxel and surfacebased topography of memory and executive deficits in mild cognitive impairment and Alzheimers disease [J]. Brain Imaging Behav， 2012， 6（4）： 551-567.

[11] Ahn HJ， Seo SW， Chin J， et al. The cortical neuroanatomy of neuropsychological deficits in mild cognitive impairment and Alzheimers disease： a surface-based morphometric analysis[J]. Neuropsychologia， 2011， 49（14）： 3931-3945.

[12] Liu M， Zhang D， Shen D. View-centralized multi-atlas classification for Alzheimers disease diagnosis [J]. Hum Brain Mapp， 2015， 36（5）： 1847-1865.

[13] Dennis EL， Thompson PM. Functional brain connectivity using fMRI in aging and Alzheimers disease [J]. Neuropsychol Rev， 2014， 24（1）： 49-62.

[14] Beltrachini L， De Marco M， Taylor ZA， et al. Integration of cognitive tests and resting state fMRI for the individual identification of mild cognitive impairment [J]. Curr Alzheimer Res， 2015， 12（6）： 592-603.

[15] Binnewijzend MA， Schoonheim MM， Sanz-Arigita E， et al. Resting-state fMRI changes in Alzheimers disease and mild cognitive impairment [J]. Neurobiol Aging， 2012， 33（9）： 2018-2028.

[16] Cha J， Hwang JM， Jo HJ， et al. Assessment of functional characteristics of amnestic mild cognitive impairment and Alzheimers disease using various methods of resting-state fMRI analysis [J/OL]. Biomed Res Int， 2015， 2015： 907464[2017-04-17]. doi： 10.1155/2015/907464.

[17] Joo SH， Lim HK， Lee CU. Three large-scale functional brain networks from resting-state functional MRI in subjects with different levels of cognitive impairment [J]. Psychiatry Investig， 2016， 13（1）： 1-7.

[18] Hahn C， Lee CU， Won WY， et al. Thalamic shape and cognitive performance in amnestic mild cognitive impairment[J]. Psychiatry Investig， 2016， 13（5）： 504-510.

[19] Jacobs HI， Gronenschild EH， Evers EA， et al. Visuospatial processing in early Alzheimers diseas： a multimodal neuroimaging study [J]. Cortex， 2015， 64： 394-406.

[20] Tonacci A， Bruno RM， Ghiadoni L， et al. Olfactory evaluation in mild cognitive impairment： correlation with neurocognitive performance and endothelial function [J]. Eur J Neurosci， 2017， 45（10）： 1279-1288.

[21] Sali D， Verganelakis DA， Gotsis E， et al. Diffusion tensor imaging （DTI） in the detection of white matter lesions in patients with mild cognitive impairment （MCI） [J]. Acta Neurol Belg， 2013， 113（4）： 441-451.

[22] Liu J， Yin C， Xia S， et al. White matter changes in patients with amnestic mild cognitive impairment detected by diffusion tensor imaging [J/OL]. PLoS One， 2013， 8（3）： e59440 [2017-04-17]. doi： 10.1371/journal.pone.0059440.endprint

[23] Liu D， Wang Z， Shu H， et al. Disrupted white matter integrity is associated with cognitive deficits in patients with amnestic mild cognitive impairment： an atlas-based study [J/OL]. SAGE Open Med， 2016， 4： 2050312116648812 [2017-04-17]. doi： 10.1177/2050312116648812.

[24] Xie Y， Cui Z， Zhang Z， et al. Identification of amnestic mild cognitive impairment using multi-modal brain features： a combined structural MRI and diffusion tensor imaging study[J]. J Alzheimers Dis， 2015， 47（2）： 509-522.

[25] Fu JL， Liu Y， Li YM， et al. Use of diffusion tensor imaging for evaluating changes in the microstructural integrity of white matter over 3 years in patients with amnesic-type mild cognitive impairment converting to Alzheimers disease [J]. J Neuroimaging， 2014， 24（4）： 343-348.

[26] Wang D， Guo ZH， Liu XH， et al.Examination of hippocampal differences between Alzheimer disease， amnestic mild cognitive impairment and normal aging： diffusion kurtosis [J]. Curr Alzheimer Res， 2015， 12（1）： 80-87.

[27] Gong NJ， Chan CC， Leung LM， et al. Differential microstructural and morphological abnormalities in mild cognitive impairment and Alzheimers disease： evidence from cortical and deep gray matter [J]. Hum Brain Mapp， 2017， 38（5）： 2495-2508.

[28] Espinosa A， Alegret M， Pesini P， et al. Cognitive composites domain scores related to neuroimaging biomarkers within probable-amnestic mild cognitive impairment-storage subtype[J]. J Alzheimers Dis， 2017， 57（2）： 447-459.

[29] Choo IH， Ni R， Sch？ll M， et al. Combination of 18F-FDG PET and cerebrospinal fluid biomarkers as a better predictor of the progression to Alzheimers disease in mild cognitive impairment patients [J]. J Alzheimers Dis， 2013， 33（4）： 929-939.

[30] Forsberg A， Engler H， Almkvist O， et al. PET imaging of amyloid deposition in patients with mild cognitive impairment[J]. Neurobiol Aging， 2008， 29（10）： 1456-1465.

[31] Schreiber S， Landau SM， Fero A， et al. Comparison of visual and quantitative florbetapir F 18 positron emission tomography analysis in predicting mild cognitive impairment outcomes [J]. JAMA Neurol， 2015， 72（10）： 1183-1190.

[32] Omachi Y， Ito K， Arima K， et al. Clinical impact of 11C-Pittsburgh compound-B positron emission tomography carried out in addition to magnetic resonance imaging and single-photon emission computed tomography on the diagnosis of Alzheimers disease in patients with dementia and mild cognitive impairment [J]. Psychiatry Clin Neurosci， 2015， 69（12）： 741-751.

[33] Petersen RC， Aisen P， Boeve BF， et al. Criteria for mild cognitive impairment due to Alzheimers disease in the community [J]. Ann Neurol， 2013， 74（2）： 199-208.

[34] Guo Z， Liu X， Hou H， et al. 1H-MRS asymmetry changes in the anterior and posterior cingulate gyrus in patients with mild cognitive impairment and mild Alzheimers disease [J]. Compr Psychiatry， 2016， 69： 179-185.

[35] Zhang B， Ferman TJ， Boeve BF， et al. MRS in mild cognitive impairment： early differentiation of dementia with Lewy bodies and Alzheimers disease [J]. J Neuroimaging， 2015， 25（2）： 269-274.

[36] Kantarci K， Weigand SD， Przybelski SA， et al. MRI and MRS predictors of mild cognitive impairment in a population-based sample [J]. Neurology， 2013， 81（2）： 126-133.endprint