从神经免疫疾病表型研究看脑小血管病表型研究

李海峰 王伊龙 陈向军

脑小血管病(cerebral small vessel disease，CSVD)是脑血管病的重要组成部分，不仅可与大动脉粥样硬化和心源性栓塞共存，也有其独特的病因，如高血压性、淀粉样变、遗传性、血管炎和感染性等。CSVD不仅可表现为急性卒中事件，亦可表现为认知、运动、情绪、步态和平衡等功能障碍。现已认识到CSVD是全脑病变而非单纯局限性受累，尤其是其动态演变不仅与病理损害有关，也与脑的老化有关[1]。对CSVD的认识远比其他类型脑血管病复杂。作为研究基础，通过刻画表型来全面并动态地反映CSVD真实的生物学特征最为关键。神经免疫疾病与CSVD均有起病时点相对清晰且异质性大的特点，一些神经免疫疾病已形成完善的表型刻画方法。本文采撷“他山之石”，从神经免疫疾病表型研究方法来思考CSVD表型研究。

1 疾病表型的概念

表型指生物体可观察到的特征或特征的组合，包括生物体的形态、物理形式和结构、发展过程、生物化学和生理特性以及行为和行为的结果。当代对表型的认识是“具有特定基因型的个体，在一定环境条件下，所表现出来的性状特征的总和”。疾病表型的概念也基于这个逻辑而形成，表型是疾病可被查知的表现，使疾病能被认识和深入理解。多基因和环境因素的共同作用决定复杂疾病的表型。表型概念最初提出时是与基因型相对应的，但在复杂疾病并不存在一一对应的基因型-表型关系，表型概念也不再局限于探索遗传机制，而是用来精细描述疾病的特定表现。认识表型有助于总结临床表现的特定组合和理解疾病分类，并探索它们与内在决定因素和环境因素间的关系[2]。

疾病表型分为临床表型、内表型(endophenotype)和中间表型(intermediate phenotype)。临床表型是疾病的症状和体征及其演变，直接通过医生和患者的感官查知；内表型和中间表型无法直接查知但可测量。内表型侧重观察者的定量测量(如抑郁量表)，中间表型则侧重于用仪器设备测量(如血糖和C反应蛋白)。内表型需要患者与检查者(医生、护士、康复评定人员、心理行为评价人员等)配合才能可靠获得，亦可是神经生理和神经影像等结果，但同样基于判读者的分析经验或智能化分析才能可靠获得；中间表型则是借助仪器即可直接测量的数据。从已有文献来看，内表型和中间表型并未截然分开。复杂疾病的表型并非单纯的临床表型，大多数是临床表型加内表型或中间表型形成的复合表型，体现疾病亚类和不同个体间的异质性[2]。

2 神经免疫疾病表型研究方法的发展和问题

通常一种疾病被确认为一个疾病实体前，均有其核心临床特征组合作为原型表型与其他疾病区别，并提出用以解释核心表型的发病机制假说。随着认识深入，各种不完全同于核心表型的临床表现形成疾病的“外延”，显示了疾病的异质性。在同一疾病实体，不同的空间、时间、形态、生物学和病理学特征构成了异质性的基础。联系核心表型与疾病外延表现的纽带是可体现病理生理的内表型和中间表型。在神经免疫疾病，自身抗体就是重要的中间表型，不仅使性质相同的临床表现形成一个病谱，也使临床表现相近者因抗体不同而划分成疾病亚类，甚至可能划分为不同疾病实体。但仅有中间表型不足以确认疾病表型，需结合临床表型才能完整刻画。

最早报道的吉兰-巴雷综合征(Guillain-Barré syndrome，GBS)以对称性肢体无力、腱反射丧失和蛋白-细胞分离为特征，是GBS的“原型”。其后报道不同部位受累的变异型和轴索型扩大了GBS的外延。在原型GBS表型患者发现神经节苷脂抗体与临床受累部位及髓鞘/轴索损害相关，其后从病理、电生理、免疫学和动物模型等角度对神经节苷脂抗体与GBS临床和病理之间关系进行阐释，最终在GBS这个疾病实体中以临床受累部位及轴索/髓鞘损害为主线，形成几个主要亚型，也形成了完整的GBS病谱[3-4]。

视神经脊髓炎谱系疾病(neuromyelitis optica spectrum disorder，NMOSD)以视神经和脊髓相继受累为原型表型，对其异质性的进一步认识始于水通道蛋白4(Aquaporin-4，AQP4)抗体的发现[5]。以AQP4抗体为纽带，报道的NMOSD临床表现逐渐扩展到复发性视神经炎、长节段脊髓炎、极后区综合征和脑内大片脱髓鞘。进而在与NMOSD样临床表现的患者检出髓鞘碱性糖蛋白(MOG)抗体[6]和胶质纤维酸性蛋白(GFAP)抗体[7]。

目前趋于将MOG抗体阳性的NMOSD样患者与AQP4抗体阳性的NMOSD样患者视作不同类型。MOG抗体阳性的脱髓鞘疾病不仅包括NMOSD样受累者，即使以视神经和脊髓受累为主，其临床和影像学特征也与AQP4抗体阳性的NMOSD存在差别，所以最近有学者提出“NMO相关表型(NMO-related phenotypes)”来描述MOG抗体阳性的以视神经炎、脊髓炎或两者同时起病者[9]。问题是NMOSD是以临床受累部位和病理作为分类基础形成的疾病实体，而MOG抗体相关疾病(MOG antibody related disorders)[8]和GFAP星形胶质细胞病(GFAP astrocytopathy)[7]是根据存在的自身抗体而命名，这两者是作为独立病种还是作为特发性脱髓鞘疾病的亚型还存在争议。

随着2000年以后生物标志物研究的快速进展，神经免疫疾病表型的刻画从在临床原型表型者检出标志性抗体这一重要中间表型再通过中间表型使临床表型扩展，转化为积极探索中间表型并探索与中间表型相关的临床表现外延。当临床表现与已知临床表型不符或虽相符却未查到已知抗体，若免疫治疗有效，就积极筛查是否存在新抗体，并对新抗体产生机制及抗体结合靶位与临床受累进行相关分析，就有可能划分疾病亚类或确认新的疾病。自身免疫性脑炎的表型研究就是基于这一思路，目前已明确了多种抗体与自身免疫性脑病综合征有关[9]。这样的方法能尽可能发现潜在的神经免疫疾病表型，也带来了更为明显的临床异质性表现。为了解决这个问题，不基于假设检验而以数据驱动的思路已经引入复杂临床表现疾病的表型刻画过程，聚类分析和主成分分析等数据挖掘技术是最常用方法。Al-Diwani等[10]报道，尽管自身免疫性脑炎的神经和精神症状在每个患者并存，但采用主成分分析可显示不同患者间的差异，有助于区分其中的亚类。

问题是以中间表型作为纽带时，若过度依赖中间表型作为分类基础，将面临抗体阴性但临床表型与抗体阳性者相同时抗体阴性者归类何处的问题。这就需要更好刻画临床表型，且考虑到临床表型与病理学及病理生理机制的关系。GBS认识的年代是临床表型与中间表型认识共同进步的年代，两者的交汇成为了疾病表型研究的典范。在以中间表型成为主要促进因素的年代，临床表型的刻画如何相对独立于中间表型并最终交汇是一个重要挑战。临床表型加内表型也许是重要途径。

3 内表型既精细反映疾病特征又指导个体化治疗

疾病表型研究不仅为了诊断分类，疾病的严重程度、进展速度以及需达到的治疗目标均可作为内表型研究，寻找与其有关的独立因素，并作为预测指标用于个体化治疗。与诊断分类主要依据由临床表型和中间表型联合形成的复合临床表型不同，个体化治疗研究主要根据内表型，部分也依据中间表型。多发性硬化(multiple sclerosis，MS)的活动性分类[11]、无疾病活动性证据状态[12]和进展速度[13]等内表型是MS疾病实体内个体化异质性的体现，无疾病活动性证据又是MS的治疗目标，对急进性[14]和有治疗突破[15]等表型患者直接指导采用降级或升级疗法[16]。预测病程和转归也是表型的直接应用，尤其是中间表型，如N-甲基-D-天冬氨酸受体(NMDAR)抗体[17]或MOG抗体[6]持续阳性或初始抗体水平较高者相应疾病的复发率显著增高，提示需要更长时间的免疫治疗。

通过表型研究进行疾病分类有助于指导治疗，根据患者个体间发展的异质性来刻画表型指导个体化干预更有实际价值。

4 CSVD表型研究的思考

神经系统疾病因受累的空间、时间、形态、生物学和病理学特征不同而构成相对独特的表型。本文主要涉及最常见的高血压性和淀粉样CSVD，其他少见病因和遗传性小血管病另文讨论。其临床表现丰富多样，最常见腔隙综合征和认知障碍，亦可表现为情绪、运动和步态等障碍，淀粉样CSVD亦可表现为淀粉样发作，两者均可表现为脑出血或微出血(表1)[18-19]。以基底节和脑桥受累为主的腔隙综合征和以脑叶非腔隙性受累为主的淀粉样血管病由于病理特征和临床受累部位的相对特征性，成为临床最早刻画的CSVD表型。但仅有这样粗糙的临床表型无法获知其全貌。由于这些临床表型是在病理解剖基础上总结认识到的，所以影像学尤其是MRI这样的中间/内表型数据对完善认识CSVD的价值毋庸置疑。常见MRI表现包括近期皮层下小梗死、慢性腔隙、白质高信号、血管周隙扩大、微出血和脑萎缩等，在淀粉样血管病还有特征性的皮层含铁血黄素沉着。为了标准化，Wardlaw等[20]提出神经影像学血管改变报告标准(STRIVE)以形成规范(表2)。这些病变常同时存在，患者的功能障碍和严重程度决定于这些病变的累积效应。

不少学者探索CSVD的血液生物标志物以期作为诊断和表型分类的线索。遗传标志物方面，与散发性淀粉样血管病有较明确关联的是ApoE基因，也有研究发现与早老素-1、脑啡肽酶和转化生长因子-1基因关联[21-22]。近年来在散发性CSVD中发现了许多关联SNP，其蛋白作用于神经血管单元的不同环节，多数与白质高信号关联，部分与小血管性卒中及脑出血/微出血关联[23]。目前遗传标志物在CSVD的分类和诊断中的价值尚未明确，且遗传标志物本身受到CSVD表型刻画的影响。在血清蛋白标志物方面，有横断面研究报道神经丝轻链蛋白水平与CSVD的MRI负荷及临床功能障碍有关[24]，且在无症状性梗死时增高[25]，提示存在神经损伤但无法作为疾病分类依据。一项关于无症状患者的队列研究显示，血清炎性因子水平与微出血发生有关，但因果关系尚未明确[26]；另一项针对无症状患者的队列研究发现，CRP水平与腔隙性梗死(LS)、白质深部高信号及脑室旁高信号均存在相关性，但经校正常见血管病危险因素后发现其仅与LS有关[27]。以上均无法作为分类和诊断依据。无症状队列中具有自然分布的异质性，是研究分组最合理的来源，对表型研究的价值起决定性作用。目前大量有关标志物的研究多为仅有CSVD组与健康对照比较的横断面研究，无法获知存在差异的分子是否也与其他类型脑血管病存在相关，且针对健康人队列和无症状队列的研究亦较少。

虽然可以用由腔隙、血管周隙、白质高信号和微出血构成的小血管病总分来反映小血管病对患者的总体影响[28]，但即使在归类于高血压性小血管病的不同患者各影像标志物的严重程度及发展趋势也有异质性，且与LS、脑出血和认知障碍等临床事件的相关程度不同[29]。不同部位的影像标志物也与临床事件有不同的相关，如与脑室周围白质高信号相比，皮层下白质高信号与发生卒中及因卒中死亡相关更密切[30]；深部血管周隙与高血压相关更密切，而白质中的血管周隙与淀粉样血管病相关更密切[31]。血管通透性的改变与其他影像学标志物及临床事件间的关系也逐渐被认识[18]。已有多种MRI模态技术用来研究CSVD，其反映的机制不同，包括小血管的血流、血管通透性、组织适应能力及脑血管反应性等[32]，这些技术能否作为影像标志物来刻画CSVD表型尚需进一步研究。

表型是动态的概念，CSVD是不断演变的全脑病变[1]。若最初的影像学检查资料不全且亦未随访，人们看到的只是一个点的改变，而非一个面，更不是立体动态的。对CSVD MRI异常的长期随访增加了对其病理生理机制的理解，如融合型白质病变患者的功能障碍进展更快并与认知功能下降相关密切，而腔隙的动态演变与总体功能障碍及认知的关系相关较弱，微出血和MRI表现正常部位的微结构改变与长期功能改变的相关性尚未明确[33]。

CSVD本身因累及的血管直径不同其病理改变也不尽相同，直径略大者多为小动脉粥样硬化，而直径较小者多为小动脉硬化和脂质玻璃样变，导致了不同的影像学改变[19]。不同临床和影像学标准对LS和CSVD的定义不尽相同(表3)，包括不同MRI序列所见的急性期和慢性期病变的大小、是否伴有载体大血管病变和/或心源性栓塞以及是否伴有小血管病的其他影像学表现(微出血、白质高信号和血管周隙扩大)，标准的不一致是CSVD表型研究的难题。仅用影像学标准无法可靠判断为LS，急性/亚急性LS需要与载体大血管病变堵

表1 常见CSVD的临床和影像学特征[18]

注：CSVD：脑小血管病，表2、3同

表2 CSVD的MRI标志物及释义[18]

注：STRIVE：神经影像学血管改变报告标准，表3同

表3 LS和CSVD的分类标准[19]

注：LS：腔隙性梗死，CCS：causative classification of stroke system

塞穿支动脉开口、动脉-动脉栓塞和心源性小栓塞(如卵圆孔未闭)鉴别。在实际应用中各种临床分类方案判断CSVD的观察者间一致性仅为中度，低于大动脉病变和心源性栓塞所致的卒中[34]。

脑血管病的概念来源于病理学，现代影像学有助于提示病理学改变，因此CSVD的表型刻画从一开始走了以生物标志物为中间/内表型的道路。临床表型具有较大异质性且边界较模糊，并无法对认知、运动、情绪和平衡障碍等进展性症状与其他疾病鉴别。即使在LS，最精准的刻画也只能基于完善MRI检查。CSVD目前缺乏自身抗体这样的关键中间表型，血清和遗传标志物研究受到小血管病判别准确性的明显影响。基于技术原理和病理学对MRI方法进行优化和标准化是CSVD表型研究的重要保证。

5 借鉴神经免疫疾病完善CSVD的表型研究

神经免疫疾病的表型研究会为CSVD研究提供借鉴。在神经免疫疾病中MS与LS最为接近，可伴有广泛的白质病变和慢性进展性功能障碍，包括行走和认知功能障碍，且急性发作与长期功能障碍之间存在一定相关，MRI可作为MS不同亚型分类的基础[11]并个体化地反映MS的病情进展。影像学特征均为这两种疾病重要的内表型。已有用不同影像学特征预测MS患者不同功能障碍发展趋势的队列研究[35-36]，旨在作为个体化干预的决策基础。在CSVD，也有研究用MRI在其发展过程中个体化地预测受累的功能阈及临床事件终点[18，33]。

CSVD具有高度复杂性，在神经免疫疾病中可能仅有自身免疫性脑炎能与之相比。后者虽有抗体作为主线，但仍需大量高级神经功能的识别以及影像学和电生理学分析来精细刻画。对于复杂疾病，简单的分析方法无法充分对其认识。与其他机制的脑血管病(如栓塞)一样，CSVD的临床特征和影像学特征需要模式化识别[37]，人工智能将起重要作用。现已有不同病变MRI图像的分割算法在CSVD和MS等疾病的人工智能研究中得到应用，目标是通过深度学习，将模糊的边界相对清晰化，通过不同模式的归类精细刻画疾病表型。

与神经免疫疾病清晰的治疗目标相比，CSVD的治疗目标相对欠清晰。预防复发和功能障碍进展是神经免疫疾病的治疗目标。以MS为例，从无急性复发和MRI新病灶以及无功能障碍进展等方面定义了无临床活动性状态作为治疗的目标[12]。该指标以几个能反映MS病情个体化改变的临床表型加内表型形成复合表型，不仅成为日常工作的指导，也作为预后的客观评价[12]。同时也注意到，即使达到无疾病活动性的目标，用弥散张量成像技术仍发现一些微结构受损，提示用先进MRI技术对治疗监测具有意义。

总之，神经免疫疾病表型研究已有不少成熟方法可供CSVD表型研究借鉴，疾病表型刻画研究方法需结合发病机制研究的进展。表型研究不仅为了分类和诊断，更是为了指导个体化治疗，在CSVD范畴内刻画反映患者个体化发展的表型具有重要的研究和应用价值。