孤独症谱系障碍儿童功能性近红外光谱成像拓扑结构44例病例系列报告

刘宇翀 朱绘霖 曹 伟 李 妍 冀 彦 白无瑕 汪 瑜 张颖滢 邹小兵

在青春期，个体的生理、认知和社交功能明显成熟；同时前额叶(个体处理社会认知过程时的激活部位)发育成熟，因而青春期是大脑发育的一个敏感期[1, 2]。孤独症谱系障碍 (ASD) 青少年存在异常的前额叶和颞叶皮层激活和功能连通性[3]，并与沟通能力或症状严重程度呈正相关[4]。

从发育观点上看，ASD个体的大脑拓扑结构可能有异于典型发育 (TD) 个体。Henry等[5]基于图论的研究结果表明，ASD个体存在脑功能分化和整合的非TD模式。另一项研究发现,ASD儿童的网络效率和年龄存在负相关，并且非典型的网络效率与ASD症状的严重程度有关[6]。

本研究利用功能近红外光谱成像 (fNIRS) 研究ASD个体的脑网络拓扑属性的发育轨迹。假设自儿童期至青春期，部分的大脑拓扑属性存在显著的年龄效应，并且可能与ASD的症状严重程度相关。

1 方法

1.1 研究设计 病例系列报告。通过采集ASD儿童青少年8 min的双侧大脑额叶和部分颞顶叶的静息态fNIRS，分析大脑拓扑属性(全局效率、局部效率、中介中心度和度)与年龄、认知及ASD核心症状严重程度的相关性。

1.2 伦理 本文为青春期轻度ASD大脑执行功能和心智化网络发育轨迹的多模态研究中的一部分，伦理审批号：中山大学附属第三医院(我院)伦[2019]-02-013-01。

1.3 ASD诊断标准 同时符合以下2项：①通过《美国精神疾病分类与诊断手册第四版修订版》(DSM-Ⅳ-TR)、《美国精神疾病分类与诊断手册第五版》(DSM-Ⅴ)、《国际疾病分类第10版》(ICD-10)或ICD-11诊断的ASD，②ASD诊断观察量表 (ADOS-G) 和ASD诊断访谈修订版 (ADI-R) 的评估均超过诊断截止分。

1.4 纳入标准 同时符合以下各项：①通过社会公开招募和社交媒体平台招募诊断或疑似ASD儿童青少年，②经我院发育行为科有2年以上临床经验的医生评估，符合本文ASD诊断的标准；③儿童青少年及其家长愿意配合评估，并签署知情同意书；④年龄6～17岁；⑤第一语言为普通话；⑥右利手；⑦韦氏儿童智力量表 (WISC) 全量表智商 (FSIQ) ≥70。

1.5 数据采集 采用连续波fNIRS设备 (FOIRE-3000, 日本岛津) 测量48通道静息态下Hb浓度的自发变化，通过光强的变化非侵入式地测量氧合Hb (HbO) 、去氧Hb (HbR) 和总Hb (HbT) 的浓度。图1显示，48通道主要覆盖了额下回 (IFG) 、额中回 (MFG) 、额上回 (SFG) 、内额上回 (SMFG) 、颞顶联合 (TPJ) 和颞上回 (STG) 。将含有15个信号和16个探测探头的改良游泳帽佩戴在受试者前额。最下排的探头沿受试者的眉弓线，中间列的探头与鼻根-枕骨粗隆正中矢状线平行。在10-10系统中，9号探头置于Fp1，3和15号探头分别置于T3和T4。信号源-探头之间距离固定为3 cm，帽盖的形状可轻微调整，以适应不同受试者的头型和大小。预试验通过三维数字化仪，从9名年龄6～14岁ASD儿童获得光学探头精确的空间坐标和4个参考点 (鼻根、枕骨隆突、右侧和左侧耳乳突) ，然后将平均坐标转换为蒙特利尔神经学研究所空间。坐标的测量是通过自动化解剖标签模版确定的。

图1 涵盖前额叶网络的48通道排列图

安静、关灯的房间里，软枕支撑头部安坐并闭眼休息8 min，数据采集应用8.7 Hz样本频率和780 nm、805 nm和830 nm波长的近红外光，实验人员及时记录体动，采集的所有信号都纳入之后的网络构建和分析。

1.6 数据分析

1.6.1 数据预处理 (1)删除首尾各30 s的数据，避免边缘效应。(2)对数据中的运动伪迹进行处理，借助Homer2工具包，通过样条插值法修正运动伪迹[7]。样条插值首先基于在特定时间窗中的原始强度或移动标准差的变化与预先定义的阈值的比较，来识别运动伪迹。①参照既往研究的推荐，时间窗设定为1 s，原始强度阈值和标准差分别设定为0.1和15[8]；②使用三次样条插值将运动伪迹建模，其中指标p会影响插值的准确度，当p=0，拟合最小二乘曲线；当p=1，应用自然三次插值；本研究参照既往研究的推荐，以p=0.99作为预设值[7]。在建模完成后，将建模信号与原始信号相减以重构整个时间序列数据。共(4.05±8.44)%信号被识别为运动伪迹；③对运动伪迹校正后的时间序列信号进行0.009～0.08 Hz带通滤波，然后参照第1个时间节点，进行基线校正。

1.6.2 网络构建 使用GRETNA工具包 (https://www.nitrc.org/projects/gretna/) 进行脑网络属性的构建和分析[9]。计算每对通道间的Pearson相关系数r，然后用Fisher’sz转换将r转换为z值，以满足后续分析的正态假设。通过一系列的稀疏阈值，将48×48z值系数矩阵转换为一个二元邻接矩阵。由于负值相关系数会影响图论分析的重测信度，分析只采用正z值系数[9]。

本研究选择了网络稀疏度作为网络分析的阈值 ，网络稀疏度定义为网络中存在的边数与最大可能边数的比值，可以保证在分析中每个稀疏阈值中的边数相同。最大稀疏阈值需要确保最弱边对应的相关系数差异有统计学意义 (27%，r=0.251) ；另一方面，最小阈值需满足每个个体的图不会分成数个组成部分 (8%)。因此，本研究选择了8%～27%的网络阈值，并使用了1%增量[10]。

1.6.3 网络分析 从ASD儿童青少年脑网络中提取4个拓扑学指标。①全局效率：网络中任意两节点的最短路径长度的倒数，测量功能整合性和量化网络中传递信息的能力。②局部效率：局部子图中某一指定节点与相邻的节点间传递信息的效率，是衡量功能分化的指标。本研究对1 000个随机化网络的对应指标进行计算和正态化处理后获得网络的全局和局部效率，所有随机化网络的节点数、边数和度分布均相等。③单个节点的度：与该节点连通的节点数目，度较高的节点在网络中与其他节点的连通更为紧密。④中介中心度：其他任意节点对的最短路径通过某一节点的次数，节点的中介中心度越高，反映该节点对有效的信息沟通越重要。对4个拓扑学指标的AUC进行计算，以避免对阈值水平的依赖，是拓扑属性在网络稀疏度阈值范围内的积分；AUC为稀疏阈值的拓扑属性整合而成。

1.7 统计分析 使用MATLab 2019软件进行统计分析。计量资料以xˉ±s(P0～ P100) 表示， 计数资料以n(%) 表示。使用广义线性模型 (GLM) 对年龄和网络属性 (4个拓扑学指标×48通道) 进行建模。年龄为连续变量，在模型中预测网络指标的线性效应。线性回归模型为：Y=β0+β1×年龄 +e(β0为截距，β1为年龄的系数，e为误差)。在控制了年龄的影响后，采用偏相关分析分别评价脑网络属性与IQ和ADOS的沟通、社会互动和重复行为分数间的脑-行为关系。由于ADOS分数为偏态分布，分析采用Spearman偏相关系数。采用假阳性发现率校正(P<0.05)对上述多重比较进行校正，即对所有拒绝零假设的结果进行假阳性校正[12]。

2 结果

2.1 一般情况 符合本文纳入标准①～⑥条48例，其中3例不符合纳入标准⑦，预处理后可分析信号变异高1例(可能由于头动或体动过多)，44例ASD儿童青少年大脑拓扑属性数据进入本文分析，男 40例，女4例；年龄 6～16(9.5±1.5) 岁；ADOS量表：沟通0～9(2.82±1.98)分，社会互动1～14(6.89±2.89)分，重复刻板0～4(1.16±1.19)分；WISC：言语智商 (VIQ) 68～129(96.41±17.05)，操作智商 (PIQ) 66～134(99.28±14.71)，全量表智商 (FSIQ)74～123(97.09±15.94)。

2.2 全局效率和局部效率指标与年龄相关性 ①HbO的数据行回归分析，图2A显示，全局效率AUC与年龄呈正相关(R2=0.233，P=0.026)，随着年龄增大，全局效率的AUC下降 ；图2B显示，局部效率的AUC与年龄不相关 (R2=0.002，P>0.05) 。②HbR的数据行回归分析，图2A和B显示，全局效率 (R2=0.074，P>0.05) 和局部效率 (R2=0.013，P>0.05) AUC与年龄不相关。

图2 全局网络指标与年龄的效应

2.3 节点指标 表1显示，在通道3(β=-0.333，HbO，lMFG)、4(β=-0.351，HbO，lSFG)和23(β=-0.360，HbR，lIFG)，受试者的中介中心度出现与年龄相关的显著下降；而在通道14 (β=0.305, HbR, lMFG)、40 (β=0.375, HbO, rSTG)，则显示与年龄相关的显著上升。度在通道3 (β=-0.430, HbO, lMFG) 和4 (β=-0.411, HbO, lSFG) 显示与年龄相关的显著下降，在通道30 (β=0.299, HbR, rIFG) 、40 (β=0.467, HbO, rSTG) 和48 (β=0.337, HbO, rSTG) 显著上升。

表1 节点指标的回归模型结果

2.4 脑-行为关系 表2显示调整年龄影响后的偏相关分析结果，全局指标与ADOS沟通或社交互动得分及IQ均无显著相关(P均>0.05) 。

表2 全局网络属性和ADOS分数及智力的偏相关结果

图3A显示，ADOS沟通分数与通道9的HbR信号(rIFG) 和40(rSTG) 的中介中心度呈正相关。社会互动得分与通道40的中介中心度 (HbR, rSTG) 和通道33 (HbO, lIFG) 、45 (HbR, rSMFG) 的度呈正相关，与通道46的中介中心度 (HbR, rSFG) 和通道6的度 (HbR, rSMFG) 呈负相关。图3B显示，FSIQ与通道48 (HbO, rSTG) 的度呈正相关，与通道3(HbO, lMFG) 和通道22 (HbR, lSTG) 的度呈负相关。

图3C和D显示，操作IQ (PIQ) 与通道37 (HbO和HbR, lSTF)和通道46 (HbO, rSFG) 呈正相关。通道19 (rIFG) 在HbO信号的度与言语IQ (VIQ) 和FSIQ呈正相关。通道27 (rSMFG) 的中介中心度和度与VIQ (HbR) 、PIQ (中介中心度: HbR；度: HbO和HbR) 和FSIQ (HbR) 呈正相关。

图3 ASD受试者的图指标和行为相关性估计

3 讨论

本研究采用图论分析探讨ASD个体自儿童期至青春期的脑网络拓扑属性的发育。HbO结果表明，随着年龄增长，全局效率逐渐降低，而局部效率保持稳定。HbR数据在全局和局部效率上未发现差异有统计学意义。一方面，中介中心度在左额下回 (通道23) 、额中回 (通道3) 和额上回 (通道4) 显示与年龄相关的下降；另一方面，左额中回 (通道14) 和右颞上回 (通道40) 的中介中心度显示与年龄相关的增加。在左额中回 (通道3) 和额上回 (通道4) 的度显示与年龄相关的下降，而额下回 (通道30) 和颞上回 (通道40和/或48) 的度显示与年龄相关的增加。在控制年龄的影响后，有数个通道的中介中心度和度与ADOS得分和IQ显著相关。

本研究报道了HbO数据全局效率的下降和相近的局部效率，结果提示在ASD个体中非典型的功能整合和分化成熟。既往研究报道在TD个体中，全局效率增加或维持稳定，局部效率呈倒U型发育，并在25岁左右达到顶峰[13]。Fair 等[14]指出 “从局部到分散”的过程与短距连通性的减少和长距连通性的增加相关。Nomi等[15]的研究发现，ASD儿童的短距连通更多、长距连通性减少；相反，ASD青少年中只有长距连通性减少差异有统计学意义。本研究结果验证了这个发现。神经元兴奋/抑制失衡理论指出认为，ASD个体神经系统的兴奋性提高、抑制性下降，实时降低mPFC的兴奋比例能补救ASD小鼠模型的社交缺陷[16]。兴奋过度使神经系统难以将信号从生理噪音中区分开来，因而ASD个体的大脑信息传递的效率会下降 。

本研究结果未发现ASD核心症状与网络效率显著相关。既往研究发现，在注意力缺陷多动障碍[17]等其他神经发育障碍中也存在网络效率下降以及整合和分化过程发育的减少。既往研究也证实了不同神经发育障碍之间的一致性结果仅见于网络水平分析，提示在神经发育障碍中可能普遍存在异常的网络效率，而并非ASD个体独有的特征[18]。尽管如此，今后仍需更多的研究去明确这一问题。

在HbO和HbR数据关于节点指标的分析结果中，虽然在左额上回和额中回皮层显示与年龄相关的下降，并在右颞上回和额下回显示与年龄相关的上升，但中介中心度和度的结果并不一致。研究报道在进行心智化任务时，TD成人在右颞上沟的脑激活程度比儿童和青少年高；而在儿童和青少年中，mPFC的激活程度比成人高[19]。这些结果提示了社会脑呈“从前往后”的倾向[20]。本研究的结果似乎也提示了从儿童期到青春期，ASD个体也存在类似的发育轨迹。全年龄段研究也报道了TD个体双侧mPFC节点指标的衰减，而在额下回和颞叶区则存在负定二次年龄效应，即从儿童期到青春期呈逐渐增加的趋势[13]。类似的发育轨迹可能与ASD受试者ToM能力的正常发育相关；如Hoogenhout等[21]报道高功能ASD个体ToM能力的发育存在滞后，但发育的速度和顺序与TD个体相比无明显差异。

本研究也发现，有数个通道的节点指标与ASD症状的严重程度相关。有研究基于图论分析，应用支持向量机 (SVM) 的方法对ASD进行分类，结果表明右IFG、STG和SFG 脑区在分类模型中有较高的权重[22]。需要指出，在前述的这些脑区对应的通道中，本研究未发现显著的年龄效应。这个结果表明与ASD核心症状密切关联的脑区可能不存在显著的发育效应。既往研究也表明，24个月的ASD高危儿的额叶皮层存在非典型的网络拓扑结构[23]。以上结果支持了基于图论分析的神经影像学结果作为ASD早期识别的生物标记的可能性[24]。

此外，右SMFG、STG和左MFG的节点指标与IQ相关。在健康儿童中进行的fMRI研究发现，左MFG的中介中心度和IQ呈正相关，左STG的度与IQ呈负相关；左mPFC、左颞上回和额下皮层与IQ呈负相关[25]。研究结果的差异可能来自于本研究的样本只包括高功能ASD受试者。本研究一个重要的发现在于这些脑区有显著的年龄效应，提示这些脑区的发育可能与认知能力的发育相关，而与ASD的核心症状关联性不大。

本研究局限性包括以下方面。①仅探讨了前额叶网络和后颞叶皮层。后续探讨图论指标和症状严重程度的关系时，或需要同时纳入其他脑区作研究。②未纳入TD对照组。然而，未纳入TD对照组应该不会对目前的结果产生本质性的改变：近期发表的综述已经在宏观层面对人类大脑的发育进行了归纳总结，为本研究探讨ASD大脑发育提供了思路[26]。③非纵向设计，今后需要进行动态的追踪，以进一步验证本研究结果。④未考虑受试者接受干预的情况。但因本研究所纳入的儿童和青少年均就读于主流学校，除了1例女生外，其余受试者均未接受规律的“干预”，只采用了邹小兵[27]所提出的BSR教育三原则进行教育。基于脑电图的研究发现ASD青少年在接受了社交技能团体训练后，大脑神经功能连接性发生了改变，并且这些改变与社交技能的提升相关[28]。因此，今后仍需要进一步深入评价干预对于ASD个体大脑拓扑学的影响。

总而言之，以往鲜有研究利用fNIRS探讨ASD个体自儿童期到青春期的大脑发育轨迹[29]。本研究发现从儿童期至青春期，ASD个体存在功能整合的下降，而分化模式相似。此外，数个脑区的节点指标显示显著的与年龄相关的发育，但这些脑区仅与认知能力相关；另一方面，ASD症状严重程度与无显著年龄效应的脑区相关。因此，前额叶皮层的发育可能只与认知能力的发展相关，而与ASD核心症状无关。