伴微血管并发症的2型糖尿病患者的功能拓扑属性研究

黄 杨，程 苗，杨 圳，张 鑫

(陕西省人民医院MR室，西安 710068;*通讯作者,E-mail:zhangxin1600@126.com)

2型糖尿病(type 2 diabetes mellitus，T2DM)是最常见的代谢性疾病，以胰岛素抵抗和慢性高血糖为特征[1]。而长期高血糖可引起肾系膜细胞扩张，加速内皮细胞凋亡，最终导致多种微血管并发症，其中包括糖尿病肾病、视网膜病变和周围神经病变[2]。多项临床研究发现，微血管并发症可加速糖尿病患者的认知损伤，对患者的生活质量和总体预期寿命存在很大影响[3]。因此，探讨T2DM-C患者的脑网络拓扑属性改变及其认知功能损伤的神经机制具有重要意义。

大脑的复杂网络构成了信息处理和认知表达的基础[4]。脑网络中的神经元连接性改变可能是诱发微血管功能障碍，导致认知能力下降的关键步骤[5]。基于静息态功能磁共振成像(rs-fMRI)的图论分析方法能够反映不同尺度的脑神经元活动，以及不同脑区之间功能的分离与整合过程[6]。并且该方法能够充分、有效地检测人脑网络特征的拓扑属性变化[7]。本研究利用rs-fMRI数据结合图论分析方法，探讨T2DM-C患者的功能脑网络拓扑属性改变，并进一步分析脑网络拓扑属性与认知功能之间的关系，为T2DM-C患者脑功能研究提供一种新的视角和方法。

1 材料与方法

1.1 研究对象

本研究从陕西省人民医院内分泌科招募了37例2型糖尿病伴微血管并发症患者(T2DM-C)及同期体检中心的41例健康被试(HC)。T2DM-C患者的纳入标准：①符合2014年WHO的糖尿病诊断标准;②至少存在1种糖尿病相关的微血管并发症(肾病、视网膜病变或周围神经病变)。糖尿病肾病的诊断标准：尿白蛋白/肌酐比值(ACR)>300 mg/g或ACR 30～300 mg/g；或肾脏病理检查提示糖尿病肾病。若T2DM患者存在视网膜微动脉瘤、出血、渗出、新生血管等被定义为糖尿病视网膜病变。糖尿病周围神经病变需符合以下任意2个指标：①存在典型的神经性感觉症状;②远端感觉对称减少或踝关节反射丧失;③神经传导异常。所有受试者的排除标准如下：①严重幽闭恐怖症或MRI禁忌证；②酒精中毒、帕金森病、重度抑郁症、脑损伤、癫痫或其他神经或精神疾病；③存在另一种原发性、继发性或先天性肾脏疾病；④存在其他眼部疾病；⑤小型精神状态检查(MMSE)评分<24。本研究通过陕西省人民医院伦理委员会审核及批准，所有被试在参与前均被告知实验详情并签署知情同意书。

1.2 临床资料及神经心理学测试

收集患者的病史和临床资料。包括性别、年龄、糖化血红蛋白、空腹血糖、甘油三酯、胆固醇、血清尿素、血清肌酐、尿微量白蛋白、尿肌酐，采用标准实验室检测方法测定尿白蛋白/肌酐比值。利用简易智力状态检查量表MMSE和蒙特利尔认知评估量表MoCA评估一般认知功能。通过连线测试A(trail-making test part A, TMT-A)评估被试信息处理速度和注意力；采用时钟绘图测试(clock drawing test，CDT)评估被试视觉空间功能及执行功能。

1.3 rs-fMRI数据采集和预处理

所有被试在陕西省人民医院使用Philips 3.0T Ingenia磁共振和16通道头线圈进行MRI扫描。采用常规T1WI、T2WI及T2-FLAIR序列来排除可见的脑损伤。静息态数据rs-fMRI采用梯度回波平面成像序列的扫描参数如下：重复时间(TR)2 s、回波时间(TE)30 ms、视野(FOV)230 mm×230 mm、矩阵128×128、翻转角度(FA)90°、层厚为4 mm，层间隔为0，34层，共采集200个时间点。整个扫描过程中都要求被试闭上眼睛并保持清醒。

rs-fMRI数据使用DPABI软件包进行预处理[8]。首先去除前10个时间点，以确保磁场的稳定性。对剩余的190个时间点进行时间层校正和头动校正(排除头动平移>1.5 mm或转动>1.5°的被试)。然后，使用EPI模板将图像匹配到标准MNI空间，并使用半高宽为6 mm的高斯核进行平滑处理。此外，回归了24个头部运动参数、线性漂移信号、脑脊液信号和白质信号。最后，利用滤波器(0.01～0.08 Hz)去除了生理噪声的影响。

1.4 脑网络构建与网络拓扑属性分析

利用GRETNA软件包[9]的解剖学自动标记模板(anatomical automatic labeling，AAL)构建网络，将每个被试的全脑划分为116个区域，包括90个大脑区域和26个小脑区域。提取每个区域的平均时间序列，并计算每对区域时间序列之间的皮尔逊相关系数。采用Fisher-Z变换将相关系数转换为Z值，以改善正态分布。每个被试生成一个116×116的相关矩阵。通过设定稀疏度阈值(Sp)保证了每个网络的边数相同，并将组间总体相关强度差异的影响最小化[10]。因此，应用稀疏阈值[11](0.05

1.5 统计学分析

所有被试人口学、临床资料及神经心理学评分采用SPSS 24.0软件进行分析。两组间比较采用独立样本t检验，性别采用χ2检验，显著性阈值设置为P<0.05。为了比较组间AUC的全局网络拓扑指标(Cp、Lp、γ、λ、σ、Eg和Eloc)和节点拓扑指标(DC、BC和NE)，以年龄和性别作为协变量，对两组拓扑指标进行独立样本t检验，使用FDR矫正，校正后P<0.05，表示两组拓扑指标差异有统计学意义。此外，为了探讨脑网络的拓扑属性与临床/认知评分之间的关系，进一步在患者组中进行了拓扑属性与认知/临床变量之间的偏相关分析，将年龄和性别作为协变量，P<0.05为差异有统计学意义。

2 结果

2.1 人口学资料及神经心理学测试结果

两组被试在性别、年龄、总胆固醇、甘油三酯、MMSE评分方面均未见显著差异(P>0.05)；T2DM-C组的糖化血红蛋白、空腹血糖水平以及TMT-A评分明显高于HC，而MoCA和CDT评分明显低于HC组(P<0.05，见表1)。

表1 T2DM-C组及HC组人口学、临床资料及神经心理学评分结果

2.2 全局拓扑属性以及节点拓扑属性比较结果

在全稀疏阈值范围内(0.05～0.5)，T2DM-C患者的标准化聚类系数(γ)、小世界属性(σ)以及局部效率(Eloc)均显著高于HC组，其他拓扑属性指标在两组被试间不存在显著性差异(见图1)。

Cp，聚类系数；Lp，特征路径长度；γ，标准化聚类系数；λ，标准化特征路径长度；σ，小世界属性；Eg，全局效率；Eloc，局部效率；与HC组比较，**P<0.01图1 T2DM-C组与HC组全局拓扑属性指标比较Figure 1 Comparison of global topological properties between T2DM-C group and HC group

两组被试间节点拓扑指标在全稀疏阈值下的差异比较见表2。与HC组相比，T2DM-C患者左侧楔叶和小脑蚓部的BC值增高。T2DM-C患者在右侧中央旁小叶和左侧枕下回的DC值降低，双侧小脑3区和小脑蚓部的DC值增高。此外，T2DM-C患者右侧中央旁小叶和左侧枕下回的NE值降低，双侧小脑3区的NE值升高。

2.3 相关性分析

在T2DM-C组中，Eloc值与糖化血红蛋白水平呈正相关(r=0.515,P=0.001)；右侧中央旁小叶PCL的NE值与血清肌酐值呈负相关(r=-0.517,P=0.001)，其他网络拓扑属性与临床和神经心理学参数之间没有相关性(见图2)。

表2 T2DM-C组相对于HC组节点拓扑属性指标的差异

*表示该指标去除性别、年龄作为协变量的影响图2 T2DM-C患者的拓扑属性指标与认知/临床变量之间的相关性Figure 2 Correlation between topological properties and cognitive and clinical scores of T2DM-C

3 讨论

本研究利用rs-fMRI数据结合图论的方法，通过探究复杂脑网络的拓扑属性改变，揭示T2DM-C患者的大脑神经活动机制与认知损害的关系。与HC组相比，T2DM-C组具有较高的标准聚类系数和局部效率，且视觉网络和小脑区域的节点拓扑结构存在显著异常。表明T2DM-C患者可能同时受到高血糖和微血管并发症的影响，在全局网络和节点拓扑属性表现出广泛异常，而视觉皮层和小脑皮层可能是T2DM-C患者的中枢易损区域。

2型糖尿病常导致多种认知功能障碍，而临床研究发现微血管并发症可加速2型糖尿病患者的认知功能损害[3]。神经影像学研究指出伴有糖尿病肾病和视网膜病变的2型糖尿病患者存在广泛的神经活动异常的脑区[12]。此外，也有研究表明，糖尿病视网膜病变患者表现出异常的拓扑改变，其网络拓扑属性和节点的度中心性与患者的空腹血糖水平显著相关[13]。一项纵向研究证实了，糖尿病微血管并发症患者未来脑结构改变和认知能力下降的风险较高[14]。

在当前研究中，与正常对照组(HC)相比，T2DM-C患者表现出更高标准化聚类系数、小世界属性以及局部效率，这表明T2DM-C患者的局部结构可能已出现异常。为了使全局网络效率的稳定性维持在一个相对正常的水平，局部网络效率表现为代偿性提高。之前有研究发现轻度认知障碍(MCI)患者的网络局部效率提高，而痴呆患者的局部效率降低[15]。在本项研究中，所有T2DM-C患者的MMSE评分>24。因此，我们推测，在T2DM-C患者出现痴呆前，网络局部效率可能已表现出代偿性增加，以维持正常认知功能。并且T2DM-C患者的局部网络效率与糖化血红蛋白水平相关，这表明持续性高血糖可能是导致T2DM-C患者局部网络效率代偿性增加和认知功能损伤的原因。

枕叶视觉皮层是T2DM患者最易受损的大脑区域之一[16]，楔叶和枕下回参与了视觉空间过程，具有视觉感知功能[17]，本研究发现T2DM-C患者左侧楔叶的BC值高于HC组，左侧枕下回的DC值和NE值低于HC组，这表明T2DM-C患者视觉网络存在广泛的中断，进一步证实了视觉皮层可能是T2DM-C患者易受损的大脑区域。有研究表明，视觉网络异常的神经活动可能会影响视觉空间记忆[18]和一般认知功能[19]，这可能是T2DM-C患者的CDT和MoCA评分较低的原因之一。中央旁小叶属于感觉运动皮层，T2DM-C患者的右侧中央旁小叶的DC和NE值低于HC组，并且右侧中央旁小叶(PCL)的NE值与T2DM-C患者的血清肌酐值呈负相关，表明右侧中央旁小叶的节点拓扑结构异常可能与糖尿病患者的肾功能损害有关。有研究证实不同的小脑亚区也参与了多种认知功能[20]，并有研究发现糖尿病肾病和视网膜病变患者的小脑神经元存在异常活动[12,21]，周围神经病变患者的小脑灰质体积减少[22]，说明小脑也是糖尿病微血管病变的易受损区域之一。本研究发现，T2DM-C患者在小脑多个亚区域的DC值和NE值高于HC，说明小脑网络拓扑结构紊乱，这进一步证实了小脑可能是T2DM-C患者的中枢损伤靶点。此外，多项研究认为小脑的结构和功能异常与信息处理速度障碍有关[23,24]，这可能是T2DM-C患者TMT-A评分较差的原因。

本研究也有一些局限性。首先，该研究是样本量小的横断面研究，可能限制了我们结果的普适性。第二，不同患者的T2DM治疗方案有所不同，不同的药物可能对研究结果有一定的影响。

综上所述，本研究采用图论的方法，探究T2DM-C患者静息态脑功能网络的拓扑属性，发现T2DM-C患者在全局网络拓扑属性表现出广泛的改变，并且视觉网络和部分小脑区域存在节点属性异常，表明视觉和小脑皮层可能是T2DM-C患者易受损的中枢区域。这为了解T2DM-C患者的脑功能损伤以及认知功能障碍的神经机制提供了一些影像学证据。