原发性失眠静息态功能磁共振成像脑功能连接分析方法的研究进展

吴菁，冯慧婕，赵亚雄，李俊峰，2，李亭，2

1 长治医学院附属和平医院放射科，山西 长治 046099；2 长治市脑疾病功能影像重点实验室

原发性失眠（PI）是指每周至少3 个夜间出现入睡困难和（或）难以维持睡眠，持续3个月以上，患者因睡眠不足和（或）睡眠质量不佳无法恢复体力导致生理心理上的不适，从而影响正常的工作社交生活［1］。目前临床上最常使用的治疗方式是药物治疗，但其存在较多的不良反应，如日间嗜睡、反跳性失眠、认知行为损害等，还易造成患者药物成瘾、肝肾代谢功能损害等。因此，探索PI 的发病机制，基于机制进行治疗显得尤为重要。基于血氧水平依赖（BOLD）效应的功能磁共振成像技术（fMRI）被广泛应用于记录大脑神经活动信号［2］。fMRI是一种通过非侵入性手段来检测大脑活动的技术，可检测脑区发生神经活动时血氧和血流变化，并通过测量血流、血氧和氧消耗的关系来间接反映脑神经活动。在没有特定任务刺激的条件下，获得大脑处于清醒放松状态的自发波动的BOLD 信号称静息态信号。研究大脑不同区域间BOLD 信号的关联程度可以反映大脑的功能连接。通过分析功能连接的空间拓扑结构能探索大脑网络。静息态功能连接是对大脑连通性的研究。了解大脑通信过程可能有助于理解与大脑区域间异常通信相关的特定疾病［3］。基于种子点的功能连接、独立成分分析、体素镜像同伦连接（VMHC）分析可以从整体反应空间上分析非邻近的各功能脑区自发神经活动，基于图论的脑功能分析方法则通过分析一系列全局和局部属性指标来计算大脑连接组的拓扑结构，动态功能连接分析可反映时变的功能连接变化，不同的分析方法是否会影响PI 患者脑区生物标志物的分布仍值得进一步探讨。为进一步研究PI 患者较为一致的易损脑区，本文对脑功能连接分析方法进行综述。

1 基于种子点的相关分析（SCA）

SCA 是选取一个较小的种子点或感兴趣区（ROI），并找到该ROI 与整个大脑中所有其他体素的线性相关性，从而得到一个基于ROI 的功能连接图。SCA 在PI 的神经生物学特征研究最多，选取的ROI 有顶叶［4］、枕叶［5］、默认模式网络（DMN）［6］、内侧前额叶皮质（mPFC）［7］、前扣带回（ACC）［8］、杏仁核［9］、脑岛［10］及丘脑［11］等。此外，还用一些局部功能连接分析指标显示出的异常区域作为ROI。如HUANG 等［12］使用显示PI 的功能连接强度减少的大脑区域作为ROI，来探索PI 和健康对照间的功能连接差异。另外两项研究通过SCA来说明显示VMHC异常的大脑区域与整个大脑的功能连接变化［7，13］。LIU 等［14］使用度中心度值异常的区域作为ROI 执行SCA。失眠障碍涉及多个静息态脑网络间的连接异常，主要集中于DMN、突显网络（SN）及执行控制网络（ECN）。

1.1 DMN DMN 是个体在静息状态被发现的自发活动增加的脑区，而在个体活动时，这些脑区会变得不活跃。它主要与思维漫游、心理活动和记忆检索有关，涉及的脑区包括后扣带回皮质（PCC）、楔前叶、mPFC、顶下小叶以及双侧颞叶皮质［15］。多项研究表明，DMN 多个亚区的功能连接值下降［8-9，14］。NIE 等［16］发现，在PI 中，mPFC 与右内侧颞叶和左内侧颞叶与左下顶叶的区域间功能连接减少，但功能连接异常模式与临床特征无相关性。而REGEN等［6］发现，在静息清醒状态下PI 和健康对照间DMN连通性无任何差异。实际上，睡眠连续性和结构的客观紊乱与后压部皮层、海马和几个DMN 节点间较高的清醒功能连接有关。LI等［8］将ACC 作为ROI来探索伴发抑郁/不伴发抑郁的失眠患者与健康对照的功能连接差异，发现失眠组DMN 的前部（aDMN）和后部（pDMN）间的功能连接显著降低，而之前研究表明的抑郁症个体aDMN-pDMN 存在功能连接损伤，这表明PI 和抑郁症的部分病理机制相似，这一发现可能揭示了情绪调节过程损伤的相关病理生理机制。另一方面，有研究显示DMN 子区域间的功能连接增加，而当有外部刺激时该现象消失，当静息状态下该种连接被激活［5，17］，这似乎在一定程度上验证了失眠的过度觉醒假说机制。从生理上的高唤醒状态来看，失眠患者中DMN 内功能连接的增加可能解释了该疾病的自我参考性质，表明敏感性和自我意识的提高，这可能会影响入睡过程。尽管有许多关于DMN 内功能连接变化的研究，但由于各样本量较小，使用的分析、校正方法不同，失眠研究中可用的数据还不足以得出关于其重要性的明确结论，未来应使用更先进的研究方案来探索DMN 在失眠过程中的作用。

1.2 SN SN 主要由边缘脑区（如杏仁核、脑岛、ACC）组成的静息态脑网络，广泛参与认知过程，会持续不断地对外部世界进行监测，并谨慎决定其他脑网络对于新信息与刺激的反应以及维持警觉性和唤醒［18］。SN 活动的增加与压力和觉醒水平的增加有关。WANG 等［10］以脑岛为研究对象，发现左脑岛与ACC、丘脑的连接增加与抑郁有关，左脑岛与ACC 的连接增加和焦虑特征有关。另一项研究［19］也证实了这一点，该研究调查了失眠患者的脑岛功能连接模式，与没有睡眠问题的健康对照相比，失眠组的右脑岛与左侧中央后回之间的功能连接增加，且与更多的睡眠障碍和焦虑特征相关，并与执行功能评估中的随机误差呈负相关。然而，由于一些限制，包括样本量小、缺乏PI 诊断的专业参与者、缺乏睡眠问卷等，故必须谨慎考虑以上研究结果。脑岛是大脑皮层的主要中枢，在认知和情绪过程中起着至关重要的作用。脑岛异常可能是病理性焦虑的标志物，而脑岛皮层活动在整合情绪和身体状态方面起着关键作用。该区域与其他区域之间的连接模式受损可能导致认知、警觉性和感知功能障碍，以及主观痛苦和睡眠困难。已有研究表明，SN 内功能连接升高与PI 中的焦虑和抑郁特征相关［7，13］，支持PI 中情绪亢奋的概念。因此，SN 中功能连接的增加可能是PI 中观察到的情绪和内感受性意识的部分功能底物，从而导致更严重失眠。参与这些研究的PI 受试者的焦虑和抑郁水平明显高于HC，且高于临床临界值［10，19］。因此，由于两组之间的功能连接差异未受焦虑和抑郁水平的控制，不能排除SN中功能连接升高是焦虑和抑郁的直接后果，而不是由于PI。但有研究证实了脑岛在PI 患者焦虑特征与睡眠障碍严重程度间的中介作用［20］，提示睡眠问题可能会影响脑岛在情绪过程中的作用，从而导致焦虑和抑郁。

1.3 ECN ECN由一组大脑区域-背外侧前额皮质（dlPFC）、中左脑、中左脑、顶叶、扣带回（CG）、ACC组成，涉及工作记忆、决策、自上而下的目标导向控制过程［21］，在焦虑症中处于中心地位［22］。多项研究结果强调了连通性降低，ECN 内在连通性降低与抑郁、焦虑和失眠后负面情绪之间的关系［12-14］。表明ECN 内受损的功能连接可能是PI 病因学的决定性因素。这种连通性受损的模式可能与在这些患者中观察到的情绪失调有关。ECN 内的连通性受损可能是PI 中报告的白天认知和记忆障碍的功能基础。事实上，在PI中表现出功能连接减少的两个ECN 热点节点dlPFC 和颞中回，在执行功能、决策、工作记忆和注意过程中起关键作用［23］。这些假设是推测性的，因为这些研究从未直接评估认知功能。同时，这些研究对结果校正的统计选择保守，因此，应谨慎考虑以上研究结果。尽管如此，功能连接的结果与ECN 子区域间功能连接的减少是认知和情绪障碍的功能基础的观点大致一致。

总之，从SCA 证据中可以看出，要得出一个明确的结论非常困难。该分析方法在当时只考虑了一个系统，结果严格依赖于基于先验假设的ROI选择。实际上，目前大多数SCA 研究结果表明，PI 的特征是静息态脑网络的脑区间弥漫性功能连接变化。

2 图论分析

图论分析是基于节点的分析方法，其涉及两个概念表示，节点（不同的大脑区域）和边（不同区域之间的连接强度）。图论分析是分析较小空间内大量节点的连接并比较边的连接的分析方法。小世界网络是脑网络的拓扑特性之一，它可以被描述为节点在本地高度连接，远程连接较少的最优网络组织。研究发现，PI 组和HC 组全局拓扑特性差异无统计学意义［24］。然而，另一项研究表明，失眠患者的模块数量和层次结构减少，并且网络的同类性增加，网络模块化的减少与失眠患者的抑郁情绪间关系密切。左侧额下回三角区的节点效率降低，而右侧梭状回、额上回、额中回、颞上回、扣带回等多个脑区的节点效率升高［25］。但是，这些结果没有经过多重比较校正。此外，MA 等［26］研究认为，失眠患者的网络密度和整体效率增加，且与白天嗜睡呈正相关，但局部效率下降与白天嗜睡和失眠严重程度增加有关，随后的分析显示，脑岛和前额叶区域间的功能连接增加。黄伟康等［27］发现，PI 组较HC 组表现出聚类系数等网络参数减低，从而反映了大脑网络信息整合能力的受损。这些指标描述了小世界网络，模块化反映了将大脑网络隔离成更小模块的最佳功能，节点效率反映了某个节点与网络中所有其他节点的信息水平。表明小世界网络和节点中心性指数的变化存在异质性，全球和区域拓扑和功能组织存在功能障碍。由于大多数研究存在方法和统计缺陷，对小世界和节点中心性结果的解释也有限。

3 独立成分分析

PANG 等［28］采用了独立成分分析，这是一种数据驱动的探索性方法，能够发现不同的多个静息状态的网络，其优点是不依赖于先验的ROI 定义来揭示隐藏因素。与健康对照组相比，失眠症患者在任务负相关网络（mPFC、楔前区、颞下回、小脑和顶上回）内部以及两个内在反相关网络（mPFC 和颞中回；辅助运动区和小脑）间的负相关性更大。失眠患者的DMN 内部以及小脑与DMN（主要包括mPFC 和后扣带回皮层）间的正相关性也有所下降。PI 患者的主观睡眠评分和简易精神状态量表评分之间的正相关性降低，任务负相关网络和简易精神状态量表评分之间的负相关性升高。

ICA可以在个体水平上进行，但群体水平的ICA更适合于评估群体差异［29］。DONG 等［22］发现，在PI中，背侧注意网与额顶网络之间的功能连接显著增加，且与持续注意力的下降有关，而aDMN/pDMN间的功能连接下降。LI 等［30］比较了10 个静息状态网络内的PI 和健康对照组的功能连接，假设两组之间存在显著差异，与DONG等［22］的研究结果相反，PI中右侧额顶网络内功能连接减少以及额顶网络与右侧颞中叶、枕侧皮质之间功能连接减少，分别与PI 持续时间和焦虑呈正相关。程永欣等［31］用ICA 法分析PI患者脑网络的变化，发现DMN、SN、左右侧中央执行网络四个网络，并通过双回归分析发现PI组的SN与一些脑区的功能连接增强，这些脑区包括额下回、额中回、角回、后扣带回和顶上小叶；PI 患者左侧中央执行网络与颞下回和颞中回之间功能连接减弱；而在DMN 和右侧中央执行网络网络上未发现显著差异。此外现颞下回降低的功能连接与焦虑自评量表分数显著正相关，后扣带回增加的功能连接与匹兹堡睡眠质量指数分数显著正相关。

由于方法的局限性导致现有ICA 法的研究证据是异质和矛盾的，ICA 的结果可能会根据单次分析中提取的成分而变化。

4 VMHC分析

VMHC 是一种基于静息态fMRI 的现代技术，可测量两个半球相应区域的半球间功能连接强度，反映了大脑半球之间的信息交换和整合过程，并可评估半球间功能协同的程度。有研究采用了VMHC，与无失眠症状的健康对照组相比，有失眠症状的健康对照组在双侧丘脑、岛叶后部、梭状回和中间扣带回报告了更高的VMHC 值［6，16-17，32］。与健康对照组比较，PI组中ACC、PCC、楔前叶、初级视觉皮层、中央前回和视觉网络（即中央后回）内出现了较高的VMHC值，并与积极情绪状态呈负相关［6，16-17］。然而，在枕中回、颞中回、DMN和ECN内观察到VMHC值降低［6，16］。值得注意的是，在DAI 等［7］的研究中，使用高斯随机场校正VMHC值后组间比较差异无统计学意义。这些结果表明，在PI 组不仅大脑半球间对应脑区之间的功能连接会存在连接异常，还可能出现大量静息态脑网络空间组织的半球间功能协调紊乱。

5 动态功能连接分析

动态功能连接捕捉了短时间尺度上的时变连接，能够反映脑复杂功能组织间的变化和联系［33］，在神经精神疾病识别方面可以提供更多丰富的信息。动态功能连接分析可以比静态功能连接分析提取出更多的在时间尺度上各脑区信息交换的动态变化特征。更重要的是，这些动态脑网络特征不是仅由非神经活动的噪声扰动引起的，而是和许多生理参数、心理状态、甚至病理特征显著相关的［34］。因此，动态时变的功能连接特征可以更进一步地用以挖掘疾病和大脑功能连接之间的关联，从而可以更深入揭示疾病的神经机制并提供新的神经标记物。只有两项研究应用了动态功能连接分析［20-21］。WEI 等［35］经过多重比较校正后，失眠症患者和对照组在平均网络间功能连接强度方面无显著差异。然而，失眠症患者的前突出网络和左ECN 间的功能连接变异性更少。表明失眠症患者在休息状态下，神经网络间的互动灵活性降低。LONG 等［36］研究了睡眠剥夺后老年组和年轻组丘脑的动态连接变化，结果发现年轻组左侧丘脑和左侧上顶叶皮层之间的功能连接变异性降低，且失眠严重程度指数与左侧丘脑与左侧上顶叶皮层功能连接的变异性（剥夺后减去剥夺前）呈负线性相关。目前应用动态功能连接分析方法的失眠研究较少，由于动态功能连接的优势性，未来的失眠功能连接研究或许可以着重于这个分析方法。

PI的各种静息态磁共振功能成像分析研究对于阐述PI 的神经生理机制有一定作用，但目前尚不能总结出统一结论。这些研究对失眠病因机制进行深入分析，显示其在特定大脑区域、大脑网络的连接异常，这可能是开发失眠新治疗靶点的依据。功能连接研究表明，PI症状与过度觉醒、显著性、感觉运动、认知和自我参考过程相关的大脑区域的半球内和半球间异常相互作用有关。研究结果支持了这一假设，即PI 的特征是大脑功能连接组的拓扑结构被破坏，可能导致睡眠、认知、情感和记忆的功能下降。未来应设计严谨的研究方案，通过纵向观察、更大的样本量、严苛的结果校正方法、客观睡眠评估（如使用脑电图等测量）来探讨功能连接改变的意义。