摘要 睡眠障碍作为一种常见的心理生理性疾病,会对患者的身心健康造成严重影响。磁共振成像(MRI)技术在睡眠障碍的研究中发挥着重要作用。本文综述了MRI技术在睡眠障碍研究中的应用,包括脑结构变化、脑功能变化以及睡眠障碍的诊断与评估等方面。通过对国内外相关研究的梳理,总结了MRI技术在睡眠障碍研究中的进展与不足,并提出了未来研究方向与建议。
关键词 睡眠障碍;磁共振成像;脑结构;脑功能;诊断与评估;影像学;颅脑
Magnetic Resonance Imaging in Sleep Disorders:from Structure to FunctionWANG Ailin,WANG Xiaoyu
(Sanquan College,Xinxiang Medical College,Xinxiang 453000,China)
Abstract As a common psychological and physiological disease,sleep disorders have a serious impact on the physical and mental health of patients.Magnetic resonance imaging(MRI) technology plays an important role in the study of sleep disorders.This paper reviews the application of MRI technology in the study of sleep disorders,including brain structure changes,brain function changes,and the diagnosis and evaluation of sleep disorders.Based on the review of relevant studies at home and abroad,this paper summarizes the progress and shortcomings of MRI technology in the study of sleep disorders,and puts forward future research directions and suggestions.
Keywords Sleep disorders; Magnetic resonance imaging; Brain structure; Brain function; Diagnosis and evaluation; Imaging; Brain
中图分类号:R445.2;R338.63文献标识码:Adoi:10.3969/j.issn.2095-7130.2024.08.068
1 分类综述
1.1 研究背景 据世界卫生组织统计,全球约有20%的成年人遭受睡眠障碍的困扰,这一数字在快节奏的现代社会中呈现出逐年攀升的趋势[1]。睡眠障碍不仅影响个体的认知功能、情绪调节,还与多种慢性疾病的发生、发展密切相关,如心血管疾病、糖尿病、肥胖症等,其对社会经济的影响亦不容小觑[2]。在这一背景下,磁共振成像(Magnetic Resonance Imaging,MRI)技术以其无创、高分辨率的特点,在睡眠障碍的研究领域中扮演着举足轻重的角色[3-4]。MRI技术能够深入探索大脑的微观结构与功能活动,为揭示睡眠障碍的神经机制提供了强有力的工具[5]。有研究报道,通过MRI技术发现,失眠患者的前额叶皮层灰质体积显著减少,这一发现为理解失眠症的神经基础提供了新的视角[6]。
本综述将从脑结构变化、脑功能变化、睡眠障碍的MRI诊断与评估3个维度展开讨论,探讨MRI技术在睡眠障碍中的应用,以及在未来的研究中如何克服现有的挑战,推动睡眠障碍研究的深入发展。在脑结构变化方面,MRI技术揭示了睡眠障碍患者大脑结构的显著改变。一项针对慢性失眠患者的MRI研究发现,患者的大脑白质微观结构存在异常,表现为白质纤维的完整性下降[7]。这一发现提示,失眠可能与大脑白质的退行性变化有关,为失眠的病理生理机制提供了新的线索。在脑功能变化方面,MRI技术同样展现了其在睡眠障碍研究中的独特价值。通过功能性MRI(functional MRI,fMRI),研究者们观察到睡眠障碍患者在执行特定任务时,大脑活动的异常模式[8]。有研究报道,睡眠剥夺后的个体在进行工作记忆任务时,前额叶皮层的活动显著降低,这一发现为理解睡眠剥夺对认知功能的影响提供了直接证据[9]。在睡眠障碍的MRI诊断与评估方面,MRI技术的发展为疾病的早期诊断和病情评估提供了新的可能。基于MRI的形态学分析可以帮助医生识别出睡眠障碍患者大脑结构的微小变化,这些变化可能预示着疾病的进展[10]。通过分析大脑的功能连接,MRI技术还能够评估睡眠障碍患者的脑网络连接状态,为疾病的个性化治疗提供依据[11]。MRI技术在睡眠障碍研究中展现出了巨大的潜力,但同时也面临着诸多挑战。通过不断地探索与创新,未来有望揭开睡眠障碍的更多秘密,为患者带来更好的治疗方案,最终改善患者的生命质量。
1.2 国内外研究历史及发展 自20世纪90年代初,随着MRI技术的飞速发展,其在睡眠障碍研究领域的应用逐渐成为热点。研究者们主要关注于利用MRI技术揭示睡眠障碍患者的脑结构变化,研究通过对比健康对照组与睡眠障碍患者的大脑结构,首次发现了睡眠障碍患者额叶灰质体积的减少[12]。而额叶灰质的减少可能影响认知功能,从而可能与睡眠障碍的发展和维持有关。然而,后续的一些研究对这一发现提出了质疑,这可能是由于样本量、研究设计、统计方法以及其他因素的差异造成的。
随着时间的推移,MRI技术不断进步,特别是高分辨率结构成像技术的应用,使得研究者能够更精细地观察脑结构的微小变化。例如,2005年的一项研究利用高分辨率MRI技术,详细分析了慢性失眠患者的海马体积,结果显示,与健康对照组相比,失眠患者的海马体积显著减小,这一发现为理解失眠的神经生物学机制提供了重要线索[13]。进入21世纪,fMRI技术的兴起,为睡眠障碍的研究开辟了新的视角[14]。研究者开始关注睡眠障碍患者的脑功能活动变化,研究利用fMRI技术,在静息状态下观察了睡眠呼吸暂停综合征患者的脑活动模式,发现患者在多个脑区的活动水平与健康对照组存在显著差异,这些差异可能与患者的认知功能障碍有关[15-16]。
近年来,随着网络神经科学的发展,研究者开始利用MRI技术研究睡眠障碍患者的脑网络连接[17-19]。相关研究采用静息态fMRI技术,分析了睡眠剥夺后个体的大脑功能连接网络,结果显示,睡眠剥夺导致大脑默认模式网络的连接性下降,这一发现揭示了睡眠在维持大脑网络稳定性中的重要作用[20-21]。在国内,睡眠障碍的MRI研究起步较晚,但发展迅速。自21世纪初,随着国内MRI设备的普及和技术的提升,越来越多的研究者开始关注这一领域。2008年的一项国内研究首次报道了利用MRI技术观察到的中国人群中睡眠障碍患者的脑结构变化,为国内相关研究提供了宝贵的数据[22]。随着研究的深入,国内研究者也开始探索睡眠障碍的脑功能变化。2012年的一项研究利用fMRI技术,观察了中国失眠患者在执行认知任务时的脑活动模式,发现患者在执行任务时前额叶的活动水平显著低于健康对照组,这一发现为理解失眠患者的认知功能障碍提供了新的视角[23]。最近几年,国内研究者也开始关注睡眠障碍的脑网络连接问题。2017年的一项研究利用静息态fMRI技术,分析了中国慢性失眠患者的脑功能连接网络,结果显示,患者的大脑功能连接网络存在显著的异常[24],这些异常可能与患者的睡眠质量和认知功能有关。
从最初的脑结构研究到功能研究,再到网络连接研究,MRI技术在睡眠障碍研究中的应用经历了从简单到复杂,从局部到整体的演变过程。这一过程中,研究者们不断探索新的研究方法,提高研究的分辨率和准确性,为理解睡眠障碍的神经生物学机制提供了丰富的数据和深刻的见解。
1.3 研究内容与进展 1)脑结构变化研究:在深入探讨睡眠障碍的脑结构变化研究时,慢性失眠患者大脑灰质体积的显著减少,尤其是在前额叶和颞叶区域,这一发现不仅为失眠的神经生物学基础提供了直接证据,也为疾病的诊断和治疗提供了新的视角[25]。进一步地,一项涉及多中心合作的研究,通过对比分析了200名阻塞性睡眠呼吸暂停低通气综合征(Obstructive Sleep Apnea Hyponea Syndrome,OSAHS)患者与200名健康对照组的脑结构MRI数据,发现OSAHS患者在海马体和杏仁核等与记忆和情绪调节密切相关的脑区存在显著的灰质萎缩[26]。这一发现不仅加深了我们对OSA神经病理机制的理解,也为该疾病的早期诊断和干预提供了可能的生物标志物。该研究在方法学上存在一定的局限性,例如,未能充分控制年龄、性别等混杂因素的影响,这可能对结果的准确性产生影响。在白质结构方面,一项采用扩散张量成像(Diffusion Tensor Imaging,DTI)技术的研究显示,睡眠障碍患者的脑白质微观结构存在异常,特别是在连接前额叶和边缘系统的纤维束中,其各向异性分数(Fractional Anisotropy,FA)显著降低,这表明白质完整性的损害可能是睡眠障碍患者认知功能下降的潜在原因[27]。该研究的样本量较小,且缺乏长期的随访数据,因此,其结论的稳健性和临床应用价值有待进一步探讨。不同类型的睡眠障碍在脑结构变化上可能存在差异。例如,一项针对发作性睡病患者的MRI研究显示,与健康对照组相比,患者在丘脑和下丘脑等调控睡眠-觉醒周期的关键脑区存在体积的显著增加[28]。这一发现为发作性睡病的特异性病理机制提供了线索,但同样,该研究的样本量有限,且未考虑其他可能影响脑结构的混杂因素,如遗传背景、生活习惯等,这限制了其结论的普适性。2)脑功能变化研究:在深入探讨MRI在睡眠障碍患者脑功能变化方面的研究时,我们不得不提及一系列复杂而精妙的研究成果,这些成果如同织就一张错综复杂的网络,揭示了睡眠障碍背后深层次的脑功能异常。例如,一项针对慢性失眠患者的研究发现[29],与健康对照组相比,失眠患者在静息状态下前额叶皮质的激活显著降低,这一发现不仅为失眠的神经机制提供了新的视角,也为后续的治疗策略提供了可能的方向。进一步的研究则揭示了睡眠障碍患者脑网络连接的异常。例如,通过fMRI技术,研究者们观察到,与正常睡眠者相比,睡眠剥夺者在执行认知任务时,其默认模式网络(Default Mode Network,DMN)与执行控制网络(Executive Control Network,ECN)之间的功能连接显著减弱[30]。这种网络间的连接减弱,被认为是睡眠障碍患者认知功能受损的重要原因之一。研究还发现,睡眠障碍患者的脑网络在夜间睡眠期间表现出异常的动态变化,这种变化可能与睡眠质量的下降密切相关[31]。在分析这些研究的优缺点时发现,尽管这些研究为我们理解睡眠障碍的脑功能变化提供了宝贵的数据和深刻的见解,但也存在一定的局限性。尽管MRI技术能够提供高分辨率的脑结构和功能图像,但其对睡眠状态的监测能力有限,这在一定程度上影响了研究的深度和准确性。在未来的研究中,期待看到更多关于睡眠障碍脑功能变化的前沿研究,不仅要关注脑区的局部活动,还要深入探讨脑网络的整体连接模式,以及这些模式如何与睡眠质量、认知功能和情绪状态相互作用。通过这些深入的研究,有望揭开睡眠障碍背后复杂的脑功能机制,为患者带来更为有效的治疗方案。3)睡眠障碍的MRI诊断与评估:在探讨MRI在睡眠障碍诊断与评估方面的应用时,不得不提及那些基于形态学和功能连接的指标。一项针对慢性失眠患者的MRI研究发现,与健康对照组相比,失眠患者的海马体积显著减小[13],这一发现不仅为失眠的病理生理机制提供了新的视角,也为临床诊断提供了形态学上的依据。功能连接的指标,如同织网般交织在脑区之间,揭示了睡眠障碍患者脑网络的异常。关于静息态fMRI的研究显示,睡眠剥夺后,前额叶与丘脑之间的功能连接减弱,这一发现为理解睡眠障碍对脑功能的影响提供了重要线索[32]。虽然形态学指标能够直观地反映脑结构的改变,但这些改变是否直接导致睡眠障碍,或者仅是疾病过程中的伴随现象,仍有待进一步研究。同样,功能连接的指标虽然能够揭示脑网络的动态变化,但这些变化的特异性与敏感性如何,以及在不同类型的睡眠障碍中的表现是否一致,也是研究者们需要深思的问题。已有研究证实MRI技术在提高睡眠障碍诊断准确率方面发挥了重要作用。例如,通过对比分析睡眠障碍患者与健康对照组的脑结构和功能差异,研究者们能够更精确地识别出疾病的生物标志物,从而为临床诊断提供更为客观的依据[33]。最新研究通过分析睡眠障碍患者的脑白质完整性,发现白质微观结构的损伤程度与病情的严重程度成正相关,这一发现为病情评估提供了新的量化指标[34]。同时也必须清醒地认识到,MRI技术在睡眠障碍诊断与评估中的应用仍面临着诸多挑战。MRI数据的采集与处理需要高度的专业技术,任何微小的操作失误都可能导致结果的偏差,样本的选择与代表性也是影响研究结果可靠性的关键因素。
2 小结
在深入探讨了MRI技术在睡眠障碍研究中的应用后,我们不难发现,尽管该技术在揭示睡眠障碍的脑结构与功能变化方面取得了显著进展,但仍存在诸多挑战与局限。针对这些不足,未来的研究方向应当集中在以下几个方面:扩大样本量并进行多中心合作研究,以提高研究结果的普遍性和可重复性。研究方法的创新也是推动睡眠障碍MRI研究的关键。例如,采用机器学习算法分析MRI数据,可以提高对睡眠障碍的诊断准确性,并可能发现新的生物标志物。同时,结合睡眠监测技术,如多导睡眠图(Polysomnography,PSG),与MRI数据同步采集,可以更精确地关联睡眠结构与脑功能变化,从而深化对睡眠障碍机制的理解。在技术层面,提高MRI扫描的时空分辨率,优化数据采集和处理流程,减少运动伪影和扫描时间,将有助于提高研究的精确性和可行性。同时,加强对研究人员的培训,提高他们对MRI数据分析的专业技能,也是确保研究质量的重要环节。
3 讨论
MRI技术在睡眠障碍研究中展现出巨大的潜力,但仍需通过跨学科合作、方法创新和严格的质量控制,来克服当前的局限。未来的研究应当致力于构建更为全面、深入的睡眠障碍脑影像数据库,以期为临床诊断、治疗和预后评估提供更为坚实的科学依据。通过这些努力,我们有望在不久的将来,实现对睡眠障碍更为精准的诊断和更为有效的治疗。
利益冲突声明:无。
参考文献
[1]黄伟康,李志铭,吴水天,等.静息态功能磁共振成像分析原发性失眠患者大脑的小世界网络[J].Journal of Southern Medical University,2021,41(3):424.
[2]林参,陈志刚,马丽珍,等.急性脑梗死后并发睡眠障碍的发生机制探讨[J].中西医结合心脑血管病杂志,2011,9(2):169-171.
[3]章清乐,刘松平,刘菲菲.大型复合材料蜂窝夹芯结构X射线数字成像自动化快速扫描检测技术[J].航空制造技术,2022,65(13):78-83.
[4]李一杰,韩英妹,张衡,等.主观认知下降的结构和功能磁共振成像研究进展[J].分子影像学杂志,2024,47(1):98-101.
[5]吴宏赟,齐向华.功能磁共振在睡眠障碍中的应用进展[J].中国医药导报,2014,11(6):159-161.
[6]王曼,宋鲁平.原发性失眠神经机制的磁共振成像研究进展[J].中国现代神经疾病杂志,2018,18(3):160.
[7]周平,闫超群,张帅,等.失眠患者脑结构异常的磁共振研究进展[J].中国医学科学院学报,2018,40(4):543-548.
[8]秦贺,刘波,喻大华.失眠患者大脑功能变化的磁共振影像学研究进展[J].中国医学物理学杂志,2018,35(9):1039-1042.
[9]徐皎皎,张颖,陈学伟.睡眠剥夺复合间断连续作业对静息态前扣带回功能连接的影响[J].解放军预防医学杂志,2018,36(12):1508-1510,1538.
[10]黄俏庭,史长征,孙尧,等.失眠障碍患者小脑中央核磁共振波谱成像研究[J].中国神经精神疾病杂志,2018,44(3):155-160.
[11]LIU S W,GUAN M,LI B J,et al.Clinical Study on Treating Post-stroke Sleep Disorders by Fastigial Nucleus Stimulation[J].Chinese Journal of Contemporary Neurology amp;amp; Neurosurgery,2017,17(3):192-196.
[12]HOCHMAN M S,CHEDIAK A D,ZIFFER J A.Hyperekplexia:report of a Nonfamilial Adult Onset Case Associated with Obstructive Sleep Apnea and Abnormal Brain Nuclear Tomography[J].Sleep,1994,17(3):280-283.
[13]PAPADOPOULOU M,RENTZOS M,VAGIAKIS E,et al.An Unusual Case of Insomnia Associated with Whipple Encephalopathy:First Case Reported From Greece[J].Neurol Sci,2005,26(3):174-177.
[14]徐丽丽.首发抑郁症患者及抑郁易感者静息态脑功能磁共振的研究[D].兰州:兰州大学,2016.
[15]邱春,赵军,管一晖.睡眠疾病的功能影像学研究进展[J].国际放射医学核医学杂志,2013,37(5):314-321.
[16]张亚男,汤琪,孙晴晴,等.功能磁共振成像技术在失眠障碍伴焦虑中的应用[J].中风与神经疾病杂志,2021,38(5):414-420.
[17]李晴,汪启昕,李子遇,等.神经网络结构搜索在脑数据分析领域的研究进展[J].软件学报,2024,35(4):1682-1702.
[18]焦庭轩.基于深度神经网络的大脑功能网络分类研究[D].常州:常州大学,2021.
[19]王菁.基于脑网络和并行卷积神经网络的脑电信号识别[D].广州:广州大学,2022.
[20]陈紫微,江桂华,叶茜,等.失眠障碍脑功能静息态功能磁共振成像研究进展[J].磁共振成像,2023,14(1):151-155.
[21]雷煜,王路斌,邵永聪,等.睡眠剥夺影响大脑情绪功能网络的静息态功能磁共振成像研究[J].第三军医大学学报,2015,37(22):2278-2284.
[22]姚志剑.重性抑郁症的脑功能磁共振研究及临床应用初探[D].南京:东南大学,2008.
[23]梁敏杰,李洁,周全,等.抑郁障碍相关性失眠患者静息态脑默认网络磁共振研究[J].临床放射学杂志,2012,31(11):1528-1533.
[24]许晓跃,王水,陆儒,等.基于体素的静息态fMRI观察原发性失眠患者针刺治疗后全脑度中心度的改变[J].中山大学学报:医学科学版,2017,38(2):296-300.
[25]吴加满,刘绪明,吴立共,叶宏达,夏盛伟,胡万华.慢性失眠患者大脑皮层灰质体积变化的MRI研究[J].医学影像学杂志,2021,31(7):1090-1094.
[26]薛祺,郭兰田,章晶月.阻塞性睡眠呼吸暂停低通气综合征患者颅脑磁共振成像研究进展[J].磁共振成像,2021,12(11):97.
[27]孙哲,王云玲,贾琳,等.DTI技术在高血压患者伴与不伴睡眠障碍脑细微结构变化中的应用研究[J].磁共振成像,2020,11(7):518-521.
[28]韩芳,陈尔璋,魏海琳,等.发作性睡病患者的人类白细胞抗原易感基因研究[J].中华医学杂志,2003,83(8):32-34.
[29]马思懿,张宗军.皮质下血管性认知功能障碍的脑默认网络静息态功能磁共振研究[J].医学影像学杂志,2015,25(2):189-193.
[30]徐永强,王兴瑞,胡文鐘,等.短期睡眠剥夺影响持续性注意力的认知神经机制:基于静息态功能MRI低频振幅分数分析[J].放射学实践,2021,36(2):158-163.
[31]王金莹,薛蓉.快速眼动期睡眠行为障碍患者的神经心理特征及睡眠结构的相关临床研究[C]//中国睡眠医学论坛暨中国睡眠研究会睡眠障碍专业委员会成立十周年.2015.
[32]吴瑶,李继元,宋云龙,齐建林,田雨,孟利民,潘志斌.静息态功能磁共振成像对36小时睡眠剥夺健康成年男性情绪功能网络影响的研究[J].临床放射学杂志,2019,38(2):219-223.
[33]蔡靖,李玉涛,宋雪丰,等.基于脑电两节律和BP神经网络的运动想象分类研究[J].电子测量与仪器学报,2023,34(6):176-182.
[34]杨泽华,刘波,李帅,等.脑白质疏松患者睡眠障碍与血清NSE,HIF-1α,BDNF的相关性研究[J].中国实用医药,2023,18(12):36-39.