联合不同区域脑容积比降低与早期阿尔茨海默病的相关性.pdf

689第 9 期第 53 卷2022-11-01浙江省医药卫生科技计划项目（2020KY637）；温州市基础性科研项目（Y2020062，Y20210166）。王贞，主任医师，Email：。收稿日期：基金项目：作者简介：联合不同区域脑容积比降低与早期阿尔茨海默病的相关性王贞1，汪彦1，2，张梦丽1，2，祝寒宇1，2，潘志铭1，2，黄桂乾1，闻彩云3，熊丽4，石林41.温州医科大学附属第一医院神经内科浙江省阿尔茨海默病重点实验室，浙江温州325015；2.温州医科大学第一临床医学院（信息与工程学院），浙江温州325035；3.温州医科大学附属第一医院 放射科，浙江温州325015；4.香港中文大学影像及介入放射学系，香港999077摘 要 目的：基于3D磁共振成像（MRI）的脑容积自动分析软件AccuBrain探讨早期阿尔茨海默病（AD）患者各脑区结构容积比的差异特征。方法：收集2018年1月至2020年12月温州医科大学附属第一医院神经内科收治的早期AD患者（早期AD组）29例，健康者（对照组）20例。采用简易精神状态检查（MMSE）、通过改良巴氏指数评定的日常生活能力量表（ADL-MBI）、临床痴呆量表（CDR）对受检者进行神经心理学评估。使用全新的自动分割软件AccuBrain精确计算脑内各区域的容积比。将2组受检者的不同脑区容积比进行比较分析，选择差异性脑区及感兴趣脑区进行二元Logistic回归分析及ROC曲线联合诊断分析。结果：早期AD组与对照组比，双侧海马区、杏仁核、侧脑室下角等脑容积差异均有统计学意义（P0.05）。通过调整混杂因素后发现右侧海马体、右侧枕叶萎缩、右侧扣带回、左侧侧脑室下角、左侧岛叶萎缩脑容积形成的诊断体系可以用于早期AD的诊断（AUC=0.919）。同时筛选出差异有统计学意义的感兴趣脑区进行ROC曲线联合诊断分析，选择感兴趣区15，经Logistic回归分析建立模型15，其AUC分别为0.867、0.860、0.843、0.876、0.893。结论：早期AD患者出现多脑区萎缩；认知功能下降与内侧颞叶的萎缩、前额叶、枕叶及岛叶、扣带回等部位的灰质容积相关，右侧海马在联合诊断中具有重要作用；通过AccuBrain技术可辅助早期AD的临床诊断。关键词 阿尔兹海默病；磁共振成像；脑容积；AccuBrain分析软件中图分类号R74 DOI:10.3969/j.issn.2095-9400.2023.09.001The reduction of brain volume ratio in different regions is associated with early Alzheimers disease WANG Zhen1,WANG Yan1,2,ZHANG Mengli1,2,ZHU Hanyu1,2,PAN Zhiming1,2,HUANG Guiqian1,WEN Caiyun3,XIONG Li4,SHI Lin4.1.DepartmentofNeurology,theFirstAffiliatedHospitalofWenzhouMedicalUniversity,ZhejiangProvincialKeyLaboratoryofAlzheimersDisease,Wenzhou325015,China;2.TheFirstSchoolofMedicine,SchoolofInformationandEngineering,WenzhouMedicalUniversity,Wenzhou325035,China;3.DepartmentofRadiology,theFirstAffiliatedHospitalofWenzhouMedicalUniversity,Wenzhou325015,China;4.DepartmentofImagingandInterventionalRadiology,ChineseUniversityofHongKong,HongKong999077,China Abstract:Objective:AccuBrain,an automatic brain volume analysis software based on 3D magnetic resonance imaging(MRI),was used to explore the differences in the volume ratios of each brain region in patients with early Alzheimers disease(AD).Methods:Twenty-nine patients with early AD and 20 healthy controls from the First Affiliated Hospital of Wenzhou Medical University during January 2018 to December 2020 were enrolled.Mini-mental state examination(MMSE),activity of daily living scale(ADL-MBI)and clinical dementia rating(CDR)were used for neuropsychological assessment.The new automatic segmentation software AccuBrain was used to accurately calculate the volume ratio of each region in the brain.The volume ratios of different brain regions of the two groups were analyzed by t test,rank sum test and collinearity analysis.The different brain regions and regions of interest were selected for binary Logistic regression and receiver operating characteristic(ROC)curve joint diagnostic analysis.Results:Compared with the control group,the early AD patients had significant brain volume differences in bilateral hippocampus,amygdala,and inferior horn of lateral 本文引用：王贞,汪彦,张梦丽,等.联合不同区域脑容积比降低与早期阿尔茨海默病的相关性J.温州 医科大学学报,2023,53(9):689-697.论 著Vol.53 No.9Sep.2023第53卷第9期2023年9月温 州 医 科 大 学 学 报Journal of Wenzhou Medical University690第 53 卷温 州 医 科 大 学 学 报第 9 期ventricle.After adjusting the confounding factors,it was found that the brain volume of right hippocampus,right occipital lobe atrophy,right cingulate gyrus,left inferior horn of lateral ventricle,and left insular lobe atrophy could be used for the diagnosis of early AD(AUC=0.919).Meamwhile,regions of interest(ROI)1-5 were selected,and Logistic regression was used to establish models 1-5 to obtain predictive values and draw ROC curves.The AUC was 0.867,0.860,0.843,0.876,0.893,respectively.Conclusion:Multiple brain regions atrophy occurs in early AD patients.Cognitive decline is associated with atrophy of the medial temporal lobe and gray matter volume in the prefrontal lobe,occipital lobe,insular lobe,and cingulate gyrus.The right hippocampus plays an important role in the combined diagnosis.AccuBrain technology can assist in the early clinical diagnosis of AD.Key words:Alzheimers disease;magnetic resonance imaging;brain volume;AccuBrain analysis software阿尔茨海默病（Alzheimersdisease,AD）是老年期最常见的中枢神经系统的退行性疾病之一，是老年人致残和致死主要原因之一1。我国AD患者的年社会经济成本为1.914万美元/年，社会负担极大2。MRI是目前主要的神经成像方法，可用于辅助诊断AD3。有研究表明，全脑4、海马体5-6、额叶7、顶叶7、内侧颞叶8、内嗅皮层6，9、杏仁核10的体积缩小与AD的发生相关。在疾病的早期，已经出现海马区和内嗅区皮质体积减小。因此3DMRI图中分割关键脑组织技术对于早期诊断以及监测疾病进展具有重要意义11。国际上对海马体积的手动分割已做出标准化规定，但由于解剖标志物和测量方法的差异，手工测量结果误差较大。因此需要一种能自动分割并精确计算的软件来减少误差12，减少分段测量海马平均容积的误差13。AccuBrain是一种全新的自动体积分析软件，由香港中文大学影像及介入放射学系独立研发，该软件根据欧洲阿尔茨海默病联盟-阿尔茨海默病神经影像学倡议（EADC-ADNI）标准和3DMRI14自动进行海马区的精确分割。AccuBrain可计算急性缺血性脑梗死病灶15和白质病变容积16，在一定程度上可以帮助确定脑卒中后白质病变17和小血管疾病18对认知功能的影响。本研究拟利用该技术验证AD与不同脑区容积的相关性，以辅助诊断早期AD。1 对象和方法1.1 对象 纳入2018年1月至2020年12月温州医科大学附属第一医院神经内科记忆门诊早期AD患者（早期AD组）29例，同期纳入年龄、性别和教育程度匹配的体检中心的健康对照者（对照组）20例。AD的诊断标准参照NINCDS-ADRDA的标准定义。排除标准：既往诊断为痴呆的其他原因，如血管性痴呆（vasculardementia,VD）、中枢神经系统感染（如艾滋病毒/艾滋病、梅毒等）、亨廷顿病和帕金森病引起的痴呆、路易体痴呆（dementiawithLewybodies,DLB）或创伤性脑痴呆；长期饮酒或滥用精神活性物质或曾有一氧化碳中毒史；证实为颅内占位性病变；神经系统疾病（包括帕金森病、卒中、格林-巴利综合征、多发性硬化）；精神疾病包括精神分裂症、精神错乱、双相情感障碍或严重抑郁症。分别对入选受检者进行简易智力状态检查（mini-mentalstateexamination,MMSE）、临床痴呆量表（clinicaldementiarating,CDR）和通过改良巴氏指数评定的日常生活能力（activityofdailyliving-modifiedBarthelindex,ADL-MBI）等量表评定。对照组来自健康体检者。本研究经温州医科大学附属第一医院医学伦理委员会批准（审批号：KY2021-153），所有患者均签署知情同意书。1.2 方法1.2.1 一般资料采集：采集所有受检者年龄、性别、教育程度、职业、既往史、个人史、用药史等一般资料。1.2.2 神经心理学评估：使用MMSE、ADL-MBI、CDR对所有受检者进行评估。1.2.3 磁共振影像数据参数：采用MRI扫描颅脑，所有MRI图像均由配备3D系统（AchievaTX3.0T，荷兰飞利浦公司）的MRI机器进行，包括八通道磁头线圈。常规轴位T1、T2加权像和轴位T2液体衰减反转恢复（fluid-attenuatedinversion-recovery,FLAIR）图像，从而排除不合格的单侧或双侧海马区信号增强的患者。翻转角度=90，切片数=60，切片厚度=2mm，切片间隙=0mm，NSA=1，FOV=230mm183mm，ACQ矩阵尺寸=256160。1.2.4 图 像 分 割 分 析：所 有 图 像 均 使 用AccuBrain15-19软件（深圳BrainNow医疗技术有限公司）进行处理，这是一种基于云端的自动化脑691第 9 期第 53 卷容积测量工具，以全自动模式进行脑结构和脑组织的分割量化，不同版本AccuBrain在海马分割准确性和AD诊断准确性均相似20，见图1。1.3 统计学处理方法 采用SPSS25.0软件对数据进行统计分析。正态分布计量资料用 s表示，2组间比较用独立样本t检验；非正态分布的计量资料采用M（P25，P75）表示，2组间比较采用MannWhitneyU检验。计数资料以例（%）表示，2组间比较采用2检验。通过相关性分析和共线性分析筛查出有诊断意义且不存在共线性的变量，条件指标大于15的变量可怀疑在该维度存在共线问题；同时结合方差比例数值，其中大于0.9则怀疑该变量存在共线性。进行多次排列组合来筛选不同脑区，最后联合多个脑区计算AUC值，筛选最佳模型。P0.05为差异有统计学意义。2 结果2.1 2组受检者临床资料比较 本研究共纳入49例受检者，其中早期AD组29例，男12例、女17例。对照组20例，男10例、女10例。2组性别、年龄、文化程度等差异均无统计学意义（P0.05）。2组间MMSE评分差异有统计学意义（P0.001），特别是定向力、注意力和计算力、语言回忆、阅读能力、三步命令等认知域，早期AD组得分显著低于对照组，差异有统计学意义（P0.05）。2组受检者中CDR评分及ADL-MBI评分差异有统计学意义（P0.001）。见表1。2.2 2组受检者不同区域脑容积比较 2组受检者脑实质中，双侧海马区、左侧丘脑、杏仁核、核壳、颞叶、扣带回、左侧岛叶比较差异有统计学意义（PA：冠状面；B：水平面；C：矢状面。绿色区域为中脑，粉色区域为脑桥，棕色区域为海马，紫色区域为灰质，白色区域为白质，蓝色区域为小脑，黄色区域为延髓，绿色区为表丘脑，灰色区域为胼胝体图1 应用AccuBrain处理后的大脑MRI图像分割分析图ABC表1 2组受检者临床特征比较特征对照组（n=20）早期AD组（n=29）t/2/ZP年龄（岁）60.808.5064.487.771.5690.123女性例（%）10（50.00）17（58.60）0.0920.761受教育时间（年）5.402.286.312.891.8100.077MMSE（分）27.0（26.0，28.0）17.0（13.5，22.5）-5.7850.001 定向力（分）9.0（8.0，9.0）4.0（2.0，6.5）-4.9900.001 语言即刻记忆（分）3（3，3）3（3，3）-1.9330.053 注意力和计算力（分）5（5，5）4.0（1.5，5.0）-2.7710.006 语言回忆（分）3（2，3）1（0，2）-3.7450.001 命名能力（分）2（2，2）2（2，2）-0.7430.458 复述能力（分）1（1，1）1（0，1）-1.8930.058 阅读能力（分）1（1，1）1（0，1）-2.9710.003 三步命令（分）3（3，3）2（1，3）-3.5080.001 书写能力（分）1（1，1）1（1，1）-1.0630.288 结构模仿（分）1（1，1）0（0，1）-1.9280.054CDR（分）00.750.2528.8880.001ADL-MBI（分）100（100，100）72.0（67.5，73.5）-6.0880.001王贞，等：联合不同区域脑容积比降低与早期阿尔茨海默病的相关性692第 53 卷温 州 医 科 大 学 学 报第 9 期0.05）；2组受检者中部分相对萎缩的脑容积也存在差异，如右侧额叶、枕叶、右侧颞叶、右侧顶叶、双侧扣带回、左侧岛叶、灰质萎缩的脑容积差异有统计学意义（P0.05）。在脑室系统，早期AD组的脑室容量明显大于对照组，差异有统计学意义（均P0.05）。与对照组比，早期AD组的侧脑室、第三脑室和侧脑室下角均增大，差异有统计学意义（P0.05）。见表2。MRI影像特征早期AD组（n=29）对照组（n=20）t/ZP脑实质78.152.0080.512.25-3.8020.001海马体0.41（0.35，0.44）0.45（0.43，0.47）-3.1640.002左侧海马体0.20（0.17，0.22）0.22（0.21，0.23）-2.7670.006右侧海马体0.200.030.230.01-4.1510.001杏仁核0.220.030.250.02-3.3120.002左侧杏仁核0.110.020.120.01-2.9220.005右侧杏仁核0.120.020.130.01-3.4920.001脑室系统9.71（8.98，10.35）7.77（7.19，8.21）-4.9540.001侧脑室2.170.751.450.793.1803.180左侧脑室1.120.390.760.443.1250.003右侧脑室1.02（0.81，1.30）0.60（0.46，0.83）-3.1130.002第三脑室0.11（0.10，0.13）0.09（0.08，0.12）-2.3290.020第四脑室0.07（0.07，0.08）0.07（0.06，0.08）-1.2720.204侧脑室下角0.21（0.17，0.26）0.17（0.15，0.19）-2.8590.004左侧侧脑室下角0.10（0.09，0.13）0.09（0.08，0.09）-2.8580.004右侧侧脑室下角0.11（0.08，0.14）0.08（0.07，0.10）-2.8990.004丘脑0.780.050.810.05-1.9970.052左侧丘脑0.390.000.400.03-2.0290.047右侧丘脑0.390.030.400.03-1.7230.091尾状核0.460.040.460.050.3900.698左侧尾状核0.230.020.220.030.4690.641右侧尾状核0.230.020.230.030.3080.760壳核0.630.050.680.06-2.7990.007左侧壳核0.31（0.29，0.32）0.32（0.31，0.35）-3.0420.002右侧壳核0.34（0.32，0.35）0.35（0.33，0.36）-2.2790.023苍白球0.210.020.220.02-1.2210.228左侧苍白球0.110.010.110.01-0.5720.570右侧苍白球0.10（0.09，0.11）0.10（0.09，0.11）-1.5260.127下丘脑0.040.000.040.00-0.3320.742左侧下丘脑0.020.000.020.000.3690.714右侧下丘脑0.020.000.020.00-0.8210.416中脑0.390.030.390.020.1680.867脑桥0.980.090.980.080.1270.900延髓0.300.020.290.020.6650.510小脑上角0.020.000.020.000.5650.575小脑9.550.529.430.610.6940.491脑白质0.21（0.17，0.26）0.19（0.14，0.50）-0.4530.650表2 2组不同区域脑容积比较693第 9 期第 53 卷2.3 2组间差异脑区脑容积与认知功能障碍的相关性分析 因变量患病状态（对照组=1，早期AD组=0），自变量中性别（男性=1，女性=0），受教育程度（文盲=1，小学=2，初中=3，高中=4，大学=5），其余连续变量资料均未予赋值。将2组间有差异的脑区逐个进行单因素二元Logistic回归分析，海马体和杏仁核、侧脑室下角、壳核、以及颞叶、扣带叶、左侧脑岛、右侧额叶萎缩、枕叶萎缩、右侧颞叶萎缩、右顶叶萎缩、岛叶萎缩、右侧扣带回萎缩的脑容积的改变会影响AD的患病风险，见表3。采用多重共线性检验筛除混杂变量，右侧海马、右侧枕叶萎缩、右侧扣带回、左侧侧脑室下角、左侧岛叶萎缩的脑容积在共线性分析中VIF值均小于2。将上述不存在共线性的变量作为自变量建立Logistic回归模型，将存在共线性的2个自变量分别纳入Logistic回归模型中，通过比较P值的大小来选取合适的脑区，不断重复进行，直至筛选出均不存在共线性的脑区。通过调整混杂因素，分别得到模型13。通过调整年龄、性别、受教育程度后发现右侧海马体、右侧枕叶萎缩、右侧扣带回、左侧侧脑室下角、左侧岛叶萎缩脑容积，这5项指标形成的联合诊断体系可以用于早期AD的诊断，AUC=0.919（95%CI=0.7580.963，P0.01），其中将右侧海马体、右侧枕叶萎缩联合诊断所得AUC=0.878（95%CI=0.7900.885，P0.01），见表4和图2。2.4 调整干扰因素后不同感性兴趣区模型的ROC曲线分析 调整年龄、性别、文化程度等干扰因素后，挑选有意义的指标分别对不同感兴趣区进行Logistic回归分析，并计算诊断模型15的预测概率。对5个感兴趣区所得的5个预测值绘制ROC续表2MRI影像特征早期AD组（n=29）对照组（n=20）t/ZP左侧额叶4.920.465.110.35-1.5830.120右侧额叶5.050.555.310.37-1.8730.067左侧枕叶2.36 0.192.42 0.21-1.0880.282右侧枕叶1.85 0.131.84 0.140.3100.758左侧颞叶2.97 0.293.18 0.22-2.8160.007右侧颞叶2.90 0.283.13 0.22-2.9940.004左侧顶叶2.53 0.322.53 0.32-1.4770.146右侧顶叶2.55（2.33，2.80）2.68（2.46，3.04）-1.8010.072左侧扣带回0.790.080.84 0.09-2.4520.018右侧扣带回0.900.101.00 0.10-3.2890.002左侧岛叶0.46（0.42，0.49）0.51（0.44，0.56）-2.4210.010右侧岛叶0.47（0.44，0.49）0.49（0.47，0.55）-1.6280.104左侧额叶萎缩30.985.8228.12 4.551.8420.072右侧额叶萎缩32.00（27.85，35.15）27.75（25.28，30.25）-2.5730.010左侧枕叶萎缩11.30（9.56，13.20）9.60（8.71，11.10）-2.0750.038右侧枕叶萎缩9.10 2.127.19 1.583.5300.001左侧颞叶萎缩27.49 4.4825.29 5.231.6610.103右侧颞叶萎缩23.00（19.70，27.55）18.15（16.10，22.05）-2.6650.008左侧顶叶萎缩27.1711.1022.49 8.661.5650.124右侧顶叶萎缩22.60（16.75，30.95）17.55（14.13，24.20）-1.9940.046左侧扣带回萎缩6.62（5.16，9.33）4.87（3.49，7.00）-2.3190.020右侧扣带回萎缩12.40（9.18，15.75）7.88（6.09，12.20）-2.5830.010左侧岛叶萎缩28.1710.4019.7810.142.8000.007右侧岛叶萎缩16.30（11.65，21.55）10.12（8.81，14.35）-1.9400.104白质萎缩40.60 1.8741.26 1.67-1.1960.238灰质萎缩37.56 2.7139.22 2.23-2.4040.020王贞，等：联合不同区域脑容积比降低与早期阿尔茨海默病的相关性694第 53 卷温 州 医 科 大 学 学 报第 9 期曲线，通过Logistic回归分析，计算联合预测因子，将所得的5个联合预测因子进行绘制ROC曲线，发现与预测概率绘制的ROC曲线所得的结果是一致的。右侧海马、右侧脑室后角形成的诊断体系可用于早期AD疾病的诊断的AUC=0.867。右侧海马、左侧脑室后角诊断AUC=0.860。右侧海马、左侧壳核的AUC=0.843。右侧海马、左侧岛叶的AUC=0.876。右前额叶萎缩脑容积、右侧顶叶萎缩脑容积的AUC=0.893，见表5和图3。3 讨论本研究主要探索不同脑区容积比与早期AD的关系，量化不同区域脑区容积值，用于辅助早期AD诊断。本研究发现多个脑区的容积比与早期AD之间存在很大的相关性，特别是海马区、杏仁核、壳核、脑岛等脑区。ROC曲线表明不同脑区的联合诊断表现出较好的诊断性能，尤其右侧海马在联合诊断中起到重要作用。本研究采用AccuBrain，获得的单个脑区相对容积比计算的ROC没有诊断价值，但进行多个脑区的联合诊断可获得较好的诊断价值，多指标联合诊断效果最好，可为早期AD患者的临床确诊提供辅助作用。特别值得注意的是，单因素二元Logistic回归分析发现双侧海马体、双侧杏仁核和左侧脑岛等脑结构均与早期AD相关，而在调整干扰因素后再次进行多因素二元Logistic回归分析，只有右侧海马体和右侧枕叶脑容积的萎缩最为显著。联合诊断也发现均与右侧海马体有关。本研究结果提示联合诊断可用于AD的临床预测和早期诊断。本研究发现大脑结构的容积比，如右侧海马表3 单因素二元Logistic回归分析两组不同区域脑容积比变量OR（95%CI）P年龄0.610（0.3241.150）0.127女性1.191（0.6702.120）0.552受教育时间0.554（0.2831.084）0.085左侧海马体2.817（1.2926.144）0.009右侧海马体3.488（1.5507.850）0.003左侧杏仁核2.341（1.1564.738）0.018右侧杏仁核3.051（1.4156.576）0.004左侧脑室下角0.336（0.1530.738）0.007右侧脑室下角0.375（0.1750.805）0.012左侧丘脑1.893（0.9833.643）0.056左侧壳核2.937（1.2816.734）0.011右侧壳核2.318（1.0295.219）0.042左侧颞叶2.455（1.1955.044）0.014右侧颞叶2.752（1.2665.982）0.011左侧扣带回2.111（1.1014.046）0.024右侧扣带回2.779（1.3625.672）0.005左侧岛叶2.315（1.2014.463）0.012右侧岛叶1.898（0.9933.626）0.052右侧额叶萎缩0.352（0.1410.877）0.025左侧枕叶萎缩0.386（0.1530.975）0.044右侧枕叶萎缩0.269（0.1100.656）0.004右侧颞叶萎缩0.421（0.2050.863）0.018右侧顶叶萎缩0.470（0.2240.987）0.046左侧岛叶萎缩0.400（0.1940.824）0.013右侧岛叶萎缩0.333（0.1500.736）0.007右侧扣带回萎缩0.471（0.2300.964）0.030注：变量经过Z-score标准化表4 二元Logistic回归分析2组中无共线性关系的脑区与早期AD的相关性变量模型1模型2模型3OR（95%CI）POR（95%CI）POR（95%CI）P右侧海马体3.77（1.0513.54）0.0423.11（1.178.26）0.0233.43（1.418.36）0.007右侧枕叶萎缩0.21（0.041.06）0.0500.34（0.111.05）0.0600.32（0.130.77）0.011右侧扣带回0.71（0.172.92）0.6381.25（0.453.47）0.667左侧侧脑室下角0.18（0.021.48）0.1120.39（0.111.37）0.140左侧岛叶萎缩0.94（0.194.54）0.9401.06（0.333.40）0.926性别1.69（0.2014.21）0.628年龄0.99（0.821.18）0.890受教育程度0.25（0.061.11）0.068注：变量经过Z-score标准化695第 9 期第 53 卷模型2为右侧海马体、右侧枕叶萎缩、右侧扣带回、左侧侧脑室下角、左侧岛叶萎缩5个脑区的联合诊断模型；模型3为右侧海马体、右侧枕叶萎缩的联合诊断模型图2 二元Logistic回归分析所得联合诊断预测值的ROC曲线图20406080100100806040200100-特异度(%)模型2的AUC=0.919模型3的AUC=0.878灵敏度(%)体、左侧脑岛、双侧侧脑室下角和双侧杏仁核，均与早期AD相关。在进行多个脑区容积随机组合行联合诊断中发现五个感性兴趣的预测值最有意义，均和右侧海马容积相关。因此，猜测右侧海马在早期AD进展中最先受累。目前尚未有文献报道左右侧海马与早期AD不同认知功能受损的相关性，是否与右侧海马受累的可能性更大及其受累原因的研究。同时，发现左侧额顶萎缩的联合诊断也是早期AD的良好预测指标。所以AD疾病进展过程中所累及的脑区可能是各不相同的，而且相同脑区在左右大脑的受累程度也可能是不同的。通过AccuBrain技术的应用，发现双侧海马、双侧岛叶、左侧丘脑、双侧杏仁核等脑结构的容积比与AD显著相关，右侧海马、左侧壳核、左侧脑室后角、左侧脑岛等脑结构的萎缩可能是诊断AD的潜在指标。其中，右侧海马在联合诊断中具有重要作用。海马体在学习、记忆和认知中的作用已得到广泛的肯定19，是AD早期受累的区域之一。结构MRI可反映海马容积的变化，可辅助AD的诊断21。JOSEPHS等22研究表明几乎80%的AD患者都有典型的海马区萎缩。也有研究表明，AD与海马神经元的丧失密切相关23。本研究也验证了AD与海马MRI容积比之间的相关性，在联合诊断分析时，右侧海马容积具有优势诊断作用。岛叶是大脑皮层的一部分，影像研究表明，AD组较正常对照存在明显的岛叶萎缩24。免疫组化研究发现，双侧岛叶都有早期AD的病理改变，93%的患者有淀粉样沉积改变，82%的患者有神经原纤维缠绕改变23。与对照组相比，AD组杏仁核脑容积显著减小25，AD患者脑萎缩也导致其脑室容量明显大于健康人。本研究发现在AD和对照组中不同脑室容积比存在差异。AD患者通常双侧丘脑容积较小，有研究表明下丘脑容积减少是AD最原始的症状26。此次研究发现左侧丘脑与AD相关，但在二元Logistic回归分析中没有意义，这可能因样本偏少导致的。颞叶是大脑中与语言和记忆功能有关的另一个重要部分，本研究发现AD患者双侧颞叶容积比明显小于对照组。据报道，AD组的颞叶脑容积显著减小，在血流方面也有类似的结果26-27。另有综述表明，颞叶萎缩是AD的经典影像表现之一28。本研究发现与对照组相比，AD组侧脑室下角的容积比在本研究中也具有统计学意义。目前已有研究发现携带不同APOE基因型的AD患者临床特征和侧脑室下角大小有关29。本研究再次验证了侧脑室下角容积比与早期AD患病风险的关系。目前临床医师对关键脑组织的萎缩程度主要依靠主观判断，这高度依赖评估者的专业知识，无法对不同年龄的脑萎缩正常范围给出量化评定。因此，利用脑影像定量工具辅助脑萎缩的评估已成趋势。然而国外的检测工具（如NeuroQuant等）对于人脑萎缩程度的推导均是基于西方人（高加索人）大脑结构的正常范围，而西方人与东方人脑结表5 二元Logistic回归分析所得联合诊断预测值模型AUCP95%CI最佳截断值灵敏度特异度预测值0.9190.0010.8450.9930.7120.8500.862预测值10.8670.0010.7670.9680.6240.0900.724预测值20.8600.0010.7580.9630.6901.0000.690预测值30.8430.0010.7350.9510.6551.0000.655预测值40.8760.0010.7750.9770.7090.9500.759预测值50.8930.0010.7960.9910.7430.9500.793注：预测值是联合右侧海马体、右侧枕叶萎缩、右侧扣带回、左侧侧脑室下角、左侧岛叶萎缩脑容积；预测值1是联合右侧海马和右侧侧脑室下角；预测值2是联合右侧海马和左侧侧脑室下角；预测值3是联合右侧海马和左侧壳核；预测值4是联合右侧海马和左侧岛叶；预测值5是联合右侧额叶萎缩和右侧枕叶萎缩王贞，等：联合不同区域脑容积比降低与早期阿尔茨海默病的相关性696第 53 卷温 州 医 科 大 学 学 报第 9 期构容积存在差异。本研究所应用的AccuBrain脑影像定量系针对基于中国人脑数据库而设计，对中国人群的脑结构特征有较好的适应性。AccuBrain已被证实在同类大脑分割软件中具有最佳的准确度，与手工分割的参照数据相比，AccuBrain的海马体分割在左海马体积、右海马体积、总海马体积上均有非常吻合的结果（如Dice相似系数分别为0.89、0.89、0.89，同类相关系数为0.94、0.96、0.95，Pearson相关系数为0.95、0.96、0.95）。相比于同类的海马体自动定量工具（如FreeSurfer），AccuBrain也显示出了更高的准确度。一种基于机器学习的新型脑萎缩标志物，即AD相似萎缩指数（AD-similaratrophyindex,AD-RAI），通过AccuBrain技术自动处理以计算AD-RAI，使AD-RAI代表了一种潜在的生物标志物，能支持AD诊断30。其脑容积定量结果不仅与手工分割的参照数据非常吻合，且相比于同类的自动定量工具（如FreeSurfer）也显示出了更高的准确度，因而具有高效、准确的特点。本研究使用了AccuBrain自动分割软件，可以自动分析大脑各个区域的容积比，减少人工误差。通过比较所有大脑结构的容积，增加了数据的可靠性。但本研究也存在一定的局限性。最明显的局限性是样本量较小，这可能会导致统计偏差，从而使结论不可靠。由于参与研究的患者数量有限，患者的病情严重程度没有分类，这可能会使结果缺少严谨性；而且本研究未纳入轻度认知障碍和其他类型的痴呆症。因此，该结论的准确性还有待检验。本研究尚未对每个大脑结构（如海马体）进行更详细的体积分析，如分析海马体四个区域（CA1、CA2、CA3和CA4）的容积比与认知能力的关系。参考文献1 2021 Alzheimers disease facts and figuresJ.Alzheimers Dement,2021,17(3):327-406.2 JIA J,WEI C,CHEN S,et al.The cost of Alzheimers disease in China and re-estimation of costs worldwideJ.Alzhe