帕金森病患者斯特鲁普测试中的脑血流动力学与功能连接性：基于机器学习的方法分析功能性近红外光谱（fNIRS）特征

《Psychiatry Research: Neuroimaging》：Cerebral Hemodynamics and Functional Connectivity in The Stroop Test in Parkinson’s Disease Patients: A Machine Learning Approach to fNIRS features

帕金森病（PD）患者执行斯特鲁普任务时表现出更高的 omission rate，伴随前额叶皮层及额眼区活动增强，前额叶跨半球功能连接异常，通过fNIRS与机器学习构建的诊断模型具有高效性。

　　

齐丽萍|施子倩|刘彦志|倪静文|林永忠

大连工业大学控制科学与工程学院，中国大连，116024

摘要

背景

:认知障碍是帕金森病（PD）的核心非运动特征。本研究旨在：（1）评估PD患者在颜色-单词斯特鲁普任务（Stroop task）中的表现，并分析与该任务相关的神经活动；（2）利用基于任务的功能近红外光谱（fNIRS）特征开发PD诊断模型，以将神经成像机制与临床诊断联系起来。

方法

:61名参与者（29名PD患者，32名健康对照组[HC]）在fNIRS记录过程中完成了斯特鲁普任务。进行了脑血流动力学和脑网络分析，并通过双向方差分析（two-way ANCOVA）研究了组别（PD vs. HC）和任务类型（一致刺激 vs. 不一致刺激）的效应，同时考虑了简易精神状态检查（MMSE）和蒙特利尔认知评估（MoCA）的结果。应用机器学习框架，基于任务相关的fNIRS特征构建了诊断模型。

结果

:PD患者在两种斯特鲁普条件下的省略率显著高于HC组，同时表现出背外侧前额叶皮层和前眼区的激活增强，以及前额叶半球间功能连接的增加。逻辑回归模型的表现优于其他模型，且所需特征数量较少。

结论

:这些发现加深了我们对PD相关认知障碍的理解，并为开发无创、客观的诊断工具提供了框架。

引言

帕金森病（PD）是全球最常见的神经退行性疾病之一，随着人口老龄化加速，其疾病负担显著增加（Su等人，2025年）。除了震颤、运动迟缓和僵硬等经典运动症状外，PD还伴有前额叶认知功能障碍：大约一半的患者在疾病发作后的10-15年内从轻度认知障碍发展为痴呆（Gallagher等人，2024年）。执行控制能力是一种高级认知功能，负责协调和调节个体的情绪和行为，在PD患者中常常受损。患者的反应抑制能力不足，严重影响日常生活（Bayram等人，2023年）。

斯特鲁普单词颜色任务（Stroop Word Color task）是一种经典的执行控制功能评估方法，通过单词意义与颜色刺激之间的冲突来诱导大脑抑制主导反应（MacLeod，1991年）。由于该任务具有高度可量化的行为指标，因此被广泛用于PD患者的认知功能评估（Altmann等人，2022年）。研究表明，PD患者在斯特鲁普任务中表现出明显的反应抑制缺陷，但其背后的神经机制仍有待进一步探索。

传统上，功能性磁共振成像（fMRI）和脑电图（EEG）被广泛用于脑功能成像研究。然而，fMRI依赖于强磁场，要求参与者保持静止状态，这对接受深部脑刺激（DBS）植入物或存在运动症状的PD患者来说是一个重大挑战。具体而言，DBS设备在强磁场中存在安全隐患，而运动症状（如震颤、运动迟缓）会妨碍患者保持高质量fMRI所需的静止状态。相比之下，虽然EEG具有较高的时间分辨率，但受到明显的体积传导效应限制（Ruiz-Gómez等人，2019年），从而限制了与认知相关的脑区的精确定位。近年来，功能近红外光谱（fNIRS）在基于任务的脑功能研究中崭露头角。fNIRS利用近红外光穿透颅骨，实时监测前额叶皮层中的血氧浓度变化，具有便携性、高时间分辨率和抗运动干扰能力，适用于动态追踪认知任务中的脑活动（Pinti等人，2020年）。大量使用斯特鲁普任务的fNIRS研究表明，背外侧和腹外侧前额叶皮层的氧合血红蛋白水平在冲突条件下显著升高，同时前额叶-顶叶之间的功能连接也有所改变，这表明该任务对执行控制需求和认知干扰非常敏感（You等人，2024年；Acevedo等人，2022年；You等人，2023年）。尽管先前的研究已将PD患者的认知功能障碍与前额叶皮层异常功能联系起来（Narayanan等人，2013年），但斯特鲁普任务中冲突反应与动态神经活动之间的关联仍不明确。

人工智能（AI）的最新进展为fNIRS的临床应用开辟了新的途径。将fNIRS与机器学习结合的脑功能研究有助于帕金森病等神经退行性疾病的临床诊断。例如，研究人员利用静息态fNIRS数据和机器学习有效区分了PD患者和健康对照组（Guevara等人，2024年），突显了fNIRS-AI整合在临床辅助诊断中的可行性。以往的fNIRS诊断研究主要关注静息态数据（Guevara等人，2024年；Hui等人，2024年）。然而，基于任务的脑成像可以更准确地揭示与认知功能相关的脑区。结合特征重要性分析，基于任务的脑成像方法可以进一步识别对PD诊断有贡献的脑区。

受这些未解决研究问题的启发，我们致力于弥合机制研究与临床应用之间的差距。通过使用斯特鲁普任务中的fNIRS数据，进行了脑血流动力学和脑网络分析，以探索PD患者在执行斯特鲁普任务时的神经活动。随后，应用经典机器学习框架基于fNIRS特征开发了PD诊断模型，从而将神经成像标志与临床分类相结合。

研究参与者

本研究共招募了61名参与者，包括29名PD患者和32名在年龄、性别和教育水平上匹配的健康对照组（HC）。排除了有癫痫、痴呆、精神分裂症和重度抑郁症等其他神经系统或精神疾病病史的参与者。所有PD患者的诊断均符合英国帕金森病学会脑库的标准（Gibb和Lees，1988年）。所有PD患者均未服用任何可能影响研究结果的药物。

结果

与HC组相比，PD组在MMSE和MoCA评分上显著较低，表明PD患者在整体认知领域和特定认知领域的认知障碍更为严重（见表2）。在斯特鲁普任务中，PD患者在一致刺激和不一致刺激条件下的省略率均显著高于HC组（见表2）。这里的省略率指的是参与者未能作出反应的试验比例。

讨论

本研究通过fNIRS分析斯特鲁普单词颜色任务期间的皮层血流动力学和功能连接，并结合机器学习对PD组和健康对照组进行分类，探讨了PD对认知功能的影响。主要发现如下：1）PD患者在一致和不一致的斯特鲁普任务中的省略率均显著高于HC组，两组在反应时间和错误率上无显著差异。2）在斯特鲁普任务期间，

资助

本研究得到了中国中央高校基本科研业务费（项目编号：DUT23JC005）和“1+X”临床能力提升-跨学科创新项目，大连医科大学第二医院（项目编号：2022JCXKZD03）的支持。

数据可用性

数据可应要求提供。

CRediT作者贡献声明

齐丽萍：概念提出、资金获取、研究设计、方法学、项目管理、资源协调、软件使用、监督、数据可视化、初稿撰写及审稿编辑。施子倩：数据整理、正式数据分析、软件使用、验证、数据可视化、初稿撰写。刘彦志：概念提出、数据整理、正式数据分析、方法学研究、软件使用、验证、审稿编辑。倪静文：数据整理、正式数据分析

CRediT作者贡献声明

齐丽萍：撰写-审稿编辑、初稿撰写、验证、监督、软件使用、资源协调、项目管理、方法学研究、资金获取、概念提出。施子倩：初稿撰写、数据可视化、验证、软件使用、正式数据分析、数据整理。刘彦志：审稿编辑、软件使用、方法学研究、数据分析、数据整理、概念提出。倪静文：数据验证、研究设计、正式数据分析

利益冲突声明

作者声明不存在可能影响本文研究的已知财务利益或个人关系。