脑电微状态与帕金森病运动功能的关联性研究：发现D型微状态动态特征作为潜在生物标志物

《Brain and Behavior》：EEG Microstates Are Associated with Motor Function in Parkinson's Disease: A Cross-Sectional Observational Study

本研究发现帕金森病（PD）患者存在特征性脑电微状态动态异常，特别是D型微状态的覆盖度（MC）和B→D转换概率（TP）与运动评分（MDS-UPDRS III）显著正相关，ROC曲线显示AUC分别达0.674和0.617，提示微状态分析可作为PD运动功能评估的客观电生理标志物。

　　

ABSTRACT

Objectives: 脑电（EEG）微状态能够在亚秒时间尺度上精确捕捉瞬时脑活动变化，本研究旨在探讨帕金森病（PD）患者与健康对照（HC）的微状态特征差异及其与临床症状的关联。

Methods: 研究纳入75例PD患者和44例HC，所有受试者均接受静息态EEG记录和蒙特利尔认知评估（MoCA）。PD患者额外接受国际运动障碍学会统一帕金森病评定量表（MDS-UPDRS I/III）评估。通过全球场强（GFP）峰值聚类分析提取四种经典微状态（A-D），计算平均持续时间（MMD）、发生频率（MFO）、覆盖度（MC）和状态间转换概率（TP）。

Results: 与HC相比，PD组微状态D的MC和MMD显著增加，且从微状态A、B、C向D的转换概率均升高。微状态D的MC和B→D转换概率与MDS-UPDRS III评分呈显著正相关。ROC分析显示微状态D的MC（AUC=0.674）和B→D转换概率（AUC=0.617）能够有效区分PD与HC。

Conclusion: EEG微状态动态异常反映了PD患者神经网络功能失衡，可作为评估运动功能的潜在生物标志物。

1 Introduction

帕金森病作为常见的神经退行性疾病，其病理特征为黑质多巴胺能神经元进行性丢失。当前临床评估主要依赖主观量表，缺乏客观生物学标志物。EEG微状态分析具有毫秒级时间分辨率，能捕捉大脑动态功能活动。既往研究表明四种经典微状态（A-D）分别对应不同的静息态网络：微状态A与听觉网络相关，B与视觉空间处理相关，C与突显网络相关，D与背侧注意网络相关。PD患者存在广泛脑网络协调障碍，但微状态特征与运动症状的关联尚不明确。

2 Method

2.1 Participants

研究纳入符合MDS临床诊断标准的75例PD患者和44例年龄匹配的HC。排除标准包括合并其他神经系统疾病、严重躯体疾病或精神疾病史。所有PD患者均在用药开启期（ON期）进行评估。

2.2 Data Collection and Scale Assessment

收集人口统计学资料后，采用MDS-UPDRS III评估运动功能，MDS-UPDRS I评估非运动症状，MoCA评估整体认知功能。

2.3 EEG Acquisition and Microstate Analysis

使用19导联EEG系统采集闭眼静息态脑电数据，经带通滤波（1-35 Hz）和独立成分分析（ICA）去除伪迹后，截取60秒有效数据进行微状态分析。通过GFP峰值点聚类生成四种微状态模板，计算MMD、MFO、MC和TP等参数。

2.4 Statistical Analysis

采用t检验、Mann-Whitney U检验比较组间差异，相关性分析使用Pearson/Spearman相关并经过FDR校正，通过ROC曲线评估微状态参数的诊断效能。

3 Results

3.1 General Demographic Data

两组在年龄、性别、教育年限等基线资料上无显著差异。PD组MoCA总分显著低于HC组（p<0.001），提示存在认知功能下降。

3.3 Comparison of the MMD, MFO, and MC Between Two Groups

PD组微状态D的MMD（t=2.831, p=0.005）和MC（Z=-3.432, p=0.001）显著高于HC组，其余微状态参数无组间差异。

3.4 Comparison of the Transition Probabilities of Microstates Between Two Groups

PD组表现出从微状态A→D（t=3.612, p<0.001）、B→D（Z=-2.378, p=0.017）和C→D（Z=-2.659, p=0.008）的转换概率显著升高。

3.5 Correlation Analysis of Microstate Parameters with Clinical Scales

微状态D的MC（r=0.269, P_FDR=0.049）和B→D转换概率（r=0.330, P_FDR=0.020）与MDS-UPDRS III评分显著正相关，但与MDS-UPDRS I和MoCA评分无显著关联。

3.6 Analysis of the ROC Curve

微状态D的MC（AUC=0.674, 95%CI:0.575-0.772）和B→D转换概率（AUC=0.617, 95%CI:0.512-0.721）对PD与HC的区分具有统计学意义。

4 Discussion

本研究首次系统报道PD患者存在微状态D的时空特征增强及向D状态转换概率普遍升高的现象。微状态D与背侧注意网络功能相关，其异常活跃可能反映PD患者为代偿基底节自动感觉门控功能受损而出现的注意力资源过度募集。B→D转换概率与运动严重程度正相关，提示视觉空间处理网络与注意网络间协调障碍可能是运动症状的重要神经机制。未发现微状态参数与MoCA评分的关联，可能与评估时患者处于ON状态及MoCA的整体认知筛查特性有关。

5 Conclusion

EEG微状态动态特征可作为PD运动功能评估的潜在客观生物标志物，其异常模式反映了感觉-注意网络整合失调的病理生理过程。未来需通过纵向研究和多模态影像验证微状态在PD病程监测中的应用价值。