《Frontiers in Aging Neuroscience》：Volumetric signatures of basal ganglia–thalamo–cortical and cerebello–thalamo–cortical networks in Parkinson's disease and its motor subtypes
引言
帕金森病(PD)是全球第二大进展性神经退行性疾病。传统上它被视为由黑质纹状体多巴胺缺失引发的局灶性障碍，然而，越来越多的神经病理学、电生理学和影像学证据表明，PD是一种系统层面的障碍，其病理改变在相互交织的运动环路网络中传播。多巴胺能神经元丢失起始于黑质(SN)，并沿黑质-纹状体通路向前扩散至纹状体，继而通过跨突触退行性变进展至基底节输出核团及其皮层和皮层下靶区。在基底节-丘脑-皮层(BTC)网络中，基底节输出汇聚于前腹外侧丘脑(VLa)并投射至初级运动皮层(M1)。与之相对，小脑-丘脑-皮层(CTC)网络则起源于齿状核(DN)，经由后腹外侧丘脑(VLp)中继，最后返回M1。当这些网络内部或之间的体积丢失或微结构破坏累积到一定程度，精细调节的兴奋与抑制驱动平衡被打破，临床症状便随之出现。
近期模型将PD的主要运动表型与这些相互连接的运动网络的功能障碍联系起来，而非孤立的结构。震颤被认为源于BTC与CTC网络之间异常的病理相互作用。姿势不稳和步态障碍(PIGD)则归因于基底节输出、底丘脑核(STN)-脑桥被盖复合体以及小脑步态区域之间的通讯中断。运动迟缓与超直接通路前辅助运动区/辅助运动区(pre-SMA/SMA)和STN的过度募集有关，其抑制了丘脑-皮层输出，而小脑的参与则被视为一种部分代偿机制。这些模型共同强调了PD是一种大规模运动网络的障碍。
结构磁共振成像为这种网络层面的改变提供了结构相关性证据。T1加权形态测量学已揭示了早期PD患者基底节区域的萎缩模式、M1和SMA的皮质变薄以及小脑小叶特异性体积丢失。然而，T1加权对比对富含铁的核团（包括SN、STN、红核和DN）的显像效果欠佳，而这些核团是BTC和CTC网络的关键枢纽。定量磁化率成像(QSM)通过利用梯度回波相位来量化磁化率，从而高保真地勾勒出铁负载结构，弥补了T1加权成像的不足。结合T1加权和QSM图像的多模态方法，使得同时评估皮质、丘脑和深部核团结构成为可能。
机器学习技术，特别是分类模型，已成为神经退行性疾病研究领域不可或缺的工具，为从复杂的影像和临床数据集中预测疾病状态、分层亚型和识别生物标志物提供了稳健的框架。在PD研究中，逻辑回归、支持向量机和集成方法等监督分类器使研究人员能够从多模态数据中勾勒出区分PD患者与健康对照或鉴别不同临床亚型的模式。
全面、网络层面的体积研究，整合BTC和CTC环路、临床亚型分型以及个体症状表现，对于增进我们对PD的理解至关重要。此类解剖学上详细的评估可以揭示不同症状谱系背后的早期结构改变，并支持开发用于诊断、分层和靶向干预的更特异性生物标志物。然而，尽管许多研究报道了PD的区域性体积改变，但大多数集中于孤立区域或单一症状领域，且网络层面的研究往往孤立地检查BTC或CTC环路，而鲜有研究报道多网络结构变化在区分PD与HC以及鉴别震颤主导型PD患者(PD-TD)和PIGD型患者(PD-PIGD)方面的分类效能。
方法
本研究前瞻性地量化了早期PD患者（根据Hoehn和Yahr疾病分期定义）和匹配的健康对照者中BTC和CTC网络内关键区域的体积，方法是将用于皮质和丘脑分割的T1加权成像与用于精确勾勒富含铁的皮层下核团的高分辨率QSM相结合。我们旨在探究：(i) 与对照组相比，PD患者是否表现出分布式的、网络特异性的体积改变；(ii) 多元感兴趣区(ROI)特征能否将PD患者与健康个体区分开来，并进一步区分PD-TD与PD-PIGD患者；(iii) 网络特异性结构模式是否与针对震颤、运动迟缓和PIGD症状严重度的MDS-UPDRS III分量表评分相关。
参与者
从汉堡-埃彭多夫大学医学中心运动障碍诊所招募了22名PD-TD患者和21名PD-PIGD患者，以及21名年龄和性别匹配的健康对照。所有PD患者的诊断均符合联合王国帕金森病学会脑库标准。排除标准包括并存其他神经系统疾病、深部脑刺激手术史、电子或金属植入物、妊娠、服用其他中枢作用药物、不符合MRI安全标准以及无法提供知情同意。
临床评估
基于运动障碍学会统一帕金森病评定量表(MDS-UPDRS)第二和第三部分对PD患者进行标准化运动症状评估。所有患者均在"关"期（即至少12小时未服药）接受评估。计算左旋多巴等效日剂量以评估抗帕金森病药物的影响。通过爱丁堡利手问卷确定参与者的利手情况。通过HY分期确定PD功能残疾分期。
MRI处理与体积分析
所有参与者均在3T Prisma Siemens扫描仪上接受相同的MRI扫描序列。T1加权图像采用磁化准备快速梯度回波序列获取。QSM图像采用多回波三维梯度回波序列获取。
T1加权图像使用FreeSurfer中的recon-all流程进行预处理，包括去颅骨、强度归一化和基于Desikan-Killiany图谱的解剖分割。QSM图像使用SEPIA工具箱进行处理，包括脑提取、相位解缠、背景场去除以及使用MEDI算法重建QSM图。所有QSM图像均配准到其对应的T1加权图像以确保模态间解剖对齐的一致性。
基于与BTC和CTC网络的相关性，共选择了19个ROI并提取其体积用于后续分析。这些区域包括SN–STN复合体、丘脑（总体积，以及VLa和VLp）、M1、DN、整个小脑以及12个小脑小叶。丘脑和M1被视为BTC和CTC环路共有的组成部分。此外，提取颅内体积以在后续分析中考虑头部大小的差异。
丘脑在T1加权图像上使用Connectome Mapper流程结合洛桑2018图谱进行自动分割，该图谱提供了丘脑亚核的精细分区。M1在解剖上定义为中央前回，并使用FreeSurfer基于Desikan-Killiany图谱进行分割。小脑体积通过CERES流程获取，该流程考虑了个体在年龄和性别上的变异性。所有自动流程未涵盖的深部核团和小脑小叶均在QSM–T1配准图像上使用ITK-SNAP进行手动分割。由两名训练有素且对所有临床信息设盲的评分者分别独立完成分割，并计算组内相关系数以评估评分者间可靠性。最终ROI体积以mm3为单位计算，并经ICV标准化以考虑个体间头部大小差异。
统计分析概述
所有统计分析均使用R和Python进行。显著性阈值设为p < 0.05。在适用的情况下，使用错误发现率校正对p值进行多重比较校正。对于分类算法和关联体积与症状严重度的模型，使用留一交叉验证来估计p值的稳定性，并报告各次迭代的中位数p值。
评估了组间（HC、PD-TD、PD-PIGD）人口统计学和临床差异。计算了每个ROI的解剖不对称性指数，以量化半球间体积差异。为了评估体积不对称性与临床症状的关系，通过比较左右侧MDS-UPDRS第三部分评分来确定症状偏侧化，为每名患者指定更受累侧和更少受累侧。
使用线性回归模型比较各组间经标准化的ROI体积。为检验区域脑体积是否包含队列特异性结构信息，应用了多元分类模型。使用z分数的更受累侧体积进行分析。分类采用岭回归，并进行500次子抽样迭代以获得稳定无偏的性能估计。同时，使用留一交叉验证评估泛化性。作为基准，还实施了使用主成分分析的降维模型。
使用多元线性回归模型评估ROI体积是否与运动症状严重度相关。在多元ROI分析中，BTC和CTC网络内所有预定义的ROI同时作为自变量纳入单个模型，以捕捉分布式网络层面的关联。
结果
队列人口统计学和数据特征
两名患者因获得的MRI图像质量不足以处理而被排除。此外，一名患者和两名HC因偶然发现的异常MRI结果被排除。最终研究队列的人口统计学信息显示，HC组平均年龄为63±9岁，PD-PIGD队列为68±8岁，PD-TD队列为61±9岁。HC组与PD组之间未观察到显著的年龄差异，性别分布也无差异。然而，PD运动亚型之间存在显著的年龄差异，PD-TD患者比PD-PIGD患者更年轻。PD-TD与PD-PIGD组在性别分布或HY分期上未观察到显著差异。左旋多巴等效日剂量值在PD亚型间无显著差异。
体积分析
所有自动和手动分割均成功完成，无重大伪影或处理失败。提取的区域体积作为后续统计分析的基础。代表性分割示例如图1所示。莱文检验显示，所有体积指标均未出现显著的方差齐性违反。夏皮罗-威尔克检验表明，大多数ROI体积符合正态分布。
解剖与临床不对称性
在许多区域观察到显著的解剖不对称性。小脑、小叶Crus I、Crus II和VLp观察到右侧不对称性。相反，在DN、RN、丘脑和VLa中发现了左侧不对称性。剩余的ROI未显示显著的不对称性。协方差分析显示，这些不对称模式在各队列间无显著差异，表明其是与队列无关的解剖不对称性。此外，在所有区域均未观察到利手效应的显著影响。
单样本t检验显示，所有临床不对称性指数均未显著偏离零，表明由于症状表达导致的运动网络体积不存在系统性偏侧化。此外，解剖不对称性与临床不对称性之间未观察到显著对应关系。PD亚型间的组比较显示，任何区域的临床不对称性均无显著差异。重要的是，未发现解剖不对称性与临床不对称性之间，或不对称性指数与利手之间存在显著关联。
因此，在涉及患者数据的后续分析中，基于临床偏侧化纳入更受累侧ROI；对于HC，则使用双侧半球的平均值。解剖不对称性和利手不再进一步考虑。
组间区域体积差异
在PD患者与HC之间的任何区域，均未观察到更受累侧体积的显著组间差异。去除异常值后，结果保持一致。如图2所示，各组间的体积分布存在大量重叠，强化了缺乏稳健组水平效应的结论。
使用运动网络体积进行队列分类
通过成对相关分析验证，ROI体积之间未检测到多重共线性。岭回归和PCA在所有任务中产生了高度可比的分类性能，具有相似的平均AUC。鉴于预测准确性的对等性，由于岭回归具有增强的模型透明度和跨分割与迭代更一致的特征重要性估计，我们优先选择其进行进一步解释。
使用z分数的更受累侧体积，PD与HC的分类在最佳性能迭代中达到了0.88的平均AUC和0.86的准确率，而500次迭代的总平均值为0.63±0.13。特征重要性分析显示，对分类最强的正向贡献区域包括丘脑、VLa、VLp以及小脑小叶I–V、VIIIa和X。这些区域在模型中显示正权重，表明这些区域的体积保留或增加支持PD分类。相反，M1、DN、RN、整个小脑以及小叶VI、Crus I-II和IX等区域贡献为负，表明其体积减少是PD的信息性指标。为补充重要性值，还计算了单区域AUC。虽然某些区域的模型权重较小，但它们仍表现出强大的独立判别能力，最显著的是小叶VIIIa、VLp、I–II和丘脑。一些负权重区域如M1和VLa在单独分析中也达到了高AUC。协变量显示出中等预测价值。
为了进行运动亚型分类，使用z分数的更受累侧体积训练岭回归模型以识别PD-TD参与者，其中正向贡献表示区域体积保留预测PD-TD，负向贡献表示体积减少与PD-TD相关。该模型在500次迭代中达到了0.66±0.15的平均AUC，最佳运行达到了0.95的AUC和0.72的准确率。PCA产生了可比的结果。对PD-TD最强的正向贡献区域包括小叶I–II、III、VIIb、VIIIa和VLp。相反，M1、DN、丘脑、VLa和SN–STN显示出最负的重要性分数。单ROI分类器显示，VLp、SN–STN、整个小脑以及小叶VI和VIIIa的AUC最高。HY分期也贡献了正向预测价值，而年龄和性别影响可忽略。留一交叉验证结果保持一致。
为说明模型层面的分类性能，图5展示了PD与HC以及PD亚型分类的接收者操作特征曲线，总结了各次迭代的敏感性-特异性权衡。
运动网络体积与症状严重度的关联
使用多元ROI和单ROI线性回归模型，在调整了年龄、性别和HY分期后，检验了所选区域z分数的更受累侧体积与运动症状严重度的关系。在多元ROI模型中，总震颤严重度与SN–STN、VLp和小叶VIIb的体积显著相关。静止性震颤也与VLp体积相关，姿势性震颤与M1、小叶I-II和IX的体积相关。MDS-UPDRS-III总分与丘脑和DN的体积显著相关，而丘脑体积也显示出与运动迟缓和姿势不稳步态障碍的显著关联。姿势不稳步态障碍严重度则与小叶IV的体积减少相关。
单ROI模型支持了其中许多发现，并突出了额外的关联。对于总震颤，再次发现VLp和丘脑有显著贡献。静止性震颤仍与VLp相关，而动性震颤则显示出与VLp和小叶III的关联。姿势不稳步态障碍严重度与VLa相关，MDS-UPDRS-III评分与丘脑体积相关。显著结果的详细信息，包括标准化β系数、95%置信区间和留一交叉验证p值，总结于表2和表3中。
讨论
多元框架分析揭示了PD中分布式的运动网络特征
本研究通过展示PD的结构基质是分布式的而非区域性的，为早期PD提供了新的视角。通过整合BTC和CTC网络的体积测量，我们识别出了一致的网络层面结构改变，这些改变能够区分PD与HC，并进一步区分PD-TD与PD-PIGD运动亚型。与大多数先前专注于孤立解剖结构的体积研究不同，这种方法揭示了分布式的、多区域的体积模式，强调在本样本中，早期PD相关改变在网络层面显现，而非表现为明显的局灶性萎缩。
在区域层面上，这些分布式的特征指向了相对体积保留与早期体积减少之间的连续体，表明PD的BTC–CTC通路内代偿与退行性过程之间存在失衡。通过将焦点从孤立的区域性萎缩转移到网络层面的体积测量，我们的研究结果提出了敏感的MRI生物标志物，这些标志物反映了疾病早期的结构网络改变，并为区分PD亚型提供了基础。
早期PD缺乏明显的区域性萎缩
在标准队列比较中缺乏显著的区域性萎缩，这与我们多元分析检测到的分布式体积差异形成对比。这种明显的差异可能反映了PD早期的一个隐蔽阶段，在此期间，大规模网络改变在明显的组织丢失变得可用常规形态测量学检测之前就已出现。在此阶段，相互连接的运动环路内的代偿性重塑可能暂时保留功能，而年龄相关的萎缩模式部分掩盖了细微的疾病特异性效应。然而，考虑到适中的样本量和早期疾病阶段，我们队列中无效的单变量结果可能反映了检测细微区域效应的统计效力有限，而非其真实不存在。
各队列间一致的大脑半球不对称性，但缺乏组间差异或与症状偏侧化的对应关系，表明运动体积不对称性反映的是一般解剖变异，而非疾病特异性标志。这种模式，加上我们的队列主要处于HY分期2期，支持了代偿和退行性过程在早期PD中共存的观点。多项研究反映了相同的解释。在大型帕金森病进展标志物倡议队列中，Zeighami等人报告在新发PD患者中仅观察到细微的灰质改变，这些改变在很大程度上与健康衰老轨迹重叠。纵向数据进一步表明，与较早的功能和网络层面破坏相比，基底节和小脑的宏观萎缩进展缓慢。类似地，衰老队列显示皮层下体积的年下降率相对较小，这表明早期PD的变化仍隐藏在正常变异范围内。针对新诊断患者的研究也报告了零体积改变，尽管存在连接性改变，纵向证据表明结构变化通常在疾病进展超过5年后才变得可检测。
总之，这些观察结果强调，早期PD代表了解剖重组的隐蔽阶段，在此阶段，代偿性保留和新出现的退行性变共存于分布式网络中。检测这一阶段需要能够感知区域间协方差的分析方法，例如本文所采用的多元建模，它可以揭示常规体积统计学无法看到的、连贯的、低于阈值的变化。
基于网络的分类与代偿-退行梯度
我们的多元分类结果表明，即使在缺乏区域萎缩的情况下，BTC和CTC区域的体积配置也能够稳健地区分PD与HC，并进一步区分PD运动亚型。使用岭回归，模型在最佳性能迭代中达到了高AUC值，这证实分布式体积模式携带诊断信息。然而，所有迭代的总体平均AUC较为一般，这表明最高模型性能在某些情况下可能是乐观的。大型队列中可比的多元方法报告了相似或略低的AUC。尽管PCA产生了相似的准确性，但岭回归在小样本数据中提供了更好的可解释性和稳定性。
特征权重分析揭示了跨运动环路的两条对立梯度。丘脑核团（VLa、VLp）和小脑小叶I–V、VIIIa和X是PD分类最强的正向贡献者，这与CTC网络内的早期代偿性重组一致。这些区域的体积保留可能反映了适应机制，尽管存在多巴胺能缺失，这些机制仍能维持网络效率。功能连接性研究显示PD患者VLp–VLa与运动和前额叶皮层的耦合增强，支持了这一解释，表明先于明显萎缩的网络层面适应。类似地，小叶VIIIa和X通过与皮层运动区域改变了的连接参与运动症状调节。此外，包含小脑和丘脑节点的多元结构连接性分析在PD中显示出高判别力，强化了本文所识别区域的相关性。单ROI分析进一步确认了它们的重要性，小叶VIIIa、VLp和丘脑达到了高AUC，突显了它们在分布式运动网络中的独立诊断潜力。
相反，负权重的区域，包括M1、DN、RN、Crus I–II和小叶IX，其体积减少作为早期神经退行性变的标志促进了PD分类。这些发现与先前的证据汇聚，表明皮层下和小脑萎缩在PD相关运动功能障碍中起关键作用。即使在疾病早期（基于HY评分），观察到的DN萎缩也与受损的小脑连接性和运动-认知整合障碍相关。类似地，RN的改变虽然在不同研究中存在差异，但与运动严重度和进展相关，而Crus II和小叶IX体积的减少在运动和非运动表型中均有报道。功能成像进一步支持了这些结构发现，显示DN–Crus I–II耦合减弱破坏了运动和认知小脑环路之间的整合。皮质受累遵循了类似的模式，M1变薄和灰质丢失反映了沿皮质脊髓束的退行性变。最后，后部小脑萎缩已被证明在多元框架中提高了PD分类准确性，强调了其诊断价值。总的来说，这些负权重特征描绘了一个连贯的皮层下-小脑退行性变模式，补充了我们在正权重分析中识别的CTC代偿性保留。
在PD亚型分类中，我们的岭回归模型表明，基于分布式体积特征，PD-TD和PD-PIGD之间存在稳健的分离。特征权重分析显示，小脑小叶I–II、III、VIIb–VIIIa和VLp的体积保留，以及M1、DN、丘脑、VLa和SN–STN的体积减少，共同促成了PD-TD的分类，表明CTC和BTC环路内保留和丢失的不同模式共同表征了这一亚型。这些模式与先前的神经影像和电生理学研究一致，这些研究显示了亚型特异性的环路组织。Chen Y.等人和Chen Z.等人报道了PD-TD患者前部小脑小叶的保留和小脑-丘脑连接性增强，而PD-PIGD则显示出更广泛的丘脑-皮质连接中断。类似地，Park等人发现PD-TD患者中小叶VIIIa的选择性萎缩但丘脑体积保留，强调了CTC网络区域对亚型分离的判别作用。
皮层下退行性变也对亚型分类有贡献。功能连接性研究显示PD-TD患者DN–VLp耦合减弱，M1的体积减少与受损的皮层运动整合相关。此外，有报道称在新发PD患者中，丘脑核团的体积存在亚型间差异，PD-TD患者显示出VLa和相关板内核的体积减少。这支持了我们的发现，即VLa体积对PD-TD分类贡献为负。此外，组织病理学和影像学证据表明，SN退行性变在不同亚型间遵循不同的拓扑结构：Boonstra等人报道了优先投射至VLa和STN的SN内侧神经元丢失，而Poston等人则将SN体积减少与运动迟缓和强直相关联，而非震颤。这些发现强调了PD-TD中多巴胺能退行性变的解剖特异性，并可能解释我们模型中SN–STN和VLa的负权重。总之，我们的分类发现反映了一种生物学上合理的分离：PD-TD中的小脑保留可能反映了代偿可塑性，而SN–STN–VLa–M1轴上的萎缩则捕捉了PD-TD的核心病理生理基质。
这种跨CTC和BTC网络的分布式分离强化了运动亚型源于结构失衡的不同模式，而非均匀萎缩的观点。网络层面的分析进一步支持了这一观点：图论研究证明了全局拓扑结构的早期破坏，并且当使用多区域、网络层面的特征而非孤立的区域测量时，分类性能得到改善。与这种系统层面组织一致，HY分期贡献了中等的预测价值，反映了其作为补充网络衍生结构指标的粗略临床相关物的作用。
跨运动网络的结构-症状关系
在控制年龄、性别和HY分期后，回归模型揭示了特定的运动网络节点与特定症状严重度相关。震颤严重度与SN–STN体积正相关，与VLp和小叶VIIb体积负相关，这反映了BTC和CTC网络都参与震颤生成的证据，特别是小叶VIIb萎缩与震颤严重度相关。此外，功能成像显示，DN和VLp之间的连接性降低与PD-TD患者的震颤严重度增加相关，强化了VLp在震颤机制中的作用。静止性震颤与VLp体积特异性相关，而姿势性震颤则涉及M1以及小叶I–II和IX，这与显示姿势稳定期间M1和前部小脑激活的研究一致。此外，PD-TD患者通过VLp显示出增加的M1–小脑功能连接性，可能反映了运动网络的代偿性募集。这种模式与证据一致，即CTC相互作用（特别是通过VLp）在PD-TD中相对于PD-PIGD功能更完整或更亢进。
运动迟缓和MDS-UPDRS-III总分与丘脑和DN体积相关，支持了基底节-丘脑输出至M1的改变是运动迟缓基础的机制模型。超高场强MRI证实SN退行性变选择性地与运动迟缓-强直相关，而非震颤。此外，最近的一项纵向MRI研究表明，多元灰质体积指标可预测5-10年内运动迟缓和步态症状的进展，突显了其预后价值。
姿势不稳步态障碍严重度在多元和单ROI模型中均与小叶IV萎缩相关。小叶IV作为脊髓小脑的一部分，与参与平衡和姿势稳定的前庭小脑区域保持强大的功能连接。与我们的发现一致，PD-PIGD患者在小脑白质束（如中小脑脚）中表现出白质完整性降低，以及与PD-TD相比丘脑连接性减弱。
总之，这些症状特异性的体积特征凸显了帕金森症运动特征源于网络层面的结构改变，而非局灶性萎缩，并表明对这些网络节点的靶向评估可以为个体化预后和基于环路的干预提供信息。我们的研究发现可能对临床决策支持具有启示意义。尽管平均分类性能整体上一般，但多元体积模式的使用为临床应用提供了概念验证。PD-TD和PD-PIGD之间不同的体积特征可以为临床试验中的患者分层提供信息，解决常使治疗研究混淆的异质性问题。
局限性
在解释我们的发现时，需考虑几个局限性。首先，我们的横断面设计限制了关于体积变化与症状进展之间关系的因果推断。需要纵向研究来确定所识别的体积
