《Annals of Neurology》：Frequency- and Network-Specific Changes in Functional Connectivity Reflect Pathophysiological Mechanisms across Parkinson's Disease Stages
编辑推荐：
目的 帕金森病(Parkinson's disease, PD)日益被视为大规模脑网络疾病，但频率特异性皮质-皮质功能连接(functional connectivity, FC)如何随疾病阶段重组仍不清楚。本研究采用高密度脑电图(high-density e
目的 帕金森病(Parkinson's disease, PD)日益被视为大规模脑网络疾病，但频率特异性皮质-皮质功能连接(functional connectivity, FC)如何随疾病阶段重组仍不清楚。本研究采用高密度脑电图(high-density electroencephalography, HD-EEG)表征PD临床全谱中的皮质-皮质功能连接。
方法 研究人员对140例涵盖早期、中期及晚期PD患者的横断面队列和57名健康对照(healthy control, HC)进行HD-EEG记录。在源空间(source space)重建多频段皮质-皮质功能连接，联合网络统计(network-based statistics, NBS)与机器学习(machine learning, ML)模型识别阶段依赖性网络改变并评估其诊断和预后价值。
结果 研究人员发现3个随疾病阶段呈不同轨迹的大型网络：涉及前额叶及顶颞区的α频段(8–13 Hz)网络呈进行性低连接(hypoconnectivity)，与认知及轴性障碍相关；感觉运动β频段(13–30 Hz)网络呈进行性高连接(hyperconnectivity)，与运动迟缓严重程度平行；高γ频段(50–100 Hz)网络在早期PD连接增强，随后进行性崩溃，与运动并发症 inversely相关。多频段整合模型对早期PD与HC达近完美区分，并能稳健分层各疾病阶段。频段特异性网络还可预测临床里程碑——保留的α连接提示认知及严重轴性损害低风险，较强高γ连接提示运动并发症易感性较低。
解释 上述结果表明频率特异性皮质网络可作为疾病阶段及临床易感性的标志物，支持HD-EEG功能连接作为PD诊断、分期及风险分层的可扩展系统水平生物标志物。(ANN NEUROL 2026)
论文解读——《Frequency- and Network-Specific Changes in Functional Connectivity Reflect Pathophysiological Mechanisms across Parkinson's Disease Stages》
该研究由意大利帕多瓦大学(University of Padua)和罗马托尔韦尔加塔大学医院(Tor Vergata University Hospital)合作完成，发表于《Annals of Neurology》(ANN NEUROL 2026)。
研究背景与立项依据
帕金森病(Parkinson's disease, PD)传统上被定义为黑质纹状体多巴胺能神经元退行性疾病，但现已被广泛认为是大规模分布式脑网络障碍。α-突触核蛋白病理性聚集沿解剖和功能连接通路传播，导致广泛皮质-皮质下网络破坏。既往高密度脑电图(high-density electroencephalography, HD-EEG)研究显示早期PD存在频率特异性和网络特异性的皮质-皮质功能连接(functional connectivity, FC)改变——α频段前额叶网络低连接(hypoconnectivity)关联认知损害和步态障碍（可能反映胆碱能功能障碍），β频段感觉运动网络高连接(hyperconnectivity)与运动迟缓平行（符合多巴胺回路功能障碍）。然而现有证据局限于疾病早期，频率特异性FC随疾病进展是恶化、重组抑或伴随新的阶段特异性网络特征尚不清楚；代偿性与适应性异常模式如何共存并关联症状亦未明确。阐明上述问题有助于确立HD-EEG源空间FC作为捕捉阶段动态和临床里程碑的疾病进展生物标志物(biomarker)。
主要技术方法与队列
研究人员招募意大利两中心共140例PD患者［早期ePD(n=60)：无运动波动且病程≤3年；中期iPD(n=40)：有运动波动但未达晚期标准；晚期aPD(n=40)：满足"5-2-1"标准即每日左旋多巴≥5次或OFF时间≥2 h或异动症≥1 h］及57名年龄性别匹配健康对照(healthy control, HC)。PD患者在隔夜停用多巴胺药物后的OFF状态下记录闭眼静息态64通道HD-EEG（采样1024 Hz），经独立成分分析(independent component analysis, ICA)去伪迹后投影至个体MRI源空间，采用加权相位滞后指数(weighted Phase Lag Index, wPLI)计算θ(4–8 Hz)、α(8–13 Hz)、β(13–30 Hz)、低γ(30–50 Hz)、高γ(50–100 Hz)频段FC矩阵。组间差异用网络统计(network-based statistics, NBS)检验，以平均网络连接度(mean network connectivity, mNC)量化，结合偏Spearman相关分析临床关联。为克服NBS初阈 arbitr性，研究人员用多类支持向量机(support vector machine, SVM)嵌套留一交叉验证(leave-one-out cross-validation, LOOCV)及贝叶斯超参数优化，以分类准确率择取最优NBS网络。进一步用频段特异性及多频段整合模型评估早期PD vs HC鉴别、PD各阶段分层及临床里程碑（运动波动、异动症、认知损害、严重轴性损害）预测效能，并以帕多瓦队列训练、罗马队列外部验证。
研究结果
FC Changes across Groups and Associations with Clinical Features（各组间功能连接变化及其与临床特征的关联）
α频段NBS识别出含前额叶-顶颞区的68节点382边网络，mNC从HC→ePD→iPD→aPD逐级降低（HC>mNC ePD>iPD≈aPD），提示进行性低连接。α-mNC与姿势不稳步态障碍(postural instability and gait disturbance, PIGD)评分负相关(r=-0.45)、与蒙特利尔认知评估(Montreal Cognitive Assessment, MoCA)评分正相关(r=0.43)，即α连接越低PIGD越重、认知越差。
β频段NBS识别出感觉运动为主的66节点180边网络，mNC呈HC< />< />< />
高γ频段NBS识别出感觉运动-边缘-前额叶60节点161边网络，ePD>mNC>iPD>aPD>HC（均p<0.05），即早期增强后进行性崩溃。高γ-mNC与MDS-UPDRS IV（运动波动评分）负相关(r=-0.42)，高γ连接越强运动并发症越轻。左旋多巴等效日剂量(levodopa equivalent daily dose, LEDD)与各频段mNC无显著相关。
Classification Performance for Group Differentiation（分组鉴别的分类性能）
早期PD vs HC：α(AUC=0.89)、β(AUC=0.88)、高γ(AUC=0.96)单频段均有良好判别，多频段整合模型近完美(AUC=0.99，灵敏度0.98，特异度1.00，准确率0.99)。
PD阶段分层：ePD vs 其余(AUC多频段=0.94)；iPD vs 其余单频段以β最佳(AUC=0.83)；aPD vs 其余多频段(AUC=0.93)。中间期(iPD)分类难度较大。外部验证（帕多瓦训练→罗马测试）保留同等高性能。
Site-Based External Validation Analysis（基于中心的外部验证分析）
多频段ePD vs HC外部验证AUC=1.00；各阶段分类外部验证AUC分别为ePD 0.94、iPD 0.89、aPD 0.99，证实模型跨中心泛化性。
Predictive Performance for Clinical Milestones of Disease Progression（疾病进展临床里程碑的预测性能）
运动波动与异动症预测高频段占优——高γ单频段AUC分别0.81和0.80，多频段整合AUC分别0.88和0.85。
认知损害与严重轴性损害预测低频率占优——α单频段AUC分别0.81和0.76，负预测值(negative predictive value, NPV)分别达0.93和0.91；多频段未明显优于α网络，说明低频网络改变主导此类非运动与轴性表型。
讨论与结论总结
研究人员提出三种频段网络沿PD进程呈分化轨迹：α频段前额叶-顶颞网络进行性低连接反映累积性非多巴胺能（尤其胆碱能）大型皮质整合受损，追踪认知衰退与轴性障碍；β频段感觉运动网络进行性高连接系病理性同步化增强，与运动迟缓平行，为运动进展定量标志；高γ频段感觉运动-前额叶-边缘网络早期连接增强为代偿性上调、随神经退行逐步耗竭（崩溃），较强高γ同步化预示较低运动并发症易感性，具韧性(resilience)作用。多频段整合捕获互补生物学信号，较单频段显著提升早期诊断(ePD vs HC)与阶段分层性能；而特定临床里程碑预测应针对相关振荡网络（α预测认知/轴性损害低风险，高γ预测运动并发症低风险）。局限性含横断面设计无法推断个体内轨迹、未用分子标记直接关联神经递质、高γ可能受肌电残余污染、中期分期标准尚无共识，但大样本多阶段源空间HD-EEG配NBS-ML框架及独立外部验证是本研究的突出优势。
结论（翻译）
基于高密度脑电图(HD-EEG)的功能连接揭示了PD中具有生物学意义的阶段依赖性网络改变——频率特异性模式分别映射不同病理生理机制及临床相关症状域。进行性α频段低连接追踪认知衰退与姿势不稳步态障碍(postural instability and gait disturbance, PIGD)；β频段高连接平行于运动迟缓严重程度；高γ动力学则符合缓解运动并发症的代偿性皮质网络特征并随疾病进展衰减。多频段连接整合可改善疾病鉴别性能，表明联合频率特异性特征能更全面、具临床可操作性地表征疾病阶段。综上，本研究支持HD-EEG功能连接作为PD诊断、分期、患者分层及进展监测的非侵入性、可扩展、病理生理导向的生物标志物候选者。
