朱晓冬教授：早期帕金森病动态微状态脑网络研究新进展

摘要：人脑可被视为一个由大量神经元通过突触相互连接组成的网络。静息态脑电图（EEG）是由大脑生理功能引起的神经电活动的输出，具有高时间分辨率和标准空间分布。因此，静息态脑电图已被广泛用于描述全脑的时空电活动，并揭示头皮的功能连接网络[1]。

人脑可被视为一个由大量神经元通过突触相互连接组成的网络。静息态脑电图（EEG）是由大脑生理功能引起的神经电活动的输出，具有高时间分辨率和标准空间分布。因此，静息态脑电图已被广泛用于描述全脑的时空电活动，并揭示头皮的功能连接网络[1]。

许多研究表明，精神和神经疾病在动态脑网络特性方面有显著变化，大脑功能连接网络动态变化的量化和应用有助于了解大脑疾病及提供预后指标或辅助诊断工具[2-6]。目前多数研究集中在滑动窗口法构建的脑功能连接网络的特性上，而探索反映疾病特异性的循证脑网络构建算法的研究较少。

朱晓冬团队联合天津大学首次提出了一种基于EEG微状态的动态功能连接网络时空变异的新方法，并开发了一个自动分类框架将脑网络的时空变异性指标整合，以提高早期帕金森病（PD）的诊断性能[7]，研究结果如下。

01、分类性能

研究团队提出的基于微状态类别窗口的网络支持向量机（MCN-SVM）较传统滑动窗口的网络支持向量机（SN-SVM）分类性能更好，表明了该算法在早期PD诊断中的有效性，反映了根据微状态分布特征构建的脑网络能短时间反映大脑患病或健康状态下的活动特征。

图1

02、基于大脑微状态类别窗口网络的时空变异性

基于微状态构建的脑网络可以根据微状态类别划分为四个脑网络集，并计算每个微状态类别对应的脑网络的时间变异性和空间变异性作为分类特征，可以更好地识别早期PD患者。因此，探索早期帕金森病基于大脑微状态类窗口网络的时空变异特征，可以为早期帕金森病的病理性脑网络异常提供有价值的见解。

03、微状态网络中大脑区域的时间变异性

研究团队首先探索了四种微状态脑网络中大脑区域的时间变异性。在微状态A网络中，健康对照（HC）组和早期PD患者的时间变异性分布相反，主要差异区域为左额叶和右顶叶等。在微状态B网络中，早期PD患者大多数大脑区域的时间变异性显著高于HC组，主要差异区域是左额叶、顶叶和枕叶。微状态C网络中，早期PD患者大多数大脑区域的时间变异性显著低于HC组，主要差异区域是右前额叶等。微状态D网络中，早期PD患者的时间变异性显著高于HC组，主要分布在左额叶和右顶叶。

图2

04、微状态网络中大脑区域的空间变异性

与早期PD组和HC组大脑区域时间变异性的显著差异相比，其四个微状态网络中大脑区域的空间变异性差异小得多。早期PD患者微状态A网络和微状态B网络中大脑区域的空间变异性通常高于HC组，组间差异仅存在于帕金森病微状态A网络左额叶和左颞叶的小部分脑区。微状态C网络中，HC组空间变异性更规则，额叶空间变异小于枕叶，早期PD组空间变异性更均匀，两组显著差异分布在左额叶。微状态D网络中，HC组大脑区域空间变异性更规律，中央区空间变异小于左额叶等，早期PD组空间变异性更均匀，两组在左额叶、双侧颞叶和左右顶叶的空间变异性有显著差异。

图3

05、微状态网络中全脑的时空变异性

全脑变异性的特征值可通过平均每个受试者的每个脑区的特征值获得。微状态B网络和微状态C网络的时间变异性在早期PD患者和HC组之间有显著差异，早期PD患者微状态B网络的时间变异性显著高于HC组，微状态C网络的时间变异性显著降低，这与脑区时间变异性的差异分布对应。在空间变异性方面，早期PD患者与HC组组间无显著差异。

图4

06、大脑区域时间和空间变异性的临床相关性

在认知方面，微状态C网络右额叶的时间变异性与MoCA量表呈显著正相关，且HC组微状态C网络中额叶的时间变异性显著高于早期PD患者，表明微状态C网络中额叶的时间变异性随认知水平提高而增加。早期PD患者微状态D网络的空间变异性与临床量表得分显著相关，其中左颞叶的空间变异性与MoCA量表显著正相关，且HC组左颞叶微状态D网络的空间变异性显著高于早期PD患者，说明左颞叶微状态D网络的空间变异性越高，早期PD患者认知水平越好。

在运动方面，早期PD患者右枕叶的空间变异性与UPDRS-III量表呈显著负相关，且早期PD患者右枕叶微观状态D网络的空间变异性显著低于HC组，表明右枕叶微状态D网络空间变异性的降低与早期PD患者的运动障碍症状有关。

参考文献

1. Yi, G. S. et al. Analysis of complexity and dynamic functional connectivity based on resting-state EEG in early Parkinson’s disease patients with mild cognitive impairment. Cogn. Neurodyn. https://doi.org/10.1007/s11571-021-09722-w (2022).

2. Zhang, J. Q. et al. Abnormal functional connectivity density in Parkinson’s disease. Behav. Brain Res. 280, 113–118 (2015).

3. Cordova-Palomera, A. et al. Disrupted global metastability and static and dynamic brain connectivity across individuals in the Alzheimer’s disease continuum. Sci. Rep. https://doi.org/10.1038/srep40268 (2017).

4. Greicius, M. Resting-state functional connectivity in neuropsychiatric disorders. Curr. Opin. Neurol. 21, 424–430 (2008).

5. Aerts, H., Fias, W., Caeyenberghs, K. & Marinazzo, D. Brain networks under attack: robustness properties and the impact of lesions. Brain 139, 3063–3083 (2016).

6. Zhang, J. et al. Neural, electrophysiological and anatomical basis of brain-network variability and its characteristic changes in mental disorders. Brain 139, 2307–2321 (2016).

7. Chu, Chunguang et al. Temporal and spatial variability of dynamic microstate brain network in early Parkinson's disease. NPJ Parkinson's disease vol. 9,1 57 (2023).