《Frontiers in Neuroscience》:State-specific disruptions of dynamic functional connectivity in young migraine without aura: a hidden Markov model approach
编辑推荐:
本文运用先进的隐马尔可夫模型(HMM),首次在青年无先兆偏头痛(MWoA)患者中系统揭示了11个稳定的动态脑功能状态。研究发现了独特的双重模式紊乱:患者大脑在状态7(背侧注意网络(DAN)主导)和状态9(多感觉整合)中驻留时间延长,同时感觉运动基线状态(状态3、4、8、11)的稳定性被削弱。状态9的平均驻留时间(MDT)与偏头痛失能评估(MIDAS)评分正相关,凸显了多感觉整合失调可能是偏头痛功能障碍的生物标志物,为理解其神经生物学机制提供了新视角。
1 引言
偏头痛是一种常见的、高致残性的原发性神经系统疾病,尤其在青少年和青壮年中高发。在全球疾病负担研究中,偏头痛位居致残年数(YLDs)全球第二大致病原因。其中,无先兆偏头痛(MWoA)是最常见的亚型,约占所有偏头痛病例的70-75%。尽管临床诊疗不断进步,其神经生物学机制仍未完全阐明。近年来,功能磁共振成像(fMRI)成为揭示大脑网络异常连接模式的重要工具。
传统的静息态fMRI研究主要依赖静态功能连接(sFC)分析,该方法计算整个扫描期间大脑区域间的平均相关性。然而,越来越多的证据表明,大脑功能连接本质上是动态的,会随时间波动和重组。静态分析无法捕捉这些时间动态,可能掩盖了与疾病相关的瞬时神经活动模式。因此,研究大脑网络的动态功能连接(dFC)对全面理解偏头痛的神经基础至关重要。
在动态分析技术中,隐马尔可夫模型(HMM)提供了一种先进的概率框架,无需预设时间窗即可直接从时间序列数据中推断潜在的、离散的“脑状态”,并刻画其时间特性。本研究将HMM应用于青年偏头痛患者的静息态fMRI数据,旨在实现三个目标:识别青年偏头痛患者和健康对照的特征性动态脑状态;比较两组在状态分数占用率(FO)、平均驻留时间(MDT)和转换模式上的差异;探讨这些动态指标与头痛严重程度、发作频率和功能影响等临床指标的关系。
2 方法
2.1 受试者招募与分组
本研究从2020年1月1日至2022年12月14日,在上海中医药大学附属曙光医院连续招募了200名受试者,包括100名青年MWoA患者和100名匹配的健康对照(HC)。患者均在发作间期进行扫描。两组在年龄、性别、教育年限上匹配。所有参与者均签署知情同意书。
2.2 临床评估
采用标准化量表对所有参与者进行基线临床评估,包括自评抑郁量表(SDS)、视觉模拟量表(VAS)、头痛影响测试-6(HIT-6)和偏头痛失能评估(MIDAS)。所有评估均在扫描前完成。
2.3 磁共振成像数据采集与处理
使用3.0-T磁共振扫描仪采集高分辨率T1加权结构像和静息态功能像。数据预处理采用DPABI工具包完成,包括去前几个时间点、头动校正、配准、空间平滑、滤波、去除协变量等步骤。质量控制排除了头动过大的参与者。
2.4 感兴趣区定义与时间序列提取
采用排除小脑的Dosenbach 160感兴趣区(ROI)模板,得到142个ROI。从每个ROI中提取预处理后的时间序列,并计算所有ROI对之间的皮尔逊相关系数以构建功能连接矩阵。
2.5 隐马尔可夫模型(HMM)分析
将每个参与者的ROI时间序列进行标准化后串联。通过网格搜索确定最佳状态数K=11。拟合高斯HMM,并计算每个时间点的最可能状态序列和后验概率。基于后验概率计算个体化指标,包括分数占用率、平均驻留时间、个体转换概率矩阵以及状态特异性的个体连接矩阵。此外,针对每个HMM状态,基于七个大规模网络计算了相对网络负荷,并将网络分为高、中、低三类,用于描述状态特征。
2.6 统计分析
使用独立样本t检验或曼-惠特尼U检验比较两组的分数占用率、平均驻留时间和转换概率。在状态内部,采用韦尔奇t检验比较两组间的边水平功能连接强度,并使用错误发现率(FDR)进行多重比较校正。最后,评估了动态指标与临床变量之间的相关性。
3 结果
3.1 受试者特征
两组在人口统计学变量上匹配良好。患者的平均MIDAS评分为18.8 ± 9.2,表明存在中重度功能障碍。患者的SDS评分接近抑郁倾向的阈值。
3.2 HMM状态特征与空间分布
确定了11个稳定的动态脑状态。根据相对网络负荷,这些状态被分为四类:
- •
感觉运动网络+腹侧注意网络(SMN+VAN)主导型(状态1, 2, 3, 8, 10)
- •
感觉运动网络(SMN)单一主导型(状态4, 5, 11)
- •
视觉网络-感觉运动网络(VN-SMN)协同型(状态6, 9)
- •
背侧注意网络(DAN)主导型(状态7)
3.3 组间状态内个体连接比较
仅在状态9中发现了显著的组间边水平功能连接差异(FDR校正q < 0.05)。这些差异主要集中在默认模式网络-皮层下(DMN-SC)的跨网络连接,并延伸至DMN-腹侧注意网络(VAN)以及视觉网络(VN)的连接。HCs) while blue arcs (if present) denote decreased FC (Patients < HCs) Arc thickness represents the magnitude of the t-statistic. VN, visual network; SMN, somatomotor network; DAN, dorsal attention network; VAN, ventral attention network; SC, subcortical network; FPN, frontoparietal network; DMN, default mode network; ROI, region of interest.">
3.4 时间动态
HMM为每个参与者生成了后验状态概率序列,显示了扫描期间大脑在不同状态间快速切换的动态过程。
3.5 分数占用率和平均驻留时间
与健康对照相比,偏头痛患者在状态6、7、9和5的分数占用率(FO)增加,在状态3、4、8和11的分数占用率降低。平均驻留时间(MDT)则在状态7和9显著增加,在状态3、4、11和10显著减少。0 denote higher metrics in patients. Statistics: asterisks indicate significant differences after multiple comparison correction: *p < 0.05, p < 0.01,*p < 0.001. FO, fractional occupancy; MDT, mean dwelling time; TR, repetition time; HCs, healthy controls.">
3.6 状态转换概率矩阵
组间转换概率差异分析(FDR校正q < 0.05)显示,在健康对照中,状态11的入度和出度均显著高于患者,状态7到状态4等感觉运动状态间的转换更强。而在偏头痛患者中,状态7和状态9的入度和出度均显著增强,包括状态10、8、9向状态7,以及状态1、2、5向状态9的转换均显著增加。HCs), while blue arcs indicate higher rates in controls (HCs > Patients). Line thickness is proportional to the effect size of the group difference. TPM, transition probability matrix; HMM, hidden Markov model; HC, healthy control; FDR, false discovery rate; S1–S11, States 1 to 11.">
3.7 临床相关性
在个体水平上,状态9的平均驻留时间(MDT) 与MIDAS评分呈正相关(r = 0.38, p < 0.05,未校正)。其他动态指标与临床指数(VAS、HIT-6、SDS、病程、每月头痛天数)无显著相关性。
4 讨论
4.1 状态9的连接异常表明多感觉整合和默认网络调节功能紊乱
状态9是一个以视觉、感觉运动和凸显相关区域协同激活为特征的配置。其主要异常位于DMN-SC跨网络连接,并延伸至DMN-VAN和视觉网络交互。这种异常耦合可能反映了内部导向过程与感觉处理之间相互作用的障碍,损害了内部与外部注意力系统之间的正常边界。异常的DMN-VAN耦合意味着凸显检测过程功能障碍,患者可能对通常会被过滤的感觉刺激赋予过多显著性,引发不必要的注意力转移和疼痛相关警报。视觉网络连接的改变与畏光的临床特征一致。重要的是,这些异常是状态特异性的,仅在状态9出现,表明偏头痛的神经病理变化是动态和选择性的,而非静态或全局分布。状态9的平均驻留时间与MIDAS评分正相关,表明在该状态停留时间延长可能与更大的功能障碍相关。
4.2 状态7的动态锁定反映了持续的过度警觉和感觉过度监测
状态7以背侧注意网络(DAN)主导激活为特征。偏头痛患者在该状态的分数占用率、平均驻留时间和自我转换概率均显著增加。DAN的过度激活可能反映了偏头痛患者处于一种持续的过度警觉和夸大的环境监测状态,这可能是一种对反复疼痛经历的不适应应。然而,长期将注意力分配于外部刺激会消耗认知资源,可能导致偏头痛患者常见的注意力缺陷和精神疲劳。状态7(DAN主导)和状态9(多感觉整合)的共锁定揭示了偏头痛大脑在两种功能失调模式间振荡:过度的外部监测和混乱的内外部信息混合。
4.3 动态状态分布失衡与网络负荷改变
患者在视觉-注意相关状态(如6、7、9)的占用率增加,而在基线感觉运动状态(3、4、8、11)的占用率降低。这种不平衡可能反映了偏头痛患者神经资源的病理性再分配。过度依赖视觉-注意状态可能是一种源自反复疼痛发作的补偿策略,但会给认知资源带来巨大负担。而基线感觉运动状态参与的减少,则可能损害对非伤害性刺激进行过滤的感觉门控过程,使患者更容易受到日常感觉刺激的触发。
5 局限性
本研究存在若干局限。横断面设计无法推断因果关系。样本仅限于发作间期的青年MWoA患者,可能限制对其他人群的普适性。统计方法主要是探索性的,未进行先验功效分析,也未对脑-临床相关性进行跨状态的多重比较校正。偏头痛组的SDS评分接近抑郁倾向阈值,由于未将SDS作为协变量建模,观察到的连接改变可能部分反映了情感症状。此外,焦虑症状和睡眠障碍未系统评估。HMM框架本身的方法学假设,以及潜在的药物影响,也是需要考虑的混杂因素。
6 结论
本研究通过隐马尔可夫模型揭示了青年无先兆偏头痛患者大脑动态功能连接的特异性紊乱模式。患者表现出“双重模式”功能障碍:在状态7(DAN主导的过度警觉)和状态9(多感觉整合失调)中驻留时间延长,同时基线感觉运动状态(状态3、4、8、11)的稳定性被削弱。状态9的平均驻留时间与功能残疾相关。这种动态失调反映了偏头痛大脑神经资源分配的紊乱,其中状态9可能作为偏头痛相关功能障碍的潜在生物标志物,为基于动态网络的靶向治疗策略提供了新的见解。