《Brain Structure and Function》:Standardized methodology for assessing the presence, variants and area of the interthalamic adhesion using anatomical MRI (SNAP-IA): multicentric validation on 565 healthy individuals and multiple neurological disorders
编辑推荐:
丘脑间粘合(IA)评估缺乏标准方法阻碍了对其在神经发育及精神疾病中作用的研究。为解决此问题,研究人员开发并验证了SNAP-IA标准化解剖成像方案,用于在T1加权MRI上一致地识别、分类(简单、宽阔、双重、双叶、丝状)和定量(基于分割的面积)评估IA。该方案在565名健康个体和多种神经系统疾病患者中进行了验证,实现了高数据集间一致性(平均Dice≈0.92),并发现患者中IA存在率降低一半、面积显著更小。SNAP-IA为跨人群和MRI序列的IA解剖评估提供了一个可靠、可重复的框架,将支持其结构和功能角色的未来研究及大规模AI研究。
在我们大脑的深处,两个丘脑之间,隐藏着一个神秘而有趣的结构——丘脑间粘合(Interthalamic Adhesion, IA)。它像一座微型的桥梁,连接着大脑左右两侧的丘脑,但令人惊奇的是,这座“桥”并非人人都有。研究表明,大约有10%到30%的人天生就没有丘脑间粘合。更引人注目的是,它是人类大脑中为数不多、被文献一致报告的性别二态性结构,在女性中出现的比例更高。此外,越来越多的研究提示,丘脑间粘合可能支持丘脑-皮层的连接,并且可能与自闭症、精神分裂症、双相情感障碍、注意缺陷多动障碍(ADHD)等多种神经发育和神经精神疾病有关,甚至可能成为阿尔茨海默病、多发性硬化症等疾病中检测大脑中线异常的一个有价值的生物标志物。
然而,尽管其潜在重要性日益凸显,针对丘脑间粘合的研究却一直面临着一个巨大的障碍:缺乏标准化的评估方法。不同的研究团队使用不同的磁共振成像(MRI)序列参数(如层厚、磁场强度)、不同的观察平面(冠状位、矢状位、轴位),甚至不同的判定标准(例如,需要看到多少层图像才认为“存在”)来评估丘脑间粘合。这种“各自为政”的局面导致了研究结果难以比较,数据混乱,严重阻碍了科学界对这一结构的深入理解和临床应用。例如,由于方法不一致,关于年龄是否影响丘脑间粘合大小、以及在患者群体中其变化模式的结论常常相互矛盾。
为了解决这一关键瓶颈,推动丘脑间粘合研究从分散走向统一,一项由法国图卢兹、智利圣地亚哥、英国南安普顿、瑞士洛桑、德国蒂宾根和法国波尔多共七个国际研究团队协作完成的重要研究应运而生。研究人员开发并 rigorously 验证了一套名为“SNAP-IA”的标准化解剖成像评估方案。这项研究成果已正式发表在神经科学领域的重要期刊《Brain Structure and Function》上。
为了开展这项研究,作者团队主要运用了以下几项关键技术方法:首先,他们基于高分辨率(0.6-1 mm各向同性)T1加权磁共振成像(T1-weighted MRI)数据,制定了标准化的图像质量检查和重定向流程。其次,研究核心是SNAP-IA协议本身,它包含三个标准化步骤:1) 在三个解剖平面上系统评估IA的存在/缺失;2) 依据明确的形态学标准对IA的解剖变体(简单、宽阔、双重、双叶、丝状)进行分类;3) 在矢状位上进行基于手动分割的IA面积评估,并利用FSL FAST工具进行部分容积效应(Partial Volume Effect, PVE)校正以提高测量精度。此外,研究采用了多中心、多样本队列验证策略,数据来源于公开数据库(如HCP YA, UCLA CNP)和合作机构,共包括565名20-69岁的健康对照和患有卒中、精神分裂症、双相障碍、ADHD的患者,并涵盖了从3T到9.4T的不同磁场强度,以全面测试协议的稳健性和可重复性。统计分析则采用了逻辑回归、ANCOVA(协方差分析)等多种方法探究IA特征与人口学变量及疾病状态的关系。
研究结果
学习曲线与评估效率:新手评估者经过训练后,能够快速、可靠地应用SNAP-IA协议。在首对评估者对图卢兹数据集的分析中,平均仅需约35秒即可完成一个受试者IA的存在/缺失和变体判断,分割IA平均耗时约141秒。评估者间的一致性很高,平均Dice系数约为0.92。
在健康人群中的验证:在所有3T MRI扫描的健康受试者(n=303)中,IA的缺失率为22.8%,与既往尸检文献报告高度一致,验证了协议的外部有效性。性别差异显著:女性IA的存在率(84.4%)显著高于男性(69.8%),且女性的IA面积也显著大于男性。逻辑回归显示,性别是预测IA存在与否的显著因素。年龄与面积相关:ANCOVA分析表明,年龄和性别都是IA面积的显著预测因子,IA面积平均每年减少0.25 mm2。解剖变体分布:在存在的IA中,简单和宽阔两种变体构成了95%的病例,双重、丝状等变体较为罕见。面积测量:经过PVE校正后,健康受试者在3T下的平均IA面积为22.7 ± 11 mm2。不同变体间的面积存在显著差异,符合其形态学定义。
临床验证:
- •
丘脑卒中患者:SNAP-IA成功地识别了IA的存在,并能准确判断卒中病灶是否延伸至IA内部,证明了其在存在脑损伤情况下的适用性。
- •
神经发育与神经精神疾病患者:与健康对照相比,患有精神分裂症、双相障碍或ADHD的患者组,其IA的存在率显著更低(74% vs. 84%),且IA的平均面积也显著更小。逻辑回归分析证实,患有这些脑部疾病的个体出现IA的可能性大约降低了一半。
磁场强度的影响:在超高场9.4T MRI上,IA的缺失率(34.6%)显著高于3T(18.1%),这可能与更高场强下图像对比度的变化以及对部分容积效应更敏感有关。然而,3T和9.4T之间IA的平均面积没有显著差异。
研究结论与意义
本研究的核心结论是,SNAP-IA协议为解决丘脑间粘合评估的“方法论混乱”问题提供了一个强大、可靠的解决方案。该协议具有高可靠性(评估者间一致性高)、高可重复性(跨多个独立数据集验证)、高效率(评估速度快)和高通用性(适用于从3T到9.4T的不同MRI场强,以及健康人和多种患者群体)的特点。
其重要意义体现在多个层面:首先,在科学研究上,SNAP-IA建立了一个“通用语言”,使得未来不同实验室关于IA的研究结果能够进行有意义的比较和整合,这将极大加速对IA在认知功能、半球间通讯以及各种神经系统疾病中作用的机理研究。其次,在临床转化上,标准化的评估使得IA有潜力成为一个可量化、可比较的影像学生物标志物,用于辅助疾病诊断、评估病情或预测预后。最后,也是至关重要的一点,SNAP-IA为人工智能(AI)研究铺平了道路。该协议产生的高质量、标准化的人工标注数据,是训练能够自动、准确、大规模识别和量化IA的AI算法所必需的基础。只有解决了基础数据的标准化问题,基于AI的神经影像分析才能在这一领域发挥其真正的潜力。
总之,这项研究不仅仅是一个方法学的贡献,它更像是一把精心锻造的“钥匙”,为科学界和医学界打开了深入探索丘脑间粘合——这个长久以来被忽视却又充满奥秘的大脑结构——的大门,预示着未来在理解大脑连接、发育异常和疾病机制方面将取得新的突破。