《Bioengineering》:Resting-State Magnetoencephalography Functional Connectivity in Cervical Spondylotic Myelopathy: An MEG Study with SHAP-Based Interpretation
编辑推荐:
颈椎病性脊髓病(CSM)的诊断主要依赖于临床症状和结构影像学,因此亟需客观的功能性生物标志物。本研究探讨了CSM患者静息态脑磁图(MEG)功能连接的改变,并评估多频段加权相位滞后指数(wPLI)特征能否区分CSM患者与健康对照(HCs)。研究人员采集了31例C
颈椎病性脊髓病(CSM)的诊断主要依赖于临床症状和结构影像学,因此亟需客观的功能性生物标志物。本研究探讨了CSM患者静息态脑磁图(MEG)功能连接的改变,并评估多频段加权相位滞后指数(wPLI)特征能否区分CSM患者与健康对照(HCs)。研究人员采集了31例CSM患者和32名HCs的闭眼静息态MEG数据。在theta、alpha、beta和gamma频段计算了感兴趣区(ROI)水平的wPLI连接,并用于训练多种机器学习分类器。采用嵌套分组交叉验证评估模型性能,并使用SHapley Additive exPlanations(SHAP)解释最佳模型。CSM患者表现出频率特异性连接改变,尤其是在theta和gamma频段。逻辑回归取得了最佳的整体判别性能,SHAP分析表明分类主要受theta频段长程连接和涉及额极的gamma频段连接驱动。这些发现提示,CSM与可测量的大尺度皮层网络重组相关,静息态MEG连接结合可解释机器学习可能为探索CSM候选神经生理生物标志物提供一个有前景的框架。
颈椎病性脊髓病(CSM)是一种由颈椎水平脊髓压迫引起的进行性神经疾病,临床主要表现为运动功能障碍(如下肢肌力下降、步态异常)、感觉异常(如肢体麻木、束带感)和自主神经功能障碍(如膀胱和肠道功能受损)。目前CSM的诊断主要依赖临床症状和结构影像学,然而结构影像主要反映解剖变化,功能评估易受主观因素影响,因此亟需客观的功能性生物标志物。静息态脑磁图(MEG)具有毫秒级时间分辨率且对神经振荡活动高度敏感,能够非侵入性探测脑网络的动态功能组织。功能连接分析可评估空间分离脑区之间的同步性,这对于CSM尤为重要,因为其神经功能障碍不仅源于局灶性颈髓压迫,还可能涉及感觉、运动及高级整合网络的广泛重组。在众多功能连接指标中,加权相位滞后指数(wPLI)因对场扩散或容积传导引起的零相位耦合具有较强鲁棒性而被选用,适合检测神经信号间的时滞功能耦合,并能减少虚假零滞后关联的影响。由于wPLI衍生的连接特征在多个频段和感兴趣区(ROI)上具有高维特性,常规单变量或多变量分析难以捕捉相关组合模式,机器学习为此提供了有力框架。然而机器学习模型的“黑箱”特性限制了生物学可解释性,因此本研究引入可解释人工智能技术——SHapley Additive exPlanations(SHAP),以识别对区分CSM患者与健康对照(HCs)贡献最大的功能连接和频段。基于上述考虑,研究人员开展了一项探索性研究,假设CSM患者存在静息态MEG功能连接的特异性改变,可作为客观的神经生理生物标志物。
研究人员在2024年1月至7月从山东大学齐鲁医院脊柱外科病房招募了31例CSM患者(男14例,女17例;平均年龄58.02±8.01岁),并从社区招募了32名健康对照(男15名,女17名;平均年龄58.32±7.53岁),两组年龄、性别无显著差异。所有受试者均接受闭眼静息态MEG数据采集,计算theta(4–8 Hz)、alpha(8–13 Hz)、beta(13–30 Hz)和gamma(30–40 Hz)四个频段的ROI水平wPLI连接,共得到112个连接特征。随后,研究人员训练了逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、决策树(DT)、k近邻(KNN)、高斯朴素贝叶斯(NB)和极端梯度提升(XGBoost)七种分类器,采用嵌套分组交叉验证评估模型性能,并使用SHAP解释最佳模型。结果显示,CSM患者表现出频率特异性连接改变,尤其是theta和gamma频段;其中LR取得了最佳的整体判别性能,平均AUC为0.844±0.027,AUC-PR为0.854±0.050。SHAP分析表明,分类主要受theta频段长程连接(如额叶-颞叶、顶叶-颞叶、颞叶-额中央)和涉及额极的gamma频段连接(如中央顶-额极、中央-额极、枕叶-额极)驱动。这些发现提示CSM与可测量的大尺度皮层网络重组相关,静息态MEG连接结合可解释机器学习可能为探索CSM的候选神经生理生物标志物提供有前景的框架。该研究发表于《Bioengineering》。
关键技术方法方面,本研究的样本来源于山东大学齐鲁医院脊柱外科病房(CSM患者)和社区(健康对照)。MEG记录在磁屏蔽室内使用64通道OPM磁强计(杭州极弱磁场重大科技基础设施)采集,采样率1000 Hz,受试者闭眼静息2分钟。预处理包括2–40 Hz带通滤波、27 Hz和30 Hz陷波滤波,以及独立成分分析(ICA)去除眼动和心电伪迹。将64个传感器按解剖位置分为8个头皮ROI,计算四个频段的ROI间wPLI,形成112维特征。采用SelectKBest(ANOVA F统计量)进行特征选择,k值(10、20、30、40)作为超参数调优。模型评估使用嵌套分组交叉验证(外环5折,内环4折),分组变量为受试者标识。最终对最佳模型进行SHAP分析,并计算特征选择频率和Jaccard相似度。
在结果部分,3.1 参与者与临床特征:经过MEG数据质量评估并排除过度运动伪影后,最终纳入31例CSM患者和32名HCs,患者平均VAS评分为3.32±1.64,JOA评分为11.33±1.72,年龄和性别无显著组间差异。3.2 wPLI连接的组间差异:通过比较wPLI矩阵发现,未校正时theta频段的顶叶-颞叶、额叶-颞叶、颞叶-额中央、顶叶-中央连接,alpha频段的颞叶-额中央连接,以及gamma频段的多个涉及额极的连接存在显著差异(p<0.05)。经FDR校正后,theta频段的顶叶-颞