脑成像领域代表性期刊Human Brain Mapping杂志于2021年5月12日在线发表了南京大学脑科学研究院张冰课题组的研究论文《Causal structural covariance network revealing atrophy progression in Alzheimer's disease continuum》，揭示了阿尔茨海默病（AD）发展过程中脑萎缩在全脑传递的模式。
发生在以海马为代表的多脑区脑萎缩是AD的典型症状之一。通过结构协变网络(structural covariance network，SCN)方法，以往研究者给出了AD发展过程中的大尺度全脑结构网络损伤的模式，并推测这种脑网络受损可能反映的是AD病理过程导致的脑萎缩在全脑不同脑区间的不同步。然而除了成本较高的纵向随访研究，AD脑萎缩在全脑尺度的发生先后和顺序传递过程难于获得定量模型，因此并尚未得到完备的验证和解答。
针对这一问题，本研究提出了一个新的算法框架：采用基于独立成分分析的源分析脑形态学方法（Source based morphology, SBM）自适应提取AD数据集中的关键特征脑区；在SBM提取脑区上进行结构协变网络（SCN）分析；引入格兰杰因果分析（Granger causality analysis, GCA）和滑动时间窗方法（Sliding Window），构建了基于横断面数据建立脑区间脑萎缩因果网络模型（Casual Structural Covariance Network, CaSCN）。并将这套流程应用于包含446名从正常认知老年人群到AD患者的脑结构图像的数据库，构建了基于AD数据集的CaSCN模型。
图1，基于SBM方法提取到AD数据集中代表性脑区成分
结果显示，在AD进展期间，脑区间的因果结构协变增强，体现了随着疾病进展脑区间脑萎缩的传递加快。而海马、丘脑和楔前叶/后扣带皮层在模型中被发现是脑萎缩的核心区域，这些区域的脑萎缩发生可预测随后多个皮层脑区的脑萎缩。这些发现提供了AD病理过程中脑萎缩进展和脑区间蔓延过程的一个模型，为研究AD的进展提供了新的视角。同时，也为脑影像学研究不同类型疾病进展过程中的大尺度脑形态学改变动态模型提供了一个新的算法框架。
图2，基于CaSCN发现的AD脑萎缩进展网络
该研究是南京大学脑科学研究院助理研究员青钊为论文第一作者，南京大学研究生陈丰、南京大学医学院附属鼓楼医院助理研究员吕品、医师陆加明等人对论文均做出重要贡献。研究得到国家自然科学基金、江苏省社发项目等基金的资助。
文章链接：https://onlinelibrary.wiley.com/doi/10.1002/hbm.25531
