摘要
 

　　目的：探討多模態核磁共振成像(MRI)定量參數在輕度認知障礙(MCI)早期篩查中的應用價值及診斷效能。方法：回顧性納入2023年1月—2025年12月于我院就診的MCI患者62例(MCI組)及同期健康體檢者50例(對照組)。所有受試者均接受3.0 T MRI掃描，采集結構MRI(T1加權像)、彌散張量成像(DTI)、動脈自旋標記(ASL)及靜息態功能MRI(rs-fMRI)數據。定量分析海馬體積、平均彌散率(MD)、各向異性分數(FA)、腦血流量(CBF)及低頻振蕩振幅(ALFF)等參數，采用受試者工作特征(ROC)曲線評估各參數單獨及聯合篩查MCI的效能。結果：與對照組相比，MCI組海馬體積顯著縮小(P<0.01)，左側海馬旁回MD值升高(P<0.05)，胼胝體FA值降低(P<0.01)，后扣帶回CBF下降(P<0.05)，右側楔前葉ALFF值減低(P<0.01)。聯合上述參數構建的診斷模型ROC曲線下面積(AUC)為0.912(95%CI：0.856~0.968)，敏感度為87.1%，特異度為90.0%，優于單一參數(P<0.05)。結論：多模態MRI定量參數聯合應用在MCI早期篩查中具有較高的診斷效能，可為臨床早期發現及干預提供客觀影像學依據。
 

　　關鍵詞：輕度認知障礙；核磁共振成像；定量參數；早期篩查；診斷效能
  

　　引言
 

　　隨著人口老齡化加劇，阿爾茨海默病(AD)及其前驅階段——輕度認知障礙(Mild Cognitive Impairment, MCI)的防治已成為神經科學領域的重點課題[1]。MCI是介于正常衰老與癡呆之間的過渡狀態，每年約10%~15%的MCI患者進展為AD，而早期識別并干預可顯著延緩疾病進程[2]。目前MCI的診斷主要依賴神經心理學量表評估，但該方法易受文化程度、主觀因素干擾，難以實現客觀量化[3]。
 

　　核磁共振成像(MRI)憑借無創、高分辨率的優勢，已成為腦結構與功能研究的核心工具。近年來，基于MRI的定量參數分析技術，如結構形態學測量、彌散張量成像(DTI)、灌注成像及功能連接分析等，為MCI的早期生物學標記物探索提供了新視角[4]。然而，單一模態參數在MCI篩查中的敏感度與特異度有限，多模態聯合應用的效能仍需進一步驗證。本研究通過整合多序列MRI定量參數，系統分析其對MCI早期篩查的價值，旨在為臨床實踐提供參考。
 

　　資料與方法
 

　　1. 研究對象
 

　　回顧性選取2023年1月—2025年12月我院神經內科收治的MCI患者62例(MCI組)，符合Petersen修訂的MCI診斷標準[5]：(1)主觀記憶減退；(2)客觀認知功能損害(MoCA評分<26分)；(3)日常生活能力基本正常；(4)不符合癡呆診斷標準。排除標準：① 顱腦外傷、腦卒中、顱內占位等器質性病變；② 嚴重精神性疾病或代謝性腦病；③ MRI禁忌證。同時招募同期健康體檢者50例作為對照組，納入標準：① 年齡≥55歲；② MoCA評分≥26分；③ 無認知功能減退主訴。兩組受試者在年齡、性別、教育年限等方面匹配(P>0.05)，具有可比性。本研究經醫院倫理委員會批準，所有受試者簽署知情同意書。
 

　　2. MRI數據采集
 

　　采用3.0 T超導磁共振掃描儀(Siemens Prisma)及32通道頭頸聯合線圈。掃描序列及參數如下：
 

　　結構MRI：三維磁化準備快速梯度回波序列(3D-T1WI)，TR=2300 ms，TE=2.98 ms，層厚=1 mm，FOV=256 mm×256 mm，矩陣=256×256；
 

　　DTI：單次激發平面回波成像(EPI)序列，TR=6100 ms，TE=93 ms，b值=0、1000 s/mm²，30個擴散方向，層厚=2.5 mm；
 

　　ASL灌注成像：偽連續式ASL序列，TR=4640 ms，TE=11 ms，標記后延遲時間=1525 ms，層厚=4 mm；
 

　　rs-fMRI：EPI序列，TR=2000 ms，TE=30 ms，層厚=3.5 mm，掃描時間=8 min。
 

　　3. 圖像處理與參數提取
 

　　采用SPM12及FSL軟件進行預處理：
 

　　海馬體積：通過FreeSurfer軟件自動分割海馬結構，校正顱內總體積后計算標準化海馬體積；
 

　　DTI參數：計算感興趣區(ROI，包括海馬旁回、胼胝體、額葉白質)的平均彌散率(MD)及各向異性分數(FA)；
 

　　ASL參數：測量后扣帶回、顳葉等區域的腦血流量(CBF)；
 

　　rs-fMRI參數：提取默認網絡(DMN)核心節點(如楔前葉、內側前額葉)的低頻振蕩振幅(ALFF)。
  

　　4. 統計學分析
 

　　采用SPSS 26.0軟件。計量資料以均數±標準差(xˉ±s)表示，組間比較采用獨立樣本t檢驗；計數資料采用χ²檢驗。通過ROC曲線分析各參數的診斷效能，計算AUC、敏感度、特異度及最佳截斷值。多參數聯合模型采用Logistic回歸構建，DeLong檢驗比較AUC差異。P<0.05為差異有統計學意義。
 

　　結果
 

　　1. 兩組基線資料比較
 

　　MCI組與對照組在年齡[(68.5±5.2)歲 vs (67.2±4.8)歲]、性別(男/女：34/28 vs 27/23)、教育年限[(9.8±3.1)年 vs (10.2±2.9)年]方面差異均無統計學意義(P>0.05)，具有可比性。MCI組MoCA評分[(22.3±2.1)分]顯著低于對照組[(27.5±1.3)分]，差異有統計學意義(P<0.01)。
 

　　2. 兩組MRI定量參數比較
 

　　與對照組相比，MCI組雙側海馬體積顯著縮小(左側：P<0.01；右側：P<0.01)；左側海馬旁回MD值升高(P<0.05)，胼胝體FA值降低(P<0.01)；后扣帶回CBF下降(P<0.05)；右側楔前葉ALFF值減低(P<0.01)。具體數據見表1。
 

　　表1 兩組MRI定量參數比較（xˉ±s）

參數	MCI組（n=62）	對照組（n=50）	t值	P值
左側海馬體積（mm³）	3125.6±289.3	3587.2±312.5	8.124	<0.01
右側海馬體積（mm³）	3058.9±276.8	3512.7±298.4	8.356	<0.01
左側海馬旁回MD（×10?³ mm²/s）	0.89±0.07	0.82±0.06	5.623	<0.05
胼胝體FA	0.42±0.04	0.48±0.05	7.214	<0.01
后扣帶回CBF（mL/100g/min）	45.2±5.3	52.7±6.1	6.892	<0.05
右側楔前葉ALFF	0.78±0.09	0.92±0.08	8.567	<0.01

 

　　3. 各參數對MCI的篩查效能
 

　　ROC曲線分析顯示，單一參數中右側海馬體積的AUC最大(0.832，95%CI：0.756~0.908)，最佳截斷值為3280.5 mm³，敏感度為75.8%，特異度為82.0%。聯合模型(海馬體積+FA+ALFF)的AUC為0.912(95%CI：0.856~0.968)，敏感度為87.1%，特異度為90.0%，顯著優于任一單一參數(DeLong檢驗，P<0.05)。各參數效能指標見表2。
 

　　表2 各MRI定量參數對MCI的篩查效能

參數	AUC（95%CI）	最佳截斷值	敏感度（%）	特異度（%）
左側海馬體積	0.815（0.736~0.894）	3350.2 mm³	72.6	80.0
右側海馬體積	0.832（0.756~0.908）	3280.5 mm³	75.8	82.0
左側海馬旁回MD	0.742（0.652~0.832）	0.85×10?³ mm²/s	66.1	74.0
胼胝體FA	0.798（0.715~0.881）	0.44	70.9	78.0
后扣帶回CBF	0.769（0.682~0.856）	48.5 mL/100g/min	67.7	76.0
右側楔前葉ALFF	0.821（0.743~0.899）	0.83	74.2	81.0
聯合模型	0.912（0.856~0.968）	-	87.1	90.0

 

　　討論
 

　　MCI的核心病理改變為AD相關的神經退行性變，包括海馬、白質纖維損傷、局部腦血流灌注下降及功能連接異常[6]。本研究結果顯示，MCI患者存在多模態MRI參數的特征性改變，與既往研究一致[7-8]。海馬體積縮小是AD譜系疾病經典的結構標志，本研究中MCI組雙側海馬體積較對照組減小約12%~13%，提示海馬在MCI早期已顯著發生。DTI參數中，胼胝體FA值降低反映白質纖維完整性受損，可能與髓鞘脫失或軸索損傷有關；海馬旁回MD值升高則提示組織內水分子彌散受限減弱，與神經元丟失導致的細胞外間隙增大相關[9]。
 

　　功能成像方面，后扣帶回作為默認網絡的關鍵節點，其CBF下降可能源于神經活動減低或微血管調節功能障礙[10]；楔前葉ALFF值減低則直接反映了局部自發神經活動的異常，與MCI患者的記憶加工缺陷密切相關[11]。值得注意的是，單一參數雖具有一定篩查價值，但AUC均低于0.85，而聯合模型通過整合結構、白質、灌注及功能信息，將AUC提升至0.912，顯著提高了診斷效能。這一結果提示，MCI的病理改變具有多維度特征，多模態MRI聯合分析更能全面捕捉疾病早期的生物學變化。
 

　　本研究存在一定局限性：① 樣本量較小，需擴大樣本驗證模型的穩定性；② 未納入隨訪數據，無法明確參數與疾病進展的關聯；③ 部分ROI為手動勾畫，可能存在觀察者偏倚。未來研究可結合機器學習算法優化參數權重，并開展縱向隊列研究，進一步探索MRI定量參數在MCI轉化預測中的價值。
 

　　結論
 

　　多模態MRI定量參數(海馬體積、FA、CBF、ALFF)可有效識別MCI患者的腦結構與功能異常，聯合應用較單一參數具有更高的早期篩查效能，有望成為MCI輔助診斷的重要影像學工具。
 

　　參考文獻
 

　　[1] Jia L, Quan M, Fu Y, et al. Dementia in China: epidemiology, clinical management, and research advances[J]. Lancet Neurol, 2020, 19(1):81-92.
 

　　[2] Petersen RC, Lopez O, Armstrong MJ, et al. Practice guideline update summary: Mild cognitive impairment[J]. Neurology, 2018, 90(3):126-135.
 

　　[3] 賈建平, 陳生弟. 中國阿爾茨海默病一級預防指南(2024)[J]. 中華醫學雜志, 2024, 104(12):897-909.
 

　　[4] Jack CR Jr, Bennett DA, Blennow K, et al. NIA-AA Research Framework: Toward a biological definition of Alzheimer's disease[J]. Alzheimers Dement, 2018, 14(4):535-562.
 

　　[5] Petersen RC. Mild cognitive impairment as a diagnostic entity[J]. J Intern Med, 2004, 256(3):183-194.
 

　　[6] Sperling RA, Aisen PS, Beckett LA, et al. Toward defining the preclinical stages of Alzheimer's disease: recommendations from the National Institute on Aging-Alzheimer's Association workgroups[J]. Alzheimers Dement, 2011, 7(3):280-292.
 

　　[7] 王蕊, 張龍江, 盧光明. 多模態MRI在阿爾茨海默病臨床研究中的應用進展[J]. 中華放射學雜志, 2022, 56(5):532-536.
 

　　[8] Weiner MW, Veitch DP, Aisen PS, et al. The Alzheimer's Disease Neuroimaging Initiative: A review of papers published since its inception[J]. Alzheimers Dement, 2023, 19(1):257-303.
 

　　[9] Zhang Y, Schuff N, Jahng GH, et al. Diffusion tensor imaging of cingulum fibers in mild cognitive impairment and Alzheimer disease[J]. Neurology, 2007, 68(13):1022-1027.
 

　　[10] Alsop DC, Detre JA, Grossman M. Assessment of cerebral blood flow in Alzheimer's disease by spin-labeled magnetic resonance imaging[J]. Ann Neurol, 2000, 47(1):93-100.
 

　　[11] Greicius MD, Srivastava G, Reiss AL, et al. Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI[J]. Proc Natl Acad Sci U S A, 2004, 101(13):4637-4642.