脂肪分布模式与大脑结构的关联研究

概要

本研究是一项基于英国生物银行（UK Biobank）前瞻性数据的二次分析，旨在通过MRI和潜在剖面分析（LPA）识别身体脂肪分布模式，并探讨这些模式与大脑结构、认知功能及神经系统疾病的关联。研究纳入了25,997名参与者，通过数据驱动方法在男女群体中均识别出六种脂肪分布模式，其中胰腺主导型和瘦胖子型模式被发现与大脑灰质萎缩、白质病变、认知下降及神经系统疾病风险增加显著相关。研究强调脂肪分布模式比单纯的身体质量指数（BMI）更能反映神经健康风险。

研究背景

1. 肥胖的广泛影响：既往研究证实肥胖与心血管疾病、癌症、神经退行性疾病等多种全身性疾病相关。神经影像学研究表明，肥胖会导致大脑灰质体积减少、白质病变增加及神经环路破坏。

2. 脂肪分布的异质性：传统肥胖指标（如BMI、腰臀比）仅能整体评估肥胖，无法反映脂肪在不同解剖位置（如肝脏、胰腺、内脏）的分布差异。近年研究发现，脂肪的分布位置对其生物学影响具有显著特异性（例如，内脏脂肪对大脑结构的影响大于皮下脂肪）。

3. MRI的技术优势：MRI能够精确量化多个脂肪库（如皮下、内脏、异位脂肪），克服了双能X线吸收测量法（DXA）在区分代谢活跃脂肪库方面的局限性。

4. 研究空白：现有研究多关注单一脂肪库，缺乏对脂肪分布模式作为整体系统的研究。本研究通过LPA方法，首次综合评估多脂肪库分布模式与神经健康的关联。

研究方法

研究设计与参与者

• 数据来源：
  使用英国生物银行的前瞻性数据，包括健康记录、脑部/心脏/腹部MRI扫描数据。
• 纳入标准：
  具有完整BMI及9个MRI衍生脂肪量化参数（代表9个脂肪库）的参与者。最终纳入25,997名参与者（平均年龄55岁，52.07%为女性）。

Figure1：参与者筛选与研究设计。（A）UK Biobank参与者筛选流程的流程图。（B）从UKB提取了九个MRI衍生的脂肪定量指标。经过BMI调整和共线性分析后，保留了八个脂肪参数用于潜在剖面分析（LPA）。按性别分层聚类，在男性和女性参与者中识别出六种不同的脂肪分布模式。（C）这些模式随后被用于分析与大脑结构指标、NODDI参数、脑年龄差距、认知性能测量和神经系统疾病的关联。

脂肪参数处理与标准化

• BMI调整：为排除整体肥胖的混淆效应，所有区域脂肪参数均通过线性回归残差法针对BMI进行校正，生成BMI无关的标准化z分数。
• 共线性分析：剔除方差膨胀因子（VIF）>5的参数（如总腹部脂肪指数），最终保留8个脂肪参数用于LPA分析。

潜在剖面分析（LPA）

• 方法原理：LPA是一种以人为中心的数据驱动方法，通过多变量模式识别同质子组。
• 模型选择标准：
• 低贝叶斯信息准则（BIC）和赤池信息准则（AIC）
• 高熵值（0-1尺度）
• 各子组样本量不低于总样本的5%
• 性别分层分析：鉴于脂肪分布的性别差异，LPA分别针对男性和女性进行。

脑影像与认知评估

• 脑MRI处理：使用3.0T MRI扫描仪获取脑部影像，通过UK Biobank的FMRIB流程处理脑体积、白质微观结构（NODDI参数）及脑年龄差距（预测年龄与实际年龄的差值）。
• 认知功能评估：涵盖言语-数字推理、前瞻记忆、精神运动速度、工作记忆与注意力、视觉记忆及全局认知评分。

统计分析

• 组间比较：
• 脑结构差异：采用协方差分析（ANCOVA），调整颅内体积、人口学及临床变量。
• 认知功能差异：使用秩次ANCOVA（Cliff d效应量）。
• 疾病风险：通过多变量逻辑回归计算比值比（OR），以瘦型模式（Profile 6）为参考组。
• 显著性水平：所有分析均进行Bonferroni校正，P<0.05视为显著。

研究结果

1. 脂肪分布模式的识别

LPA在男女群体中均识别出六种脂肪分布模式：

• Profile 1（胰腺主导型）：胰腺质子密度脂肪分数（PDFF）显著升高（男性z=2.38，女性z=3.01）。
• Profile 2（肝细胞主导型）：肝脏PDFF显著升高（男性z=2.89，女性z=3.31）。
• Profile 3（瘦胖子型）：尽管BMI适中，但在多数脂肪库中肥胖负担最高（男性6/8库，女性5/8库）。
• Profile 4（均衡高肥胖型）：各脂肪库肥胖均匀分布，整体负担较高。
• Profile 5（均衡低肥胖型）：所有脂肪库肥胖水平均低于平均值。
• Profile 6（瘦型）：所有脂肪库脂肪含量最低，作为基准组。

Figure 2. 潜在剖面分析识别的六种身体脂肪分布模式，显示八个体脂库中经BMI调整的MRI脂肪定量差异.

2. 脂肪分布与大脑结构关联

• 脑体积萎缩：
  与Profile 6相比，高肥胖模式（Profile 1-4）均显示全脑体积、灰质体积显著降低（Cohen d范围：男性-0.63至-0.12，女性-0.58至-0.11）。Profile 1（胰腺主导型）和Profile 3（瘦胖子型）的灰质萎缩最严重（男性Cohen d=-0.63和-0.56；女性=-0.58和-0.12）。
• 白质病变：Profile 1和3的白质高信号负荷最高（男性Cohen d=0.47和0.42；女性=0.42和0.20）。
• 白质微观结构：男性Profile 1-3显示神经突密度降低（ICVF下降）和细胞外自由水增加（ISOVF升高），女性差异不显著。
• 脑年龄差距：仅男性Profile 1和3显示脑年龄加速（Cohen d=0.25和0.32），女性无显著差异。

Figure 3：组间比较揭示六种脂肪分布模式在（A）脑白质特性、（B）皮层下体积和（C）皮层体积方面的差异。

3. 脂肪分布与认知功能关联

• 精神运动速度：Profile 1和3在男女群体中均表现较差（Cliff d=0.14-0.20）。
• 前瞻记忆：男性Profile 1-3风险升高（OR=0.69-0.75）。
• 全局认知评分：女性Profile 1显著低于基准组（Cliff d=-0.30）。

4. 脂肪分布与神经系统疾病风险

• 情绪障碍：Profile 1和3在男女群体中均与焦虑、抑郁风险升高相关（男性OR=1.73-3.32；女性OR=1.48-2.12）。
• 卒中风险：男性Profile 3（OR=1.94）和女性Profile 1（OR=2.29）风险显著增加。
• 性别特异性：仅癫痫风险在Profile 1中显示性别交互作用（交互OR=0.24）。

Figure. 六种脂肪分布模式的认知性能与神经系统疾病风险。

研究结论

• 脂肪分布模式具有异质性：LPA揭示了六种 distinct 脂肪分布模式，挑战了BMI作为单一肥胖指标的传统观点。
• 高风险模式识别：胰腺主导型和瘦胖子型脂肪分布与大脑灰质萎缩、白质病变、认知下降及神经系统疾病风险增加显著相关。
• 性别差异：男性对瘦胖子模式的神经风险更敏感，可能与内脏脂肪的炎症负担较高有关。
• 临床意义：评估肥胖相关神经风险时，需综合考虑脂肪分布模式而非仅依赖BMI。

创新点

• 方法学创新：首次采用LPA这一数据驱动方法，系统量化多脂肪库分布模式，超越传统肥胖指标。
• 多维度评估：同步分析脑结构、白质微观结构、认知功能及疾病风险，提供全面神经健康视角。
• 性别分层分析：揭示脂肪分布对神经影响的性别特异性，为精准医学提供依据。
• 高风险表型识别：明确胰腺脂肪和瘦胖子模式为神经退行性病变的独立风险因素。

局限性

• 横断面设计：无法推断脂肪分布与神经结局的因果关系。
• 年龄范围局限：样本年龄偏大（37-73岁），结论可能不适用于年轻或老年群体。
• 脂肪库覆盖不全：MRI协议未覆盖全身脂肪库（如棕色脂肪），且未区分脂肪类型（白/褐色）。
• 残留混淆因素：尽管调整多变量，仍可能存在未测量的混杂因素（如遗传、饮食）。

未来展望

• 纵向研究：追踪脂肪分布模式随时间的变化轨迹及其对神经退行进程的长期影响。
• 机制探索：结合多组学数据（如基因组、代谢组），阐明脂肪分布影响大脑健康的生物学通路。
• 技术扩展：开发全身体素级脂肪成像技术（如Imiomics），实现更精细的脂肪分布量化。
• 临床转化：将脂肪分布模式纳入神经疾病风险预测模型，指导早期干预策略。

通过整合多模态影像与数据驱动方法，本研究为理解肥胖异质性及其神经后果提供了新范式，为未来精准神经健康管理奠定基础。

参考文献：Yu M，et al. Association of Body Fat Distribution Patterns at MRI with Brain Structure, Cognition, and Neurologic Diseases. Radiology. 2026 Jan;318(1):e252610. doi: 10.1148/radiol.252610. 

原文链接：https://pubs.rsna.org/doi/10.1148/radiol.252610

本文仅用于学术分享和交流。文字内容是来自文献翻译及小编个人理解整理总结，如有侵权或错漏，请联系小编修改或删除。点击左下角阅读原文可直达论文原网站。

欢迎点赞关注↑↑↑ 留言推荐  ❤  ，一起学习，共同进步！