当前位置：首页>南京>南京中医药大学连云港附属医院李宗、许开喜团队丨脑小血管病总负荷与脑萎缩关系的MRI研究

南京中医药大学连云港附属医院李宗、许开喜团队丨脑小血管病总负荷与脑萎缩关系的MRI研究

2026-05-18 07:08:48

【导语】

脑小血管病（CSVD）作为全脑性疾病，其总负荷评分能否精准反映脑实质的微观改变？南京中医药大学连云港附属医院李宗、许开喜团队在《中国临床医学影像杂志》2026年刊中发表最新成果。研究团队利用联影uAI Research Portal对253例患者的18个核心脑区进行了全自动定量分割，首次通过大样本数据证实：随着CSVD总负荷评分的增加，不仅大脑灰白质萎缩，小脑及脑干体积亦呈进行性减小，且总负荷评分对脑萎缩的预测价值优于单一影像标志物。

【核心内容】

📌 研究背景与痛点

评估局限： 传统CSVD评估多关注单一标志物（如白质高信号），难以全面反映疾病全貌；临床常用的目测法评估脑萎缩主观性强，无法量化早期微小变化。
科学假设： CSVD总负荷评分是否能更好地反映全脑结构的退行性改变？这种改变是否累及幕下结构（小脑、脑干）？

🔬 研究方法与技术细节

研究队列与分组：

样本量： 回顾性分析253例因头晕、记忆力减退就诊的患者。
分组标准： 依据CSVD总负荷评分（0~4分）分为5组：0分(70例)、1分(55例)、2分(49例)、3分(38例)、4分(41例)。
严格控制混杂因素： 排除了大面积脑梗死、脑出血、阿尔茨海默病、帕金森病及颅内大动脉狭窄>50%的患者，确保萎缩由CSVD引起。

MRI扫描方案：

设备： 联影uMR790 3.0T磁共振。
关键序列： 高分辨率3D-T1WI（层厚1mm），用于精细脑结构分割。

AI定量分析：

工具： 联影uAI Research Portal图像分析工具。
算法： 基于深度学习模型VB-Nets，Dice相似度达92%。
指标： 自动分割并计算18个脑区体积（涵盖皮质、皮质下、幕下结构）。

📊 主要结果与数据解读

1. 不同CSVD总负荷评分下的脑区体积变化（cm³）

单因素方差分析显示，各组间脑区体积差异均具有显著统计学意义（P均<0.001）。数据表明，随着评分升高，脑体积呈“阶梯式”下降：

脑区	0分 (n=70)	1分 (n=55)	2分 (n=49)	3分 (n=38)	4分 (n=41)	变化趋势
脑灰质	633.86±59.61	594.06±42.37	566.98±31.81	535.45±29.87	489.72±37.58	持续显著减小
脑白质	513.58±58.95	487.54±49.33	457.32±46.20	437.36±36.37	400.18±40.11	持续显著减小
海马	6.79±0.75	6.43±0.50	6.17±0.72	5.66±0.51	5.17±0.64	持续显著减小
小脑灰质	103.53±10.78	97.86±9.15	92.53±7.78	87.40±9.44	82.31±7.41	持续显著减小
脑桥	15.78±1.70	14.59±1.76	13.82±1.73	11.79±1.17	10.15±1.36	持续显著减小

2. 偏相关分析（控制年龄因素）

研究证实，CSVD总负荷评分与所有被测脑区体积均呈显著负相关（P均<0.001）：

最强相关性： 脑灰质 (r = -0.566)、海马 (r = -0.451)、大脑白质 (r = -0.442)。
单项对比： 总负荷评分的相关性普遍高于LPVO（腔隙）、WMH（白质高信号）、BG-PVS（血管周围间隙）及CMB（脑微出血）等单一评分，证明综合评分更能反映脑萎缩的真实程度。

💡 深度讨论与临床启示

全脑受累的证据： 研究不仅观察到幕上结构（额叶、顶叶等）萎缩，还首次量化证实了小脑、中脑、脑桥体积随CSVD负荷增加而减小。这提示CSVD可能通过“皮层-脑桥-小脑通路”的中断导致远隔效应。
白质损伤的早期预警： 研究发现胼胝体、扣带回等白质区域在尚未形成显著Fazekas高信号时，体积已开始显著减小。这表明脑体积测量可能是比传统WMH分级更敏感的隐匿性损伤指标。
AI推动精准影像： 联影uAI平台实现了从“经验目测”到“微米级定量”的跨越，为放射科开展大样本神经影像研究提供了标准化工具。