宋梦妮 李宝娟 徐 桓 李 椋 卢虹冰 刘 洋*

多参数磁共振成像在重性抑郁障碍研究中的应用*

宋梦妮①②李宝娟①徐 桓③李 椋①卢虹冰①刘 洋①*

借助医学影像学的技术发展，使无创检测和评价重性抑郁障碍(MDD)患者在脑部结构和功能方面的病理性损害成为可能。采用多参数磁共振成像技术，准确获取脑部结构、血流、功能和脑白质及脑连接等方面的信息，从不同角度研究评价MDD患者的病理生理特征所导致的行为变化。然而，目前的临床研究大都集中于单一模态的分析，因此结合多参数磁共振影像筛选出有效影像学参数，为MDD的机制研究、诊断及评价提供理论依据和定量的影像学指标。MDD是人类一种常见的精神类疾病，使用多参数磁共振成像技术有望为临床诊断和评价提供客观的定量指标。

磁共振成像；重性抑郁障碍；多参数；定量指标

[First-author’s address] 1.School of Biomedical Engineering, Fourth Military Medical University, Xi’an 710032, China. 2.Student Brigade, Fourth Military Medical University, Xi'an 710032, China.

重性抑郁障碍(major depressive disorder，MDD)亦称重性抑郁症，是一种严重精神疾病。世界卫生组织的统计数据显示，全球有3.5亿抑郁症患者[1]。同时，MDD也是自杀的重要诱因，平均每年约有100万人死于自杀。由此可见，抑郁症不仅是一个重要的公共卫生问题，也是一个突出的全球性社会问题。

长期以来，人们对抑郁症的本质与病因进行了广泛的心理学、遗传学、生物学及进化论等方面研究，但依然缺乏完整认识，且发病机制仍不明确。随着研究的深入，人们逐渐意识到抑郁症是一个集遗传、脑神经发育及环境应激等多维度、多系统异常而导致的情感整合功能失衡的疾病。目前，临床诊断及评价MDD方法基本依赖于量表，而缺乏定量的指标。

随着现代医学影像技术的快速发展，多参数磁共振成像(magnetic resonance imaging，MRI)手段检测MDD患者在脑部结构和功能方面的病理性损害成为可能，并有望进一步筛选出客观、定量的影像学指标，为MDD临床诊断和评价提供定量标准。

1 多参数MRI的发展

医学成像模式可分为解剖结构成像和功能成像，解剖结构成像可提供解剖形态信息，具有较高的图像分辨率；而功能成像可提供血流灌注、脑连接(功能连接、有效连接和结构连接)等信息，但分辨率较差。两种成像模式虽然存在差异，但又互为补充。为提高诊断准确性和改善治疗效果，临床上通常要将同一患者的多种模式成像进行融合分析，但分析过程较为繁琐复杂，因此，临床上迫切需要建立将多种图像信息进行分析、融合的多参数数据分析平台。尤其是MRI已逐渐从结构成像扩展到功能成像，从单模态成像发展到多模态成像，并将MRI的多种模态相结合，对中枢神经系统进行结构与功能相结合的显像研究，应用到脑部疾病的诊断和评价，成为目前精神类疾病研究的新思路。由此可见，整合MRI模态的优势，发展多参数成像手段及定量分析方法，从结构、灌注及脑连接等多方面提供定量的医学信息，以弥补单模态成像的缺陷，是脑科学研究的基本方法，也是脑成像的内在特征[2]。

2 基于MRI的MDD研究

近年来，国内外研究人员通过影像学手段，发现MDD患者在脑部结构和功能方面存在不同程度的病理性损害，并发现了一系列与MDD相关的脑区，如海马、杏仁核、前扣带回皮层(anterior cingulate cortex，ACC)以及眶额皮质(orbitofrontal cortex，OFC)等，这为进一步了解MDD潜在的功能环路，以及病理、病因机制打开了一个新的途径。

2.1 结构性MRI

由于没有电离辐射及软组织分辨率高的技术优势，结构性MRI(structural MRI，sMRI) 应用于结构影像学研究，已被视为一种潜在的MDD诊断方法[3]。sMRI主要用于研究各脑区的体积和脑皮层厚度的变化。脑皮层体积和厚度之间存在着密切的关系，可反映不同的生理和病理学变化。

有研究表明，脑区的体积变化可作为一种生物学标记对疾病进行诊断，据报道，MDD患者的双侧海马区灰质显著减少[3-4]。Kempton等[5]发现MDD患者双侧海马区体积减少5%；另有研究发现，双侧海马区体积减少不对称，左侧减少8%，而右侧减少10%。同时，还有研究发现MDD患者的杏仁核体积减少，且减少程度与疾病的持续时间正相关，但在MDD发生的早期，杏仁核体积增加[6]。

在目前市场主流脑部影像学分析工具包中，只有Freesurfer软件中包含了Fischl等[7]提出的最短距离法，来测量脑皮层厚度。使用Freesurfer软件，Wagner等[8]发现，MDD患者的左脑海马旁回、ACC和OFC，及右脑额中回、颞中回、额上回和脑岛区域的脑皮层厚度明显降低，与无自杀倾向的MDD患者相比，有自杀倾向患者的左脑背外侧和腹外侧前额皮质，及ACC的脑皮层厚度明显降低；Tu等[9]发现MDD患者的前额皮质脑皮层厚度明显降低；Järnum等[10]利用欧氏距离测量厚度，发现MDD患者的OFC、颞上回和脑岛区域的脑皮层厚度降低；Koolschijn等[11]同样采用最短距离法测量脑皮层厚度，但未发现MDD患者存在脑皮层厚度异常。

2.2 MRI脑灌注成像

灌注是指血液通过毛细血管床将携带的氧、养分及代谢物与组织进行交换，进以维持组织、器官的活性和功能[12]。由于许多器官疾病在形态学改变之前往往首先表现为灌注异常，因此灌注异常可视为器官疾病的病理学基础。有研究表明，MDD患者在某些脑区脑血流(cerebral blood flow，CBF)变化很大，但这些研究大都利用PET或SPECT进行数据采集，这两种设备都需要注射放射性同位素，具有一定的放射性。基于MRI脑灌注成像(perfusion weighted MRI，PWI)研究的文章只有一篇，Järnum等[10]使用MRI动脉自旋标记灌注成像序列进行数据采集，分析发现MDD患者的额叶和ACC区域CBF值降低。

2.3 MRI功能成像

MRI功能成像(functional MRI，fMRI)是基于血氧依赖水平(blood oxygen level dependent，BOLD)的一种新型无创脑功能检测技术。BOLD-fMRI成像的基础是根据神经元活动对局部氧耗量和CBF影响程度的不同，改变局部去氧-氧合血红蛋白的相对含量，引起磁场性质的变化。通过采集静息和任务状态下的一系列磁共振图像，进行数据处理和统计分析，就可以得到任务引起的脑激活情况，从而对功能和有效连接进行分析。功能连接是对脑连接的一种简单描述，得到的连接网络是一个无向网络，有效连接可对信息在脑网络中的流向进行推断，揭示不同脑区之间的相互作用机理。

脑功能连接分析方法的广泛应用，为精神疾病的诊断、监测以及治疗提供了极大的帮助。Desseilles等[13]发现，MDD患者的额顶叶网络与视觉皮层间的功能连接异常，同时默认网络(default mode network，DMN)在抑郁症的病理学中扮演着非常重要的角色，与人的自省相关[14]。有研究发现，与正常受试者相比，MDD患者DMN的活动和功能连接都存在显著异常[14-16]。

近年来，有效连接在MDD研究中也逐渐得到研究人员的重视，在认知和情感等任务下，利用DCM模型研究MDD患者的脑区间的有效连接，Lu等[17]发现MDD患者由背外侧前额叶皮层至杏仁核的有效连接减弱；Almeida等[18]发现前额叶皮层和杏仁核之间的有效连接异常。

2.4 MRI扩散成像

扩散加权成像(diffusion weighted imaging，DWI)反映的是水的微观运动即布朗运动，通过一系列DWI图像可计算获得弥散张量成像(diffusion tensor imaging，DTI)。DTI是目前唯一可以在活体上研究脑白质微观结构的无创性磁共振技术，利用组织中水分子弥散的各向异性，探测组织的微观结构信息，并通过水分子的弥散运动，描绘神经纤维的走向(沿纤维走向弥散加快)，直观反映神经纤维及其功能传导。各向异性分数(fractional anisotropy，FA)做为白质连接性的定量指标，可反映出水分子与细胞亚结构的交互作用。健康人脑白质高度有序且具有一定的排列方向，各项异性值程度高，所以FA值较大；若白质微结构发生改变，脑白质有序的排列遭到损坏，则各项异性值降低，FA值降低。而表面弥散系数(apparent diffusion coefficient，ADC)主要用来衡量水分子在人体组织环境中的弥散运动，反映弥散敏感梯度方向上的水分子位移强度。

Kieseppä等[19]发现，MDD患者的右脑扣带回和胼胝体区域的FA值明显降低；Korgaonkar等[20]发现，MDD患者的边缘系统、背外侧前额叶皮层以及胼胝体等脑区的FA值明显降低。

目前，对于MDD患者结构连接异常的研究还很少，Arnold等[21]发现，MDD患者的杏仁核和海马区，及小脑和脑干间的结构连接增强；de Kwaasteniet等[22]发现，MDD患者的钩束区的FA值降低，且ACC和内侧颞叶与钩束区的结构连接异常，并发现ACC和内侧颞叶的功能连接增强，提示MDD患者的结构连接异常与功能连接的增强是密切相关的。因此，将fMRI的功能连接和有效连接及DTI技术的结构连接相结合，是进一步研究MDD病理生理学机制的关键因素。

3 展望

目前，MDD影像学研究能够提供脑部结构(sMRI)、脑血流(PWI)、功能和有效连接(fMRI)、脑白质及结构连接(DTI)等方面的信息，从不同角度反映MDD的病理生理行为变化，但大都集中于单一模态的分析，而将MRI结构、灌注、功能及扩散成像相结合，利用MRI多参数影像安全、无创优势深入研究MDD对大脑的影响，以寻找有效模态及优化指标，建立定量的MDD影像学评价体系等方面，尚处于探索阶段。因此，如何结合MRI多参数影像的优势，获取并筛选出有效的影像学参数，从而为MDD的机理研究、诊断及评价提供理论依据和定量的影像学指标，无疑是今后影像学研究的重点课题。

[1]Kupfer DJ,Frank E,Phillips ML.Major depressive disorder:new clinical,neurobiological,and treatment perspectives[J].Lancet,2012,379(9820): 1045-1055.

[2]Gonçalves SI.Multimodality in Brain Imaging:Methodologic Aspects and Applications[M].Goncalves:Advances in Computational Vision and Medical Image Processing,2009:93-103.

[3]Kipli K,Kouzani AZ,Williams LJ.Towards automated detection of depression from brain structural magnetic resonance images[J].Neurora diology,2013,55(5):567-584.

[4]Schneider B,Prvulovic D,Oertel-Knochel V,et al. Biomarkers for major depression and its delineation from neurodegenerative disorders[J]. Prog Neurobiol,2011,95(4):703-717.

[5]Kempton MJ,Salvador Z,Munafo MR,et al. Structural neuroimaging studies in major depressive disorder.Meta-analysis and comparison with bipolar disorder[J].Arch Gen Psychiatry,2011,68(7):675-690.

[6]Gotlib IH,Joormann J.Cognition and depression:current status and future directions[J].Annu Rev Clin Psychol,2010,6: 285-312.

[7]Fischl B,Dale AM.Measuring the thickness of the human cerebral cortex from magnetic resonance images[J].Proc Natl Acad Sci USA, 2000,97(20):11050-11055.

[8]Wagner G,Schultz CC,Koch K,et al.Prefrontal cortical thickness in depressed patients with high-risk for suicidal behavior[J].J Psychiatr Res,2012,46(11):1449-1455.

[9]Tu PC,Chen LF,Hsieh JC,et al.Regional cortical thinning in patients with major depressive disorder:a surface-based morphometry study[J].Psychiatry Res,2012,202(3):206-213.

[10]Järnum H,Eskildsen SF,Steffensen EG,et al. Longitudinal MRI study of cortical thickness,perfusion,and metabolite levels in major depressive disorder[J].Acta Psychiatr Scand, 2011,124(6):435-446.

[11]Koolschijn PC,van Haren NE,Schnack HG,et al.Cortical thickness and voxel-based morphometry in depressed elderly[J].Eur Neuro psychopharmacol,2010,20(6):398-404.

[12]Petersen ET,Zimine I,Ho YC,et al.Noninvasive measurement of perfusion:a critical review of arterial spin labelling techniques[J]. Br J Radiol,2006,79(944):688-701.

[13]Desseilles M,Balteau E,Sterpenich V,et al. Abnormal neural filtering of irrelevant visual information in depression[J].J Neurosci,2009,29(5):1395-1403.

[14]Sheline YI,Barch DM,Price JL,et al.The default mode network and self-referential processes in depression[J].Proc Natl Acad Sci USA,2009,106(6):1942-1947.

[15]Greicius MD,Flores BH,Menon V,et al. Resting-state functional connectivity in major depression:abnormally increased contributions from subgenual cingulate cortex and thalamus[J]. Biol Psychiatry,2007,62(5):429-437.

[16]Sheline YI,Price JL,Yan Z,et al.Resting-state functional MRI in depression unmasks increased connectivity between networks via the dorsal nexus[J].Proc Natl Acad Sci USA,2010,107(24): 11020-11025.

[17]Lu Q,Li H,Luo G,et al.Impaired prefrontalamygdala effective connectivity is responsible for the dysfunction of emotion process in major depressive disorder:a dynamic causal modeling study on MEG[J].Neurosci Lett,2012,523(2): 125-130.

[18]Almeida JR,Versace A,Mechelli A,et al. Abnormal amygdala-prefrontal effective connectivity to happy faces differentiates bipolar from major depression[J].Biol Psychiatry,2009, 66(5):451-459.

[19]Kieseppä T,Eerola M,Mantyla R,et al.Major depressive disorder and white matter abnormalities:a diffusion tensor imaging study with tract-based spatial statistics[J].J Affect Disord,2010,120(1-3):240-244.

[20]Korgaonkar MS,Grieve SM,Koslow SH,et al. Loss of white matter integrity in major depressive disorder:evidence using tract-based spatial statistical analysis of diffusion tensor imaging[J]. Hum Brain Mapp,2011,32(12):2161-2171.

[21]Arnold JF,Zwiers MP,Fitzgerald DA,et al. Fronto-limbic microstructure and structural connectivity in remission from major depression[J].Psychiatry Res,2012,204(1):40-48.

[22]de Kwaasteniet B,Ruhe E,Caan M,et al. Relation between structural and functional connectivity in major depressive disorder[J].Biol Psychiatry,2013,74(1):40-47.

Application of multi-parameter magnetic resonance imaging in major depressive disorder

SONG Meng-ni, LI Bao-juan, XU Huan, et al
China Medical Equipment,2015,12(6):78-81.

Major depressive disorder (MDD) is a severe mental disorder, which is a serious threat both to our physical and psychological health. With the development of medical imaging, it is possible to non-invasively detect and evaluate the structural and functional alteration in the patients of MDD. The multi-parameter MRI can provide kinds of image-based information, such as structure, cerebral blood flow, functional and effective connectivity, white matter and structure connectivity, etc. These information can reflect the pathological and physiological alteration in the patients of MDD, however, current researches mainly focused on one modality. Based on the combination of multi-parameter MRI, the imaging features related to the structural and functional alterations would be selected and their clinical value would be evaluated based on statistical study theory, to quantitatively evaluate MDD.

Magnetic resonance imaging; Major depressive disorder; Multi-parameter; Quantitative indicators

宋梦妮,女,(1994- ),本科在读。第四军医大学生物医学工程学院计算机应用教研室、第四军医大学学员旅，从事医学图像处理方面的学习与研究。

1672-8270(2015)06-0078-04

R445.2

A

10.3969/J.ISSN.1672-8270.2015.06.023

2015-01-07

国家自然科学基金重点项目(81230035)“基于影像定量分析和特征可视化的虚拟内窥镜关键技术研究”；军队重点项目(BWS14J038)；青年项目(13QNP126)

①第四军医大学生物医学工程学院计算机应用教研室 陕西 西安 710032

②第四军医大学学员旅 陕西 西安 710032

③总后卫生部药品仪器检验所 北京 100071

*通讯作者：yliu@fmmu.edu.cn