编辑推荐：
阿尔茨海默病（AD）影响大脑皮层复杂性，其潜在机制不明。研究人员对 58 名 AD 患者和 67 名对照者进行研究，发现 AD 患者皮层复杂性改变，结合表面形态计量学（SBM）参数可辅助诊断，相关基因涉及细胞结构和免疫反应，有助于理解 AD 脑形态模式。
阿尔茨海默病（Alzheimer's disease，AD），这个名字如今越来越频繁地出现在人们的视野中。它是全球范围内导致痴呆的最常见病因，给无数患者及其家庭带来了沉重的负担。随着人口老龄化的加剧，AD 的防治愈发迫切。目前，虽然已经识别出一些成像生物标志物来辅助 AD 的诊断和病情监测，但现有的结构磁共振成像（sMRI）成像生物标志物，像灰质体积或皮层厚度等，存在局限性，无法全面捕捉大脑形态的复杂特征。而且，AD 对大脑皮层复杂性的影响以及相关的神经生物学机制，仍像一团迷雾，有待进一步揭开。
为了深入探索这些未知，中国 - 日本友好医院的研究人员勇挑重担，开展了一项极具意义的研究。他们的研究成果发表在《Brain Research Bulletin》上，为我们理解 AD 的发病机制和诊断提供了新的视角。
研究人员运用了多种关键技术方法。首先，招募了 58 名 AD 患者和 67 名年龄、性别、教育程度匹配的正常对照者（normal controls，NC），构建了研究样本队列。然后，借助 3.0 T MRI 扫描仪获取高分辨率 3D T1 - 加权图像（TIWIs），并使用计算解剖学工具箱 - CAT12 进行图像预处理和分析。通过表面形态计量学（surface - based morphometry，SBM）方法分析大脑表面模型，还建立了 5 种机器学习（machine learning，ML）模型，结合 SBM 参数预测 AD。此外，进行转录 - 神经影像关联分析，探索基因表达与 AD 表面改变的关系，并利用孟德尔随机化（Mendelian randomization，MR）研究 AD 与皮层厚度的因果关联。
下面来看看具体的研究结果：
- 人口统计学信息：研究发现，AD 组和 NC 组在性别、年龄、教育年限、吸烟状况、BMI 等方面无显著差异，但 AD 组整体认知功能评分（MMSE）更低，NC 组高血压患者比例更高。
- 皮层表面特征分析：AD 患者多个脑区皮层厚度显著降低，如左颞上回、左额上回等，但双侧中央前回皮层增厚。其皮层拓扑特征分布模式与皮层厚度不同，双侧岛叶皮层分形维数（fractal dimension，FD）降低，脑回指数（gyrification index，GI）在部分脑区降低，脑沟深度（sulcus depth，SD）和 Toro’s 脑回指数（Toro’s gyrification index，Toro’s GI）在不同脑区有增有减。
- 诊断 AD 的 ML 模型：选取 29 个特征构建 5 种 ML 模型，在测试集中，XGBoost 模型表现最佳，其受试者工作特征曲线下面积（AUC）为 0.88，灵敏度为 0.76，特异性为 0.89。左颞极皮层厚度是最重要的特征，皮层越薄，患 AD 可能性越大。
- 富集分析：基因本体（Gene Ontology，GO）富集分析表明，与皮层厚度相关的基因主要富集在 “细胞对脂质的反应”“酶联受体蛋白信号通路” 等；KEGG 富集分析发现相关通路围绕 Rap 1 信号通路、ECM - 受体相互作用等。细胞富集分析显示，皮层厚度相关基因在 Ex3e 兴奋性神经元中显著负富集，而脑沟深度和 Toro’s GI 相关基因中 Ex3e 兴奋性神经元正富集，FD 基因在少突胶质细胞中负富集，GI 基因在星形胶质细胞中显著正富集。
- AD 与皮层厚度的因果效应：孟德尔随机化分析发现，AD 与多个脑区皮层厚度存在潜在因果关系，但部分结果未通过多重比较校正检验，距状裂周围皮层的结果在一定程度上显示出因果关系。
综合研究结果和讨论部分，这项研究意义重大。它揭示了 AD 患者大脑皮层复杂性在不同脑区的微妙变化，如双侧楔前叶和岛叶皮层复杂性降低，且这些变化与之前认知的皮层厚度变化并非完全一致。同时，证实了结合不同 SBM 参数构建的模型有助于 AD 的诊断，为临床诊断提供了新的思路和方法。研究还发现细胞结构支持和免疫反应与 AD 皮层解剖特征相关，加深了我们对 AD 病理机制的理解。不过，研究也存在一定局限性，如仅在生物信息学层面探索，样本存在种族差异等。但这并不影响其为后续研究指明方向，相信未来会有更多深入的研究，为攻克 AD 带来新的希望。
