越来越多的证据表明，血管疾病可能导致认知能力下降和显性痴呆。特别令人感兴趣的是动脉粥样硬化，因为它不仅与痴呆有关，而且可能是心血管疾病直接影响大脑健康的潜在机制。在这项工作中，研究者评估了动脉粥样硬化患者（定义为双侧颈动脉斑块（n=33）和健康年龄匹配对照组（n=32）在Stroop颜色词任务期间，基于功能近红外光谱（fNIRS）的脑激活、任务表现和中央血液动力学（平均动脉压（MAP）和心率（HR））变化的差异。在健康对照组中，左前额叶皮层（LPFC）是唯一一个显示激活迹象的区域，当与标称Stroop测试进行不一致比较时。与健康对照组相比，在斑块组中观察到较小程度的脑激活（1）通过氧合血红蛋白（p=0.036）测量，以及（2）通过脱氧血红蛋白测量的LPFC（p=1.02）和左感觉运动皮质（LMC）（p=0.008）。斑块组和对照组之间的HR、MAP或任务绩效（完成任务所需的时间和错误数量）没有显著差异。这些结果表明，颈动脉粥样硬化与功能性脑激活模式的改变有关，尽管没有证据表明Stroop任务的表现受损或中枢血流动力学改变。
1. 引言
多种心血管风险因素或心血管疾病生物标志物与认知功能受损相关。例如，颈动脉狭窄、动脉僵硬度增加、心功能较差和颈动脉粥样硬化（定义为由于管腔中斑块的积聚导致动脉增厚和硬化）与注意力、记忆、处理速度和执行功能测试表现不佳有关。此外，有证据表明，心血管风险因素不仅与认知障碍和阿尔茨海默病（AD）相关，而且事实上可能先于和/或加速神经变性的发生。据推测，心血管风险因素引起的血管功能障碍或损伤可导致慢性低灌注和缺血、脑血流调节受损以及血脑屏障破坏。根据血管假说，这些血流动力学紊乱不仅会导致直接脑损伤，而且会通过触发过度生成和减少清除𝛽-淀粉样蛋白而引发脑血管病，从而导致执行功能和记忆等认知领域的缺陷，并可能导致显性痴呆。
动脉粥样硬化是大多数心血管疾病的基础，与认知相关，因为它不仅与痴呆症（Hofman等人，1997年）和脑淀粉样沉积增加有关，而且可能是心血管疾病直接影响脑健康的潜在机制。为了更好地理解动脉粥样硬化在认知损伤中的潜在作用，我们试图比较（1）认知表现，（2）中枢血流动力学变化，以及（3）在不协调Stroop颜色词任务中，使用功能性近红外光谱（fNIRS）对有颈动脉粥样硬化和无颈动脉粥样硬化的老年人的功能性脑活动模式。fNIRS是一种光学技术，可以检测皮质表面脑微血管中氧合血红蛋白（O2Hb）和脱氧血红蛋白（HHB）浓度的变化。由于fNIRS无创且对运动相对不敏感，因此可用于评估自然环境中各种认知任务期间神经血管耦合（NVC）引起的血液动力学变化。NVC指的是对认知刺激产生的局部血流增加，通常用作神经元活动的替代物。在这项工作中，我们评估了老年人在Stroop颜色词任务期间基于fNIRS的大脑活动测量，这是一种公认的评估执行功能的方法，特别是抑制自动反应的能力。Stroop干扰的程度（在响应时间和错误数量方面）不仅随着正常老化而增加，还因认知障碍和痴呆等情况而加剧。
在此，我们将超声诊断的双侧颈动脉斑块的存在作为中度严重动脉粥样硬化负荷的指标，并与年龄匹配的对照组相比，评估动脉粥样硬化个体的表现、血液动力学和/或脑激活模式是否存在任何差异。我们假设，动脉粥样硬化患者在Stroop任务中，无论是完成任务的时间还是出错的次数，都会明显低于健康对照组。在O2Hb浓度同时增加和HHB浓度降低的区域，可识别出NVC。我们的目的是比较fNIRS测量O2Hb和HHB在相应解剖脑区之间的变化，以确定NVC的强度和位置。我们假设，当与标称Stroop试验进行比较时，双侧颈动脉斑块的存在将与主要在前额叶皮质的NVC显著降低相关。
2. 方法
2.1 被试招募
被试选自184名参与者（年龄72-73岁），他们在2018年10月至2020年3月期间参加了Insight 46项目。所有参与者都提供了书面知情同意书，同意参与并保存其数据。本研究的排除标准包括：简明精神状态量表评分低于（MMSE）24，53岁时确定心血管疾病，69岁时心脏病发作。
2.2 调查
所有参与者都完成了健康和生活方式问卷，并进行了身高、体重、血压和血液测试。根据NSHD数据库的最新可用数据计算每个参与者的胆固醇/高密度脂蛋白（HDL）比率。每个参与者的MMSE评分也从NHSD数据库的最新可用数据中获得，以确认参与者具有正常的认知功能。血管超声、超声心动图和12导联心电图（ECG）的结果用于根据第二次Insight 46临床访视时的心血管健康状况对受试者进行分类。根据心血管评估中偶然发现的数量和类型，参与者被标记至少一个标签，如表1所示。标记为0（无偶然发现）的参与者被分类为“健康”，标记为3（更严重的动脉粥样硬化，在左颈动脉和右颈动脉均检测到斑块）的参与者则被归类为“斑块”组。注意，有单侧斑块的参与者被排除在进一步分析之外。
表1
2.3. Stroop颜色字测试实验
Stroop任务的每个组块的描述如下：
•组块1-标准：参与者大声朗读用黑色墨水打印在页面上的五个等距列中的100个单词（拼写为“蓝色”、“红色”或“绿色”）。
•组块2-一致：参与者大声阅读以五个等间距显示页面100“XXXXX”的颜色（用蓝色、红色或绿色墨水打印）。
•组块3-不一致：参与者大声朗读100个单词的颜色（红色、蓝色或绿色墨水）（拼写为“红色”、“绿色”或“蓝色”），其中单词的颜色与单词本身的含义不匹配。这些词在页面上以五列等距显示。
记录完成每个Stroop块所需的错误数量和时间，以量化任务性能。
2.4 stroop任务期间的血流动力学和fNIRS监测
使用18通道双波长（760和850nm）连续波Brite 24 fNIRS装置监测脑血流动力学。该装置有16个长的分离通道（其中源和探测器相隔3cm），大致分布在左右前额叶皮层（LPFC/RPFC）和左右运动/体感皮层（LMC/RMC）的象限内。该装置还具有两个短的分离通道（其中源和检测器间隔1cm），放置在左右PFC上。通道定位的图示见图1。该设备的采样频率为10 Hz。
图1. 通过Pohemus数字化获得的Brite 24帽的通道位置示例
2.5.fNIRS信号处理
所有分析均在Matlab®（2021a）中使用神经成像工具与资源学院实验室（NITRC）开发的SPM-fNIRS工具箱进行。该软件支持使用SPM12软件对fNIRS数据进行统计参数映射。
2.5.1. 时间预处理和通道丢弃
使用修正的比尔-朗伯定律和760nm和850nm波长分别为7.4和6.4的微分路径长度因子（DPF），将每个通道的fNIRS强度数据转换为ΔO2Hb和ΔHHB。使用运动伪影减少算法（MARA）校正运动伪影，用于移动窗口长度（L）、阈值因子运动检测（th）和平滑因子运动伪影（a）参数分别为默认值为1、3和5。应用截止频率为0.1和2Hz的带阻滤波器来去除生理噪声。然后将数据下采样到1Hz，并使用离散余弦变换（DCT）以160秒的截止时间线性去趋势化。
图2示出了在时间预处理之前和之后来自研究参与者的示例通道。
图2. 从执行口头Stroop任务的参与者获得的未处理（蓝色）和完全处理（红色）fNIRS数据的示例。
根据以下标准，为每位参与者提供了fNIRS信号质量总体评级：
1.不可接受：超过一半的通道被拒绝，和/或O2Hb和HHB由于MARA算法未充分校正的运动伪影而可疑相关。
2.可接受：至少一半的通道保留，零到轻微可检测伪影。
只有评级为“可接受”的参与者被考虑进行进一步分析。
2.5.2.模型说明和估算
一般线性模型（GLM）用于分析时间预处理的O2Hb和HHB fNIRS信号。GLM如等式1所示，其中Y是处理后测得的fNIRS信号，X是设计矩阵，β是设计矩阵中每个回归因子的权重向量，以及ε是误差。SPM fNIRS中的模型规范程序用于（1）使用一阶自回归（AR（1））加白噪声模型校正fNIRS数据中的序列自相关，以及（2）构建设计矩阵，包括：
1. 三个Stroop组块中的每一个的任务回归器采用标准血液动力学响应函数（HRF）与对应于单个任务持续时间的方脉冲函数与时间和离散导数进行卷积，以允许响应的峰值和宽度分别变化正负一秒。
2.左和右短分离通道（如第2.5节所述预处理后）以去除脑外污染。
3.用于建模信号平均值的常数:Y=X*β+e
这个β使用SPM-fNIRS中的模型估计例程，逐通道求解系数。
2.6.血流动力学效应的评估
等式2说明了在对比度向量c和使用GLM Huppert（2016）计算的β系数协方差（见等式3）的情况下，如何计算信道方向的T统计。由于实验条件与不协调的Stroop任务（即朗读和朗读）相同，因此选择标称Stroop工作作为我们的对照，但PFC未激活，因为该任务被视为“自动”过程。因此，我们通过将组块3任务回归器和组块1任务回归器的对比度向量值分别设置为1和-1，评估了与标称Stroop任务（组块1）相比，不一致Stroop作业（组块3）中是否存在明显更大的NVC证据。
2.7.统计分析
2.7.1.Stroop性能
所考虑的两个性能指标是：（1）完成不一致的Stroop任务所需的时间和（2）错误的数量。数据报告为中位数和非参数95%CI。使用Mann-Whitney U检验确定健康组和斑块组之间这两种性能指标的差异。
2.7.2 Stroop任务期间的脑血流动力学
数据报告为平均值±标准差。Student t检验用于测试健康组和斑块组在不协调Stroop任务期间的MAP和HR变化与前一基线期间的差异。
2.7.3 Stroop任务期间的大脑fNIRS
为每个参与者生成的O2Hb和HHB的t统计图被细分为四个解剖区域，如图3所示：（1）左前额叶皮质（LPFC），（2）右前额叶皮层（RPFC），（3）左感觉运动皮质（LMC）和（4）右感觉运动皮质。除了比较健康组和斑块组之间相对于标称状态的整体激活情况外，我们还先验地假设，由于我们预期感觉运动区的最小激活、前额叶区的高激活，解剖区域的影响会发生改变，以及取决于参与者的优势手的潜在半球效应。因此，计算了每个参与者在不一致状态下相对于标称状态的每个区域的平均T统计量，并将其用作稳健线性混合效应（LME）模型的结果变量，其中解剖区域和组别（健康与斑块）分别作为固定效应，参与者ID作为O2Hb和HHB的随机效应。使用Stata 17进行LME分析。在LME模型中，RMC被用作对比区域，因为我们预计该区域在Stroop任务期间具有最低水平的NVC，因为（a）Stroop的任务不是为了激活运动功能而设计的，（b）鉴于大多数参与者的惯用手，右半球可能不太占优势。考虑到数据的异方差性，Huber White Sandwich估计器用于改进标准误差的估计。使用常规阈值p<0.05进行统计显著性分配。
图3. 叠加在渲染脑上的t统计图如何细分为统计分析中使用的四个解剖区域的示例。区域1=左前额叶皮质（LPFC），区域2=右前额叶皮层（RPFC），区域3=左感觉运动皮质（LMC），区域4=右感觉运动皮质（RMC）。
3. 结果
3.1 参与者特征
184个fNIRS数据集中的102个数据集的评级为2（可接受质量），因此考虑进行进一步分析。在这102名参与者中，有33名参与者没有意外发现，被纳入健康组，33名参与者在左颈动脉和右颈动脉均有斑块，被纳入斑块组。斑块组男性明显多于对照组（p = . 007），但在其他方面两组相似。
3.2.Stroop任务表现
健康组和斑块组完成不协调弯腰任务的中位[95%CI]时间分别为104s [98, 122]和109s [97, 133]。健康组和斑块组在不一致Stroop任务中出现错误的中位数[95%CI]分别为1[1,3]和2[1,2]。健康组和斑块组在完成任务所需的时间或错误次数方面均无差异（分别为p=0.43和0.99）。健康组和斑块组在Stroop任务的标称条件下均无错误。
3.3 Stroop任务期间的中枢血流动力学
在（1）基线期或（2）标称Stroop任务方面，没有证据表明组间与不一致Stroop测试相关的HR或MAP变化存在差异。
（1）健康组和斑块组MAP相对于基线时间的平均±SD变化分别为5.8±5.1 mmHg和7.3±4.1 mmHg（p=0.24）。健康组和斑块组的心率相对于基线期的平均±标准差变化分别为5.0±3.5次/分钟和3.7±2.4次/分钟（p=0.13）。
（2）健康组和斑块组MAP相对于标称Stroop试验的平均±SD变化分别为5.04±6.4 mmHg和6.8±7.0 mmHg（p=0.38）。与标称Stroop试验相比，健康组和斑块组的心率平均±SD变化分别为0.7±3.9次/分钟和0.67±1.7次/分钟（p=0.93）。
3.4 Stroop任务期间的脑fNIRS
在1188个可用于分析的频道中（18个频道乘以66名参与者），总共有41个被拒绝。每个参与者排除的平均频道数为0.61。图4显示了O2Hb和HHB健康组和斑块组的平均t统计图。响应刺激的预期变化方向（O2Hb为正，HHB为负）被纳入GLM，使得正t值对应于相对于标称条件的O2Hb的更大增加和HHB的更大减少。注意，有证据表明，健康组的所有脑区以及斑块组的RPFC、LPFC和LMC对不协调条件的反应均增加（t值的患病率>2）。
图4. 比较氧合血红蛋白（O2Hb）和脱氧血红蛋白（HHB）的不一致Stroop与标称Stroop时，每组（健康和斑块）的平均t统计图。
LME系数为-1.13（p=0.036），表明被归类为O2Hb斑块组的影响，这表明斑块与所有区域的O2Hb总体降低有关。然而，在LME中观察到的（i）所有受试者（无论是哪一组）和（ii）当包含组和区域之间的相互作用时，O2Hb的个体区域之间没有显著差异。
在HHB的LME中，与对照区域相比，所有参与者（无论是哪一组）的LPFC均显示出明显更大的HHB下降（系数=0.65，p=0.042）。健康组和斑块组之间无显著差异（p=0.77），这表明未检测到HHB的总体降低。然而，当包括组和区域之间的相互作用时，观察到特定区域的HHB显著减少。斑块组的LPFC（系数=-1.36，p=0.021）和LMC（系数=-1.25，p=1.008）显示，与健康组相比，斑块组的HHB明显减少，如图4中的品红色箭头所示。
O2Hb和HHB的结果共同表明，与健康组相比，斑块组中受试者的左大脑血红素中的NVC（通过O2Hb的增加和HHB的相应减少而确定）显著减少。此外，HHB LME表明，两组受试者在响应不协调Stroop任务时，LPFC普遍激活。
4.讨论
在不协调的Stroop任务期间，有多种因素影响大脑活动的预期模式，如利手、年龄、性别和大脑健康。一般来说，人们普遍认为，形成颜色词匹配Stroop任务的能力需要额顶叶网络的充分功能，包括前扣带皮层（ACC）、PFC和顶叶。尽管PFC在不协调的Stroop任务中表现出双侧活跃，但有一些证据表明，年轻健康个体的左半球可能比右半球更活跃。由于帽的几何形状和fNIRS穿透深度的限制，我们无法评估ACC和顶叶的活动。我们观察到，平均而言，所有参与者的所有区域（除斑块组中的RMC外）均显示，与标称任务相比，一致性Stroop任务的H2Ob增加，如图4所示，表现为相对较高t值（>2）的普遍性，我们使用HHB作为仲裁者，以确定哪些区域可能表现出NVC的证据，因为仅增加H2Ob是不够的。令人放心的是，HHB的LME显示，与RMC相比，所有参与者在LPFC中的HHB浓度显著降低（p=0.042）。我们将其解释为，LPFC的NVC水平显著高于RMC（即控制区域），这与文献中PFC的预期激活模式大致一致。然而，HHB-LME模型并未显示RPFC和RMC之间的活性存在显著差异。这可能是由于与年龄相关的功能性活动定位丧失，导致老年人与年轻人相比出现弥散性、异质性和/或较弱的激活。事实上，图5举例说明了个体之间大脑激活模式的多样性。尽管一些参与者保留了以双侧PFC中高度集中的激活区域为特征的“模型”激活模式（例如参与者1、11、33），大多数参与者表现出激活扩散（如参与者6、18、19、27）或弱/无效全局激活（如参与者3、4、13、14、25、26），考虑到本研究参与者的年龄（72-73岁），这是预期的。我们没有看到任何令人信服的证据表明O2Hb LME中PFC占主导地位。然而，所使用的长刺激时间使O2Hb信号特别容易受到生理污染，从而使其可靠性低于HHB信号。
图5. 个体t统计图显示了健康组中执行Stroop任务的所有33名参与者的脑激活模式（不一致与零条件）。t统计由色条表示，较亮的颜色表示高t值，因此NVC的证据更大。
此外，LME结果表明，与健康对照组相比，双侧颈动脉斑块患者的微血管脑血流动力学可能发生改变，与不一致的Stroop试验相关。具体而言，与健康组相比，斑块组出现血管损伤；这表现为大脑左半球HHB降低幅度显著降低，同时O2Hb显著降低（尽管后者是一种整体效应）。
图6显示了各组个体参与者的fNIRS数据示例（在时间预处理后，但在应用GLM之前）。请注意，与斑块组参与者相比，健康组参与者的OHB响应总体上增加。尽管幅度较小，且在整个刺激过程中不持续，但也注意到，与斑块参与者相比，健康参与者在不协调条件下的前40秒LPFC中HHB的下降更大（粉红色箭头）。
图6. 来自（左）健康组和（右）斑块组中的示例参与者评估的四个脑区域中的每一个的示例通道。
颈动脉斑块与NVC减少相关的观察结果与先前研究动脉粥样硬化对脑血流动力学和氧合的影响类似。例如，Khan等人使用灌注加权MRI评估颈动脉狭窄与脑灌注之间的关系，发现超过80%的患者在颈动脉狭窄同侧半球的脑灌注明显减少。Lal等人使用经颅多普勒（TCD）屏气指数（BHI）对非对称性颈动脉狭窄（>50%发生率）患者和年龄匹配的健康对照组的脑血流动力学进行了比较，发现一半患者的双侧BHI降低。同样，Vernieri等人证明，与无症状颈动脉闭塞患者相比，症状性颈动脉闭塞的患者使用fNIRS和TCD的血管反应性显著降低。Fur-thermore、Forero等人使用fNIRS表明，颈动脉狭窄患者（1）血管反应性降低23%，且（2）与狭窄血管同侧半球的网络连接减少33%。Shroeter等人进一步证实了动脉粥样硬化与受损NVC相关的观察结果，他们证明，与年龄匹配的对照组相比，脑微血管病（小血管病）患者在颜色词Stroop任务期间左、右额叶的血流动力学反应较弱且延迟。
鉴于我们的研究仅包括双侧颈动脉斑块的患者，因此不清楚为什么大脑左半球似乎比右半球受影响更大。这可能是因为左侧在不协调的Stroop任务中起着更为主导的作用，从而使该区域与血管疾病相关的任何缺陷更加明显。斑块大小和颈动脉内膜中层厚度（cIMT）的测量目前正在进行，并将在未来的工作中用于进一步评估颈动脉粥样硬化负荷、斑块特征和脑血流动力学之间的关系。
有趣的是，观察到的脑激活模式的变化并没有伴随着中心血流动力学指标或任务表现的变化，无论是有动脉粥样硬化还是无动脉粥样硬化。两组都发现不协调的Stroop任务同样“有压力”，因此交感神经系统的激活水平可能相似。有几个原因可以解释后一观察，即尽管在fNIRS评估的区域内NVC降低，但斑块组仍保持了Stroop任务的表现。一种解释可能是疾病进展的性质：已证明低灌注先于认知功能下降，并且必须是慢性和持续性的，才能导致触发神经变性的神经元能量危机。由于斑块组的参与者既往无心血管疾病的证据，且斑块是偶然发现的（即无症状），我们很可能在脑血流动力学改变和可测量认知能力下降之间路径的早期阶段识别出它们。也有可能，在本研究中，fNIRS询问的区域之外的区域被招募来维持被称为“神经补偿”的现象中的任务绩效。在这种假设下，只有当额外的认知储备不再足够时，认知损伤才会明显。虽然有可能，但这项研究没有提供确定神经补偿是否发生所需的数据支持；这需要使用能够测量整体脑血流动力学和神经激活的方法进行进一步的研究。最后，本研究的所有参与者的MMSE评分均为24或以上；如果对表现出认知障碍迹象的参与者重复这项研究，可能会观察到血流动力学指标与任务绩效之间的关系。
这项研究有许多优点值得强调。首先，我们能够利用SPM fNIRS提供的先进fNIRS预处理方法，例如定制我们的设计矩阵以包括生理污染物，并使用预白化来校正数据中的序列自相关。这两种方法都具有降低假阳性率的效果，从而使我们相信即使在存在噪声的情况下，我们的结果也是稳健的。Polhemus数字化和统计参数映射还使我们能够预先服务fNIRS测量的几何结构，从而我们可以对解剖区域进行分析，而不是仅限于通道分析。其次，作为本研究的一部分进行的广泛表型分析和作为NSHD的一部分获得的先前数据使我们能够比较两组之间的健康和认知状况：这给了我们一些信心，即两组之间观察到的脑血流动力学差异可能反映了与颈动脉粥样硬化相关的差异。
5.结论
正如预期的那样，在所有参与者的LPFC中发现了基于fNIRS测量HHB的脑激活证据。尽管脑激活模式存在个体异质性，但在不协调Stroop任务期间，与健康对照组相比，双侧颈动脉斑块参与者的脑活动持续减少。有趣的是，这种激活模式的变化并没有伴随着MAP、HR或任务性能的显著差异。我们证明，颈动脉粥样硬化是一个公认的心血管风险因素，在执行Stroop任务时，即使在没有可检测到的认知能力受损的情况下，也可能与NVC的改变有关。
参考文献：https://doi.org/10.1016/j.neuroimage.2022.119302.
网友评论