分享:
分享到微信朋友圈
X
临床研究
阿斯伯格综合征与高功能孤独症在脑网络上的差异:静息态fMRI的图论研究
罗致 岳希鹏 高子涵 魏巍 白岩 王梅云

Cite this article as: LUO Z, YUE X P, GAO Z H, et al. The differences between Asperger's syndrome and high functioning autism in brain network: A resting-state fMRI graph theory study[J]. Chin J Magn Reson Imaging, 2024, 15(7): 39-45.本文引用格式:罗致, 岳希鹏, 高子涵, 等. 阿斯伯格综合征与高功能孤独症在脑网络上的差异:静息态fMRI的图论研究[J]. 磁共振成像, 2024, 15(7): 39-45. DOI:10.12015/issn.1674-8034.2024.07.007.


[摘要] 目的 关于阿斯伯格综合征(Asperger's syndrome, AS)和高功能孤独症(high functioning autism, HFA)之间的差异的争论已经持续了数十年,本研究拟采用静息态功能磁共振成像图论的方法来探索这两种疾病在脑功能上的差异。材料与方法 使用美国孤独症脑成像交换数据库Ⅰ(Autism Brain Imaging Data Exchange, ABIDEI)的影像数据,其中包括AS患者(n=55)和HFA患者(n=53)的静息态功能磁共振成像数据。对两组影像数据进行处理,并计算出两组的脑网络图论参数。使用两样本t检验比较两组间的脑网络图论参数,并进行事后检验(Bonferroni校正)。使用偏相关分析分别探索两组中有显著差异的图论指标与临床数据的相关性。结果 AS组和HFA组在右颞上回的节点效率(P=0.016)、右额中回的节点聚类系数(P=0.044)等多个脑区的多个图论指标分别存在显著差异。这些脑区涉及社会、共情、语言和认知功能。此外,AS组患者在双侧脑岛的节点局部效率(nodal local efficiency, NLE)与孤独症诊断观察量表评分呈负相关(左脑岛:r=-0.366,P=0.033;右脑岛:r=-0.412,P=0.016)。结论 本研究结果可能为不同类型孤独症谱系障碍的脑功能机制提供新的思路和见解,从而有助于揭示孤独症不同亚型诊断和治疗的特异性。
[Abstract] Objective The debate about the differences between Asperger's syndrome (AS) and high functioning autism (HFA) has been ongoing for decades. Many previous studies have explored the differences between them from the perspective of cognitive psychology, but few studies have explored them from the perspective of functional brain imaging. In this study, we intend to use graph theory to explore the differences in brain function between these two diseases.Materials and Methods Imaging data from the American Autism Brain Imaging Exchange Database Ⅰ (ABIDEI) were used, including resting fMRI data from patients with AS (n=55) and HFA (n=53). The two groups of image data were preprocessed, and the brain network graph theory parameters of the two groups were calculated. The two sample t test was used to compare the brain network graph theory parameters between the two groups, and a post hoc test (Bonferroni's correction) was performed. Partial correlation analysis was used to investigate the correlation between graph theory indicators with significant differences and clinical data in the two groups.Results There were significant differences in the graph theory indexes of right superior temporal gyrus (P=0.016) and right middle frontal gyrus (P=0.044) between AS group and HFA group. These brain regions are involved in social, empathy, language and cognitive functions. In addition, nodal local efficiency (NLE) was negatively correlated with Autism Diagnostic Observation Schedule (ADOS) score in AS group (left insula: r=-0.366, P=0.033; right insula: r=-0.412, P=0.016).Conclusions The results of this study may provide new ideas and insights into the brain function mechanism of different types of autism and help to reveal the specificity of diagnosis and treatment of different subtypes of autism.
[关键词] 孤独症谱系障碍;高功能孤独症;阿斯伯格综合征;功能磁共振成像;磁共振成像;图论;脑网络
[Keywords] autism spectrum disorder;high functioning autism;Asperger's syndrome;functional magnetic resonance imaging;magnetic resonance imaging;graph theory;brain network

罗致 1, 2   岳希鹏 1, 2   高子涵 1, 2   魏巍 2   白岩 2   王梅云 1, 2, 3*  

1 郑州大学人民医院影像科,郑州463599

2 河南省人民医院影像科,郑州463599

3 河南省科学院生物医学研究所,郑州 450046

通信作者:王梅云,E-mail:mywang@zzu.edu.cn

作者贡献声明:王梅云设计本研究的方案,对稿件的重要内容进行了修改,获得了国家重点研发计划项目和国家自然科学基金项目的资助;罗致起草和撰写稿件,设计本研究的方案,获取、分析和解释本研究的数据;岳希鹏、高子涵、魏巍和白岩获取、分析或解释本研究的数据,对稿件的重要内容进行了修改;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 国家重点研发计划项目 2023YFC2414200 国家自然科学基金项目 82371934
收稿日期:2023-12-15
接受日期:2024-06-25
中图分类号:R445.2  R748 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.07.007
本文引用格式:罗致, 岳希鹏, 高子涵, 等. 阿斯伯格综合征与高功能孤独症在脑网络上的差异:静息态fMRI的图论研究[J]. 磁共振成像, 2024, 15(7): 39-45. DOI:10.12015/issn.1674-8034.2024.07.007.

0 引言

       孤独症谱系障碍(autism spectrum disorder, ASD)是一类神经发育障碍疾病,其特征是社交障碍、沟通障碍和刻板重复的行为或兴趣[1]。孤独症(autistic disorder, AD)和阿斯伯格综合征(Asperger's syndrome, AS)都在ASD的范围内[2]。诊断为AS的患者通常表现出至少两种社交障碍症状和至少一种行为和兴趣的限制,但他们仍有正常的认知功能,并没有明显的语言延迟[3, 4]。高功能孤独症(high functioning autism, HFA)的概念通常用于区分出智商不低于70的AD患者[5]。HFA和AS的诊断标准的重叠[6]提示HFA与AS之间存在鉴别诊断。

       在《美国精神疾病诊断标准第4版》(DSM-Ⅳ)[7]中,AD和AS被认为是两个独立的疾病亚型,但随着《美国精神疾病诊断标准第5版》(DSM-Ⅴ)的出版,AD和AS被合并为ASD整个疾病谱系内的单一诊断,这两种疾病不再明确区分开来[5]。这一显著的变化可能是由于部分研究发现以往AS的诊断标准不完全可靠,以及AS与HFA的临床诊断标准的重叠[8]

       然而,近年来DSM-Ⅴ对ASD分类的临床有效性可能存在一些异议[5],AS和HFA之间的差异并没有完全阐明[9, 10, 11]。事实上,AS和HFA究竟是不同的疾病,还是同一疾病的不同变体,数年来一直存在着许多争议[5],并且AS这一术语是否应该在DSM的未来版本中重新以单一独立的疾病亚型出现,以满足不同的ASD患者群体在诊断、预后和治疗方面的需求,是一个值得商榷的问题[5]。先前已经有许多研究从心理测量的角度来探索这两种疾病的差异。例如,在一项比较AS患者和HFA患者认知特征的研究中,AS患者和HFA患者在认知任务上没有发现显著差异[10]。然而,其他研究结果表明,AS患者在语言、词汇和理解方面与HFA患者存在显著差异[11]。此外,还有报道发现,AS和HFA在心智理论上存在差异[12],HFA的儿童心智理论的障碍明显比AS组严重。总而言之,采用不同的方法来探究这两种疾病之间的边界有必要性。除了心理测量的手段以外,神经成像的手段对于探究两种疾病的边界是很有前景的。

       功能磁共振成像(functional magnetic resonance imaging, fMRI)在近二十年来被用于探索ASD患者的脑网络的变化。越来越多的fMRI研究结果证明了ASD患者在多个脑区功能的异常[13],此外,近期也有报道提示成年AS患者脑网络组织的改变[4]。然而,关于AS患者和HFA患者之间脑功能差异的fMRI研究的数量较为有限。近年来,图论的脑功能影像分析方法被广泛应用于许多神经精神疾病的脑网络拓扑特征的相关研究之中[14, 15, 16]。基于图论的复杂脑网络分析量化了脑功能网络的拓扑学特征,从而更精确地探查大脑网络内和不同脑网络间的整合性和分离性。越来越多的研究证明,基于图论的复杂脑网络模型为理解脑连接体的功能整合和分离的过程提供了更多的可能性[17]。因此,基于图论的脑功能研究对于阐明ASD的神经机制可能具有重要的价值。近期已有一些研究采用图论方法探索ASD患者脑网络的异常[18, 19]。例如,近期一项ASD儿童相关的研究发现[19],ASD患儿脑网络拓扑作用和模块内聚性的改变是其默认模式网络、感觉运动网络和显著性网络中大脑区域的两个关键特性,且这两个特性主要与ASD患儿的社交障碍和感觉缺陷有关。然而,目前运用图论的方法研究AS患者和HFA患者脑功能差异的研究数量仍较为有限。

       我们假设AS患者和HFA患者的脑功能拓扑特征存在差异,且有显著差异的某些图论指标与某些临床数据存在相关性。我们在本研究中拟采用图论分析的方法,从脑功能影像的角度来探讨这两种疾病之间的差异,从而为ASD的具体分型提供更广阔的思路,并为ASD不同亚型的诊断和治疗提供新的见解[20]

1 材料与方法

1.1 研究对象

       结构MRI和静息态fMRI的数据来自美国孤独症脑成像交换数据库Ⅰ(American Autism Brain Imaging Exchange Database I,ABIDEI)(http://fcon_1000.projects.nitrc.org/indi/abide/abide_I.html)[21]

       纳入标准:(1)具有疾病亚型、年龄、性别、全量表智商、孤独症诊断观察量表(Autism Diagnostic Observation Schedule, ADOS)总分和利手性的数据;(2)全量表智商评分大于或等于70;(3)右利手。

       排除标准:最大帧级位移大于或等于3 mm、最大旋转大于或等于1.5度的静息态fMRI数据。

1.2 影像数据预处理

       使用GRETNA工具箱(http://www.nitrc.org/projects/gretna/)[22](基于Matlab软件的脑功能图论分析工具箱)对影像数据进行预处理。首先,删除前10张静息态fMRI图像。随后,对每张图像进行时间层校正(Slice timing)。将校正后的数据进行头动校正(Realign),删除头部运动超过1.5度旋转或3 mm平移的数据。随后将功能影像与相应受试者的T1结构影像进行共配准(Normalize),并归一化到蒙特利尔神经研究所(Montreal Neurological Institute, MNI)空间中。归一化完成后,使用4 mm的高斯核对每个图像进行平滑处理(Smooth)。随后,根据变换矩阵对线性趋势进行去线性的操作(Detrend)。将白质信号、24 Friston运动参数和脑脊液信号等干扰信号作为协变量进行回归(Covariates Removed)。采用时间带通滤波器(0.01~0.10 Hz)进行滤波处理(Filter)。最后,去除头动过大的时间点(Scrubbing),以进一步减少头部运动的影响[17]

1.3 功能连接矩阵的生成

       使用GRETNA工具箱[22]对每对大脑节点之间的时间序列进行相关性分析,并计算皮尔逊相关系数。随后生成每个个体的全脑功能连接矩阵(根据AAL-116模板[20]生成,节点数设置为116×116)。保留所有的正相关,同时将所有的负相关转换为0[17]。在计算全局和节点图度量之前,相关矩阵取0.01到0.35的阈值(步长为0.01),鉴于全局和节点图论数据的测量在该阈值矩阵范围内表现更优[23]。并将低于给定阈值的相关系数转换为0,并将其他系数转换为1[17]

1.4 图论分析

       利用GRETNA工具箱中的图论分析功能模块计算所有全局和节点图论参数。

1.4.1 全局图论参数

       本研究关注的全局网络参数为同配性(assortativity, AR)、层次结构性(hierarchy, HR)和全局效率(global efficiency, GE)。AR是指具有一定程度的节点与具有相似程度的节点之间的互连频率[24]。HR通常用于识别网络中是否存在层次组织[24]。GE代表了平均逆最短路径长度,其通常用于衡量脑网络中并行信息传输的总体效率[24]

1.4.2 节点图论参数

       本研究关注的节点图论指标有介数中心度(betweenness centrality, BC)、度中心性(degree centrality, DC)、节点聚类系数(clustering coefficient, CC)、节点效率(nodal efficiency, NE)和节点局部效率(nodal local efficiency, NLE)。其中,BC表示通过相应节点的最短路径占所有最短路径的百分比[24]。BC用于度量某个节点对其他节点之间的信息流的影响。DC用于描述某个节点在功能网络中的重要程度[24]。CC反映了单个节点周围聚类连接的普遍程度[23]。CC一般被认为是描述脑网络隔离程度(脑网络内部的连接紧密程度)的直接度量[25]。NLE量化了某个节点被移除时与第一个邻居通信的效率,可用来反映脑功能区域内信息传递的平均效率[24]

1.5 统计学分析

1.5.1 人口统计学变量的比较

       采用独立两样本t检验(对于正态分布变量)和Mann-Whitney U检验(对于偏态分布变量)来比较两组间的年龄、全量表智商、ADOS总分。两组间性别变量的比较采用卡方检验。上述步骤均使用SPSS软件操作。

1.5.2 图论参数比较

       使用GRETNA工具箱中的参数对比功能模块,对脑网络参数进行统计分析。采用独立的双样本T检验来比较两组间的全局参数和节点参数。在组间统计分析中,P值的阈值设置为0.05。对所有计算出的P值均进行Bonferroni多重校正。最后,将年龄、性别、全量表和ADOS总分设置为协变量,并在上述统计分析中进行回归。

1.5.3 图论参数与临床变量之间的关系

       在控制年龄、性别、全量表智商、语言智商、操作智商的变量的前提下,我们采用偏相关分析探索临床症状严重程度(ADOS总评分)与组间存在显著差异的图论参数之间的关系(经Bonferroni多重校正的P值阈值设置为0.05)。上述步骤均使用SPSS软件操作。

2 结果

2.1 人口统计学和临床特征

       本研究样本包括55例AS患者和53例HFA患者。表1显示了两组患者的人口统计学特征。比较结果显示,各组间在年龄(P=0.419)、性别(P=0.644)、全量表智商(P=0.112),操作智商(P=0.336)、ADOS社交互动得分(P=0.081)和ADOS刻板行为得分(P=0.251)方面差异均无统计学意义;而ADOS总分(P=0.006)、ADOS沟通得分(P=0.015)和语言智商(P=0.004)组间差异有统计学意义。

表1  人口统计学和临床特征信息表
Tab. 1  Demographic and clinical characteristics

2.2 全局图论参数

       AS组和HFA组的全局图论参数之间差异均无统计学意义。

2.3 节点图论参数

       本研究的主要发现如下。

       (1)BC:AS组在左后扣带皮层和左颞上回的BC值显著高于HFA组,而在右前扣带皮层、和小脑蚓部,AS组的BC值显著低于HFA组。上述差异有统计学意义。

       (2)DC:AS组在左额中回、左楔前叶的DC值显著高于HFA组,而在左脑岛、左颞下回、左小脑下部、小脑蚓部的DC值显著低于HFA组。上述差异有统计学意义。

       (3)CC:AS组在右额中回、双侧内侧额上回、右前扣带皮层、左角回、左楔前叶的CC值显著高于HFA组,而在双侧脑岛和左颞上回的CC值显著低于HFA组。上述差异有统计学意义。

       (4)NE:AS组在左额中回、左脑岛、右颞上回、双侧颞中回、左颞上回、左侧小脑上部的NE值显著低于HFA组。上述差异有统计学意义。

       (5)NLE:AS组在左额下回、左额中回、双侧内侧额上回和左楔前叶的NLE值显著高于HFA组,而在双侧脑岛、左颞上回和左额中回的NLE值显著低于HFA组。上述差异有统计学意义。

       以上结果的P值均经过Bonferroni多重校正。所有结果对应的P值如表2所示。两组间BC值和DC值存在显著差异的脑区如图1所示。两组间CC值、NE值和NLE值存在显著差异的脑区如图2所示。

图1  两组间BC值和DC值存在显著差异的脑区。红色标注为AS组大于HFA组,蓝色标注为AS组小于HFA组。BC:介数中心度;DC:度中心性;AS:阿斯伯格患者;HFA:高功能孤独症患者。
Fig. 1  Brain regions with significant differences in BC and DC between the two groups. Red indicates AS group greater than HFA, and blue indicates AS group less than HFA. BC: betweenness centrality; DC: degree centrality; AS: Asperger's syndrome; HFA: high functioning autism.
图2  两组间CC值、NE值和NLE值存在显著差异的脑区。红色标注为AS组大于HFA组,蓝色标注为AS组小于HFA组。CC:节点聚类系数;NE:节点效率;NLE:节点局部效率;AS:阿斯伯格患者;HFA:高功能孤独症患者。
Fig. 2  Brain regions with significant differences in CC, NE and NLE between the two groups. Red indicates AS group greater than HFA, and blue indicates AS group less than HFA. CC: clustering coefficient; NE: nodal efficiency; NLE: nodal local efficiency; AS: Asperger's syndrome; HFA: high functioning autism.
表2  节点图论参数结果所对应的P值(AS组 vs. HFA组,经Bonferroni校正)
Tab. 2  P values of the nodal graph theory parameters (AS group vs. HFA group, after Bonferroni's correction)

2.4 图论参数与临床变量之间的相关性

       本研究发现,AS组双侧脑岛的NLE值与ADOS社交互动得分均呈显著负相关(左脑岛:r=-0.366,P=0.033;右脑岛:r=-0.412,P=0.016);AS组左颞上回的NLE值与ADOS沟通得分呈显著负相关(r=-0.449,P=0.008)。此外,本研究还发现HFA组左颞上回的NLE值与ADOS沟通得分均呈显著负相关(r=-0.326,P=0.029)。AS组和HFA组的偏相关分析结果如图3所示。

图3  两组患者图论参数与临床参数(ADOS评分)的相关性结果。AS:阿斯伯格患者;HFA:高功能孤独症患者;ADOS:孤独症诊断观察量表。
Fig. 3  Correlation between graph theory indexes and cinical parameters (ADOS score) of corresponding brain regions in two groups. AS: Asperger's syndrome; HFA: high functioning autism; ADOS: Autism Diagnostic Observation Schedule.

3 讨论

       本研究从脑网络图论分析的角度探讨了AS与HFA之间的脑功能差异。本研究结果表明,AS组和HFA组在社交、共情、语言和认知功能相关的脑区的图论参数上存在显著差异。此外,相关分析结果还显示AS组患者在双侧脑岛的NLE与ADOS评分呈负相关。上述发现可能有助于理解AS和HFA的神经病理机制。

3.1 社交功能相关脑区的差异

       首先,我们发现AS患者和HFA患者在双侧内侧额上回、双侧脑岛和双侧颞上回的CC值、NLE值、NE值有显著差异;在左额下回的NLE值有显著差异;在左后扣带皮层的BC值有显著差异。上述大脑区域都是一个被称为“社会脑”的脑网络的组成部分[26, 27]图4),“社会脑”调控共同注意、情绪感知和面部加工等不同的社会功能[28]。先前有研究发现,孤独症患者的“社会脑”在解剖学、功能激活和连通性方面均发生了变化[29],该研究结果论证了孤独症社会行为改变的潜在神经基础。本试验的两组患者在“社会脑”相关脑区脑功能整合和分离方面的差异可能揭示了两种疾病在社会功能障碍和社会认知缺陷方面的差异。另外,在本研究中,AS组左后扣带皮层的BC值显著高于HFA组,说明AS患者的后扣带回与其他脑区连接强度高于HFA组。作为“社会脑”的一部分,后扣带皮层与人际互动和社会反应有密切关系[28]。以往的报告显示,AS组在人际交往中比HFA组具有更高水平和更强的适应性[5], 我们的研究结果支持这一结论。

       AS组在左额中回的DC值、NE值、NLE值均显著高于HFA组,在右额中回的CC值显著高于HFA组,在双侧内侧额上回的CC值和NLE值均高于HFA。所有上述的大脑结构均与心智理论相关[30],表明HFA患者在与心智理论相关的大脑区域的功能连通性弱于AS患者。如上所述,先前有研究结果显示HFA和AS在心智理论发展水平上存在差异,在此研究中[12],HFA组5~12岁的儿童在理论上受损明显比AS组更严重。我们的发现从侧面支持这一结论,但需要注意的是,我们的研究对象有更广泛的年龄范围,而心智理论受到年龄因素的影响[31]

       我们还发现,AS组在双侧脑岛的CC值和NLE值明显低于HFA组,说明AS患者脑岛的脑网络内功能连接程度和功能整合程度均低于HFA组。脑岛作为“社会脑”的一部分,与情感反应和共情有关[32],上述过程有助于理解他人和自己的情绪,在社交反应中发挥着重要作用[33]。因此,HFA患者和AS患者之间脑岛和其他大脑区域功能连接的差异可能解释了之前报道的两种疾病之间情绪识别的差异[9]。然而,这一结果与HFA组ADOS沟通得分比AS组高的结果不一致,这可能是由于AS患者情绪识别功能强于HFA患者,但在沟通过程的其他功能弱于HFA患者,对于沟通过程中有哪些功能HFA患者的表现弱于AS患者,还需要更进一步的研究。此外,脑岛被认为是突显网络(salience network, SN)的重要组成部分[19],SN将外部刺激与自我感知和情绪状态结合起来,其功能障碍与ASD患者的许多社交行为症状有关[34]。然而,AS患者与HFA患者在行为症状上的差异是否与SN的差异有关,还有待进一步验证。

图4  两组在“社会脑”的图论参数存在显著差异。1:左额下回;2:左内侧额上回;3:右内侧额上回;4:左颞上回;5:左脑岛;6:右脑岛;7:右颞上回;8:左后扣带皮层。
Fig. 4  Significant differences in graph theory parameters of the "social brain" between the two groups. 1: left inferior frontal gyrus; 2: left medial superior frontal gyrus; 3: right medial superior frontal gyrus; 4: left superior temporal gyrus; 5: left insular; 6: right insular; 7: right superior temporal gyrus; 8: left posterior cingulate cortex.

3.2 语言与认知功能相关脑区的差异

       我们的研究结果还揭示了AS组和HFA组在涉及核心语言区(即左颞上回和左额下回)的语言相关脑区上的差异。在本研究中,与HFA组相比,AS组左侧颞上回的BC值显著更高,CC值和NLE值显著更低。左额下回是运动语言中枢布洛卡区(Broca's area)的重要结构,其参与语言信息的处理、言语的产生和语义表达的功能[35]。两组患者在左额下回的NLE值的显著性差异不仅与本试验中语言智商的结果一致,还能够佐证先前研究中AS患者比HFA患者具有更强的言语表达能力的结论[5]。此外,我们还发现AS组左角回的CC值显著高于HFA组,而左额中回的NE值显著低于HFA组。听觉性语言中枢韦尼克区(Wernicke's area)是与听觉加工和语义理解相关的语言功能的关键结构,一般包括额中回、颞上回和角回[36]。因此,与语义理解相关的功能性脑连接的拓扑特征与HFA不同。在先前的研究中,AS患者在语言理解功能上优于HFA患者[37]。然而,语义理解相关的各脑区结果的不一致并不能直接解释AS和HFA之间语义理解表现的差异,这可能与语言功能相关的大脑网络的复杂性有关,值得在未来进一步探索。

       在我们的研究中,AS患者在左小脑下部DC值和NE值显著低于HFA患者,而在左小脑上部的CC值显著高于HFA患者,在小脑蚓部的BC值显著高于HFA患者,这些结果提示两者的小脑网络连接特征存在差异。小脑功能连通性的变化与孤独症的运动相关症状有关[38]。然而先前的报告显示,HFA患者和AS患者在运动能力上没有差异[39]。但值得注意的是,尽管小脑最初被认为只是一个运动相关的脑结构,但越来越多的研究表明,小脑还参与认知、社交、语言和情感等过程[40]。更具体地说,小脑可能在高阶认知预测模型的发展中发挥重要作用,该模型预测和调节高阶认知功能输出,小脑通过与大脑皮层的连接参与这些认知过程[40]。因此作者推测,AS患者和HFA患者在小脑功能整合程度和信息传递效率上的差异可能解释了两组患者在社交、语言和认知功能上的差异。

       值得注意的是,两组间的全脑连接图论参数无显著差异,这说明HFA组与AS组间全脑功能连接的整合与分离程度无明显差别。这可能意味着两种疾病之间的差异是局部大脑区域的功能差异而不是整体的差异。

3.3 图论指标与临床指标相关分析的发现

       本研究的相关分析结果显示,AS组的双侧脑岛的NLE值与ADOS社交互动得分呈负显著相关。此结果表明,AS患者的社交障碍的严重程度可能与脑区与其他脑区之间功能连接的信息传递效率减弱的程度有关。如前所述,脑岛与社交和共情功能有关[28],故本研究中AS患者脑岛的NLE值越低,其社交障碍严重程度越重。另外的相关分析结果显示,AS组和HFA组的左颞上回的NLE值均与其对应的ADOS沟通得分呈负显著相关。左颞上回与语言听觉及理解功能有关[41],结合本研究结果进行推测,左颞上回与其他脑区之间的功能连接效率的低下可能均会导致这两种疾病患者群体与他人沟通方面的困难和障碍。

3.4 临床指标差异的发现

       我们的人口统计学结果显示AS组的语言智商显著高于HFA组。本研究采用的ABIDEI数据库是根据DSM-IV标准对AS和HFA进行划分的。而在DSM-Ⅳ诊断标准中,HFA患者存在语言延迟,而AS患者没有语言延迟,这与本试验中AS组的语言功能显著高于HFA组的研究结果是一致的。

3.5 本研究的局限性

       我们的研究存在以下局限性。首先,试验样本来自ABIDEI的不同中心,因此可能存在一些无法消除的混杂因素(如扫描机器型号不同、扫描方法不同等),这些因素不可避免地导致结果出现偏倚。其次,我们的样本量不够大,在未来我们将会进行更大样本量的相关研究。此外,临床数据库中有部分患者的部分ADOS社交互动、沟通、刻板行为评分缺失,将这些患者加进来是保证足够的样本量而做出的权衡,但其会在一定程度上影响试验结果。

4 结论

       本研究使用fMRI图论分析的方法探究AS患者和HFA患者脑功能的差异。研究结果表明这两种疾病间的多个脑区的脑网络拓扑学特征存在显著差异。本研究结果可能为不同类型ASD的脑功能机制提供新的思路和见解,从而有助于揭示ASD不同亚型诊断和治疗的特异性。最后,这两种疾病之间较为模糊的边界仍值得在未来采用更多方法来进一步研究。

[1]
LEWANDOWSKA-PIETRUSZKA Z, FIGLEROWICZ M, MAZUR-MELEWSKA K. Microbiota in autism spectrum disorder: A systematic review[J/OL]. Int J Mol Sci, 2023, 24(23): 16660 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/38068995/. DOI: 10.3390/ijms242316660.
[2]
TIETZE F A, HUNDERTMARK L, ROY M, et al. Auditory deficits in audiovisual speech perception in adult Asperger's syndrome: fMRI study[J/OL]. Front Psychol, 2019, 10: 2286 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/31649597/. DOI: 10.3389/fpsyg.2019.02286.
[3]
SHARMA S R, GONDA X, TARAZI F I. Autism spectrum disorder: Classification, diagnosis and therapy[J]. Pharmacol Ther, 2018, 190: 91-104. DOI: 10.1016/j.pharmthera.2018.05.007.
[4]
JAVAHERIPOUR N, WAGNER G, DE LA CRUZ F, et al. Altered brain network organization in adults with Asperger's syndrome: decreased connectome transitivity and assortativity with increased global efficiency[J/OL]. Front Psychiatry, 2023, 14: 1223147 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37701094/. DOI: 10.3389/fpsyt.2023.1223147.
[5]
DE GIAMBATTISTA C, VENTURA P, TREROTOLI P, et al. Subtyping the autism spectrum disorder: Comparison of children with high functioning autism and Asperger syndrome[J]. J Autism Dev Disord, 2019, 49(1): 138-150. DOI: 10.1007/s10803-018-3689-4.
[6]
SHARMA S, WOOLFSON L M, HUNTER S C. Confusion and inconsistency in diagnosis of Asperger syndrome: a review of studies from 1981 to 2010[J]. Autism, 2012, 16(5): 465-486. DOI: 10.1177/1362361311411935.
[7]
ASSOCIATION A P. Diagnostic and statistical manual of mental disorders. DSM-IV-TR[J]. Washington, DC: American Psychiatric Publication, 2000.
[8]
LORD C, PETKOVA E, HUS V, et al. A multisite study of the clinical diagnosis of different autism spectrum disorders[J]. Arch Gen Psychiatry, 2012, 69(3): 306-313. DOI: 10.1001/archgenpsychiatry.2011.148.
[9]
MONTGOMERY C B, ALLISON C, LAI M C, et al. Do adults with high functioning autism or Asperger syndrome differ in empathy and emotion recognition?[J]. J Autism Dev Disord, 2016, 46(6): 1931-1940. DOI: 10.1007/s10803-016-2698-4.
[10]
WILSON C E, HAPPÉ F, WHEELWRIGHT S J, et al. The neuropsychology of male adults with high-functioning autism or asperger syndrome[J]. Autism Res, 2014, 7(5): 568-581. DOI: 10.1002/aur.1394.
[11]
BENNETT T, SZATMARI P, BRYSON S, et al. Differentiating autism and Asperger syndrome on the basis of language delay or impairment[J]. J Autism Dev Disord, 2008, 38(4): 616-625. DOI: 10.1007/s10803-007-0428-7.
[12]
PAYNTER J, PETERSON C. Language and ToM development in autism versus Asperger syndrome: Contrasting influences of syntactic versus lexical/semantic maturity[J]. Research in Autism Spectrum Disorders, 2010, 4(3): 377-85.
[13]
KRYZA-LACOMBE M, ITURRI N, MONK C S, et al. Face emotion processing in pediatric irritability: Neural mechanisms in a sample enriched for irritability with autism spectrum disorder[J]. J Am Acad Child Adolesc Psychiatry, 2020, 59(12): 1380-1391. DOI: 10.1016/j.jaac.2019.09.002.
[14]
ZHANG T, LIAO Q, ZHANG D, et al. Predicting MCI to AD conversation using integrated sMRI and rs-fMRI: Machine learning and graph theory approach[J/OL]. Front Aging Neurosci, 2021, 13: 688926 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/34421570/. DOI: 10.3389/fnagi.2021.688926.
[15]
XU X, LI W, TAO M, et al. Effective and accurate diagnosis of subjective cognitive decline based on functional connection and graph theory view[J/OL]. Front Neurosci, 2020, 14: 577887 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/33132832/. DOI: 10.3389/fnins.2020.577887.
[16]
LI H, SHI H, JIANG S, et al. Atypical hierarchical connectivity revealed by stepwise functional connectivity in aging[J/OL]. Bioengineering (Basel), 2023, 10(10): 1166 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37892896/. DOI: 10.3390/bioengineering10101166.
[17]
ZHANG L, WU H, ZHANG A, et al. Aberrant brain network topology in the frontoparietal-limbic circuit in bipolar disorder: a graph-theory study[J]. Eur Arch Psychiatry Clin Neurosci, 2021, 271(7): 1379-1391. DOI: 10.1007/s00406-020-01219-7.
[18]
HENRY T R, DICHTER G S, GATES K. Age and gender effects on intrinsic connectivity in autism using functional integration and segregation[J]. Biol Psychiatry Cogn Neurosci Neuroimaging, 2018, 3(5): 414-422. DOI: 10.1016/j.bpsc.2017.10.006.
[19]
SIGAR P, UDDIN L Q, ROY D. Altered global modular organization of intrinsic functional connectivity in autism arises from atypical node-level processing[J]. Autism Res, 2023, 16(1): 66-83. DOI: 10.1002/aur.2840.
[20]
SHI A P, YU Y, HU B, et al. Large-scale functional connectivity predicts cognitive impairment related to type 2 diabetes mellitus[J]. World J Diabetes, 2022, 13(2): 110-125. DOI: 10.4239/wjd.v13.i2.110.
[21]
DI MARTINO A, YAN C G, LI Q, et al. The autism brain imaging data exchange: towards a large-scale evaluation of the intrinsic brain architecture in autism[J]. Mol Psychiatry, 2014, 19(6): 659-667. DOI: 10.1038/mp.2013.78
[22]
WANG J, WANG X, XIA M, et al. GRETNA: a graph theoretical network analysis toolbox for imaging connectomics[J/OL]. Front Hum Neurosci, 2015, 9: 386 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/26175682/. DOI: 10.3389/fnhum.2015.00386.
[23]
OPENNEER T J C, MARSMAN J C, VAN DER MEER D, et al. A graph theory study of resting-state functional connectivity in children with Tourette syndrome[J]. Cortex, 2020, 126: 63-72. DOI: 10.1016/j.cortex.2020.01.006.
[24]
RUBINOV M, SPORNS O. Complex network measures of brain connectivity: uses and interpretations[J]. Neuroimage, 2010, 52(3): 1059-1069. DOI: 10.1016/j.neuroimage.2009.10.003.
[25]
COBOS K L, LONG X, LEBEL C, et al. Increased hippocampal efficiency is associated with greater headache frequency in adolescents with chronic headache[J/OL]. Cereb Cortex Commun, 2023, 4(3): tgad013 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37559937/. DOI: 10.1093/texcom/tgad013.
[26]
ZHAO X, ZHU S, CAO Y, et al. Abnormalities of gray matter volume and its correlation with clinical symptoms in adolescents with high-functioning autism spectrum disorder[J]. Neuropsychiatr Dis Treat, 2022, 18: 717-730. DOI: 10.2147/ndt.S349247.
[27]
BECKERSON M E, REMMEL R J, GLENN A L, et al. Psychopathic traits and social brain responses during moral evaluation in adolescence[J/OL]. Psychiatry Res Neuroimaging, 2023, 333: 111672 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37352594/. DOI: 10.1016/j.pscychresns.2023.111672.
[28]
PATRIQUIN M A, DERAMUS T, LIBERO L E, et al. Neuroanatomical and neurofunctional markers of social cognition in autism spectrum disorder[J]. Hum Brain Mapp, 2016, 37(11): 3957-3978. DOI: 10.1002/hbm.23288.
[29]
GOTTS S J, SIMMONS W K, MILBURY L A, et al. Fractionation of social brain circuits in autism spectrum disorders[J]. Brain, 2012, 135(Pt 9): 2711-2725. DOI: 10.1093/brain/aws160.
[30]
SAXENA A, SHOVESTUL B J, DUDEK E M, et al. Training volitional control of the theory of mind network with real-time fMRI neurofeedback[J/OL]. Neuroimage, 2023, 279: 120334 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37591479/. DOI: 10.1016/j.neuroimage.2023.120334.
[31]
RAIMO S, CROPANO M, ROLDáN-TAPIA M D, et al. Cognitive and Affective Theory of Mind across Adulthood[J/OL]. Brain Sci, 2022, 12(7): 899 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/35884706/. DOI: 10.3390/brainsci12070899.
[32]
LIU Z, LU K, HAO N, et al. Cognitive reappraisal and expressive suppression evoke distinct neural connections during interpersonal emotion regulation[J/OL]. J Neurosci, 2023 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37852791/. DOI: 10.1523/jneurosci.0954-23.2023.
[33]
MORITA T, KOSAKA H, SAITO D N, et al. Emotional responses associated with self-face processing in individuals with autism spectrum disorders: an fMRI study[J]. Soc Neurosci, 2012, 7(3): 223-239. DOI: 10.1080/17470919.2011.598945.
[34]
WU Y, WANG H, LI C, et al. Deficits in Key Brain Network for Social Interaction in Individuals with Schizophrenia[J/OL]. Brain Sci, 2023, 13(10): 1403 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37891773/. DOI: 10.3390/brainsci13101403.
[35]
BOGOLEPOVA I N, KROTENKOVA M V, KONOVALOV R N, et al. Individual variability of Broca's area of the brain in women[J]. Bull Exp Biol Med, 2023, 175(6): 726-729. DOI: 10.1007/s10517-023-05934-8.
[36]
HAN L, KE J, ZHANG D, et al. Altered functional connectivity in language and non-language brain networks in patients diagnosed with acute post-stroke aphasia[J/OL]. Clin Neurol Neurosurg, 2023, 235: 108044 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/37951030/. DOI: 10.1016/j.clineuro.2023.108044.
[37]
IWANAGA R, KAWASAKI C, TSUCHIDA R. Brief report: Comparison of sensory-motor and cognitive function between autism and Asperger syndrome in preschool children[J]. J Autism Dev Disord, 2000, 30(2): 169-174. DOI: 10.1023/a:1005467807937.
[38]
RAMOS T C, BALARDIN J B, SATO J R, et al. Abnormal Cortico-Cerebellar Functional Connectivity in Autism Spectrum Disorder[J/OL]. Front Syst Neurosci, 2018, 12: 74 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/30697151/. DOI: 10.3389/fnsys.2018.00074.
[39]
NAYATE A, TONGA, B J, BRADSHAW J L, et al. Differentiation of High-functioning autism and Asperger's disorder based on neuromata behavior[J]. Journal of Autism and Developmental Disorders, 2012, 42(5): 707-717.
[40]
SOKOLOV A A, MIALL R C, IVRY R B. The cerebellum: Adaptive prediction for movement and cognition[J]. Trends Cogn Sci, 2017, 21(5): 313-332. DOI: 10.1016/j.tics.2017.02.005.
[41]
WANG P, DU F, LI J, et al. Functional magnetic resonance imaging based on Chinese tasks to protect language function in epileptics[J/OL]. Brain Behav, 2021, 11(2): e01979 [2023-12-15]. https://pubmed.ncbi.nlm.nih.gov/33377600/. DOI: 10.1002/brb3.1979.

上一篇 18F-FDG PET/MR影像组学特征与宫颈癌PD-L1表达的相关性研究
下一篇 基于群组独立成分分析的2型糖尿病患者动态脑功能网络连接特征分析研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2