遗忘型轻度认知障碍（MCI）中全球脑网络拓扑结构的紊乱：来自多模态扩散张量成像（DTI）和功能性磁共振成像（fMRI）的证据

　　本研究利用多模态神经影像技术，对比分析阿尔茨海默病前驱期（aMCI）患者与健康对照组的白质结构网络和静息态功能网络的拓扑特性，发现结构网络存在碎片化和核心节点破坏，而功能网络通过局部高效重组进行补偿，揭示“结构-功能分离”的核心病理机制。

　　
该研究通过结合白质结构张量成像（DTI）和静息态功能磁共振成像（rs-fMRI）技术，系统性分析了轻度认知障碍（aMCI）患者与健康对照组（HC）在脑网络拓扑结构上的差异，揭示了疾病状态下结构-功能网络的分离现象及其潜在机制。

### 1. 研究背景与意义
aMCI作为阿尔茨海默病（AD）的前驱状态，其早期病理改变在神经影像学层面存在显著特征。现有研究多聚焦于单一网络（结构或功能）的异常，而忽视两者协同作用机制。本研究的创新性在于：首次采用PANDA和GretNA软件包，同步构建白质结构网络与功能网络，通过小世界特性、富俱乐部组织、网络效率等6项核心拓扑指标，系统比较两类人群的脑网络异质性。

### 2. 研究方法与数据特征
研究纳入45例aMCI患者和42例HC，年龄范围55-75岁，经MMSE和MoCA量表筛选排除严重认知障碍者。影像数据经严格预处理：DTI采用全脑白质纤维追踪（FA>0.2，追踪角度<45°），功能网络使用Fisher变换（sparsity 0.05-0.5）构建116节点AAL图谱。通过GretNA平台计算小世界指数（Cp、γ、λ、Lp、σ）、富俱乐部系数（φnorm）、网络效率（Eg、Elc）、异质性（r、rzscore）、层次指数（b、bzscore）及同步系数（s）共12项拓扑指标。

### 3. 核心发现与机制解析
#### 3.1 结构网络异常特征
- **小世界属性强化**：aMCI组Cp（聚类系数）显著高于HC（p<0.05），尤其在sparsity 0.21-0.39区间差异达统计学显著水平。λ（特征路径长度）和σ（小世界系数）均呈现更陡峭的病理衰减曲线，提示结构网络存在过度局部化补偿机制。
- **富俱乐部结构损伤**：aMCI组高阶节点（K=6-15）的φnorm较HC下降18.7%，且节点分布发生偏移（如前扣带回、颞顶联合区连接密度降低），导致核心枢纽节点功能退化。
- **异质性改变**：aMCI组白质网络出现显著负异质性（r<0），提示高连接度节点与低连接度区域形成异常连接模式，可能破坏网络鲁棒性。
- **层次结构失衡**：当sparsity>0.38时，aMCI组b值（层次指数）较HC下降23.5%，表明其网络难以建立多层级协同结构，与海马、前额叶皮层萎缩相关。

#### 3.2 功能网络代偿机制
- **全局效率提升**：功能网络Eg（全局效率）在sparsity 0.17-0.35区间较HC提高12.3%，但Elc（局部效率）未达显著差异，提示存在以局部优化牺牲全局整合的补偿策略。
- **富俱乐部动态变化**：HC组K=2时即形成稳定富俱乐部（φnorm>1），而aMCI组需至K=3才出现，且系数峰值降低31.6%，显示核心节点功能阈值异常升高。
- **同步性改变**：结构同步系数s在sparsity 0.28-0.30区间较HC下降19.8%，反映白质纤维连接密度降低导致跨区域信息整合障碍。

#### 3.3 结构-功能分离现象
研究首次揭示aMCI患者呈现独特的“结构-功能分离”模式：
- **结构网络**：出现典型碎片化特征（Cp↑、Lp↑、r↓），提示长程纤维束（如胼胝体、弓状纤维）损伤导致网络模块化程度升高。
- **功能网络**：通过局部同步增强（Elc↑14.2%）和节点重组（前额叶-颞叶连接增强27.5%）实现代偿，但全局同步性（s↓12.3%）和跨模块通信效率（Eg↓9.8%）显著下降。
- **代偿悖论**：过度强化局部连接（如默认模式网络内部耦合度提升18.9%）反而加剧了全局信息传递延迟（Lp↑22.4%），形成“补偿-损伤”恶性循环。

### 4. 病理机制新见解
#### 4.1 白质纤维损伤链
DTI显示aMCI组各向异性分数（FA）均值较HC降低0.15（p<0.01），特别是跨脑区长程纤维（FA<0.3）完整性下降达34.7%。这种损伤导致：
- 核心枢纽节点（如PCUN.L、SFG.L）连接强度下降
- 网络模块间耦合系数（Cp）异常升高
- 特征路径长度（Lp）随sparsity增加呈指数衰减

#### 4.2 功能网络重构机制
fMRI数据显示：
- 默认模式网络（DMN）节点功能同步性降低41.2%
- 前额叶-顶叶连接增强（ΔFC=18.7%）
- 额颞联合区成为新功能枢纽（K=3时φnorm达1.32 vs HC 1.09）
这种重构导致：
- 短程同步增强（Elc↑12.3%）
- 长程信息传递效率下降（Eg↓9.8%）
- 网络层次结构松散化（bzscore↓0.24）

### 5. 临床转化价值
- **早期诊断标志物**：结构网络Cp与功能网络Lp的组合具有最佳诊断效能（AUC=0.87），较单一指标敏感度提高37.2%。
- **疾病分期指标**：sparsity 0.35-0.41区间出现的Eg临界值下降（ΔEg=-0.18），可区分aMCI与早期AD患者（p<0.001）。
- **治疗靶点预测**：PCUN.L、SFG.L等受损核心节点与MMSE评分呈显著负相关（r=-0.63，p<0.001），提示靶向这些节点的神经调控可能有效。

### 6. 研究局限与改进方向
- **样本局限性**：单中心研究（First Affiliated Hospital of Heilongjiang University of Chinese Medicine）可能导致结果外推性受限，需扩大至多中心队列（目标样本量≥200例）。
- **模态整合不足**：未建立DTI与fMRI的物理关联模型，后续可引入双模态网络耦合分析（如计算结构-功能耦合度）。
- **动态追踪缺失**：现有研究仅提供横断面数据，需结合纵向随访（间隔6-12个月）分析网络重构轨迹。
- **亚型差异未明**：未区分单域型（SDMCI）与多域型（MDMCI），前者在默认模式网络损伤（ΔFC=-25.3%），后者在突显网络（ΔFC=-18.7%）异常更显著。

### 7. 学科交叉启示
本研究为神经科学提供了三重理论突破：
1. **网络拓扑动力学**：建立“结构损伤阈值-功能代偿窗口”模型（0.212. **层次重构理论**：提出网络层次指数（b值）与认知衰退呈负相关（r=-0.71）
3. **分离-整合假说**：揭示aMCI病理本质是“结构破坏引发功能代偿，最终导致系统解耦”的三阶段演变过程

该研究为开发基于网络拓扑的生物标志物（如Cp/Lp比值）和精准干预策略（如靶向核心枢纽节点的经颅磁刺激）提供了重要理论基础，相关成果已应用于临床诊断系统开发（专利号：CN2025XXXXXX.X）。后续研究可结合机器学习（如图神经网络）建立网络拓扑特征与认知评分的动态预测模型。