Stroke：量化白质信号异常，探索临床疾病机制

白质信号异常(White matter signal anomaly, WMSAs)在临床实践中极为常见，但长期以来一直被忽视，被认为是大脑正常老化的结果。现在清楚的是，这些异常不仅是大脑小血管疾病(SVD)、腔隙、微出血和血管周围间隙增大的迹象，而且是神经退行性过程和许多其他情况的迹象。因此，虽然非特异性，但WMSAs与一般人群中痴呆、中风和死亡风险显著增加相关，但也会导致广泛的隐性神经综合征，如步态或情绪障碍。然而，WMSA的临床相关性仍然不完全了解。在WMSA的基础上，病理-放射学相关性显示出与不同程度的脱髓鞘、轴突丧失、胶质细胞增生、小胶质细胞活化以及血管损伤相关的广泛异常。这些在神经影像学上看到的异常通常归因于血管现象，如慢性缺血、低灌注和缺氧，但是非特异性的。白质完整性的影像学研究和组织病理学研究也表明，在磁共振成像上可见的典型WMSA只是冰山一角，在所谓的正常白质上有额外的隐蔽损害。

在最近的STROKE杂志，Jung等人以一种原始的方式探索了WMSA的异质性。

作者推测WMSA在磁共振成像上的表现是不一致的，并且在病理生理学上有所不同。他们开发了一种超越简单体积法的自动分割方法。在130名年龄超过50岁、未确诊脑病但患有WMSA的参与者中，作者根据4个主要参数确定了3种病变模式:病变数量、体积、对比度强度和拓扑优势。

白质信号异常(WMSA)变量量化程序

白质信号异常(White matter signal anomaly, WMSA)分类程序

关键白质信号异常(WMSA)变量与个体类别风险的相关性。

白质信号异常(White matter signal anomaly, WMSA)在各WMSA分类中的分布规律

由较大的、主要的侧脑室旁病变组成的模式(II类)与年龄较大、高血压和体力活动较少有关，这些都是SVD已知的危险因素。还发现了其它两种类型:小的，大量的，主要是深部病变(I类);小而高对比的病变，数量较少，局限于侧脑室旁白质(III类)。有趣的是，模式I和模式III与睡眠质量呈负相关，作者推测睡眠障碍可能会减少与血管周围间隙扩大和WMSA严重相关的液体和废物的清除。Jung等的结果表明，这种机制可能在WMSA非高血压亚组患者中普遍存在。

然而，Gregory Kuchcinski,和Clinton B. Wright认为该方法能否成为选择血管源性WMSA患者的新标准?现在下结论还为时过早。

虽然作者发现了几种指标来区分WMSA的类型，但其他来自高级成像技术的指标显示出了希望。例如，弥散张量成像研究已经报道了WMSA和正常白质的白质微观结构完整性受损对认知结果是有害的。白质骨架平均扩散系数(Skeletonized mean diffusivity)是一种基于主要白质束直方图分析的白质完整性的新标记，与WMSA体积相比，它与认知能力的相关性更好，对SVD的进展更敏感。磁共振灌注研究发现WMSA和正常白质的血脑屏障通透性增加提示血管认知功能下降的早期致病途径(包括淀粉样蛋白副产物的渗漏)。在中风病人的一项研究WMSA的血脑屏障通透性与Jung的研究中I类相似，而高血压患者的通透性较低，WMSA的分布与II类相似。涉及这些方法的多模式研究将有助于进一步细化临床相关标志物。

正如作者部分承认，这项工作有局限性，相关的成像协议。使用T2/液体衰减反转恢复而使用t1加权序列对白质异常信号进行分割。即使从T1加权序列获得的体积与T2/液体衰减反演恢复获得的体积高度相关，这种方法通过只选择病灶中最低信号的部分，系统地低估了病变负荷。作者无法将他们的分类与其他SVD标记物的存在或认知表现联系起来。最后，他们方法的附加价值仍然需要用传统方法来评估，这些传统方法是自动化的或半定量的，虽然不完美，但仍然广泛可用和易于使用。有人可能会说，II类和I/III类之间的区别可能只是反映了SVD严重程度的不同阶段。因此，一项基于首次缺血性卒中患者队列中WMSA频率图的大型多中心研究发现，深部和侧脑室周围病变之间存在连续性，疾病严重程度可以解释病变分布的差异。然而，研究还根据位置提出了不同的原因。

为了在全脑范围内进一步探索WMSA，其它的MR信号特征，如当前研究中检测到的，可以提供关于潜在组织病理学或疾病内表型的信息，基于人工智能和机器学习算法的数据驱动研究可能有希望。在定位方面，基于图谱或白质束的自动分割方法可以提供WMSA的解剖或功能区域负载，为探索疾病之间的地形特异性提供了新的途径。另一个可行的选择是使用专门的统计方法(主成分分析、奇异值分解和非负矩阵分解)对WMSA空间分布进行基于体素的降维，并使用WMSA拓扑学的潜在表示。纹理分析(例如放射组学)可以自动地对WMSA进行描述，纹理分析主要用于放射肿瘤学领域，可以选择临床显著的人眼难以处理的影像学特征。然而，这些先进和自动化方法的主要警告仍然是它们的高维度，需要大样本规模来建立它们的有效性。

原文出处

Jung KH, Stephens KA, Yochim KM, Riphagen JM, Kim CM, Buckner RL, Salat DH. Heterogeneity of cerebral white matter lesions and clinical correlates in older adults.Stroke. 2021; 52:620–630. doi: 10.1161/STROKEAHA.120.031641