脑电图周期成分中 β/θ 功率比在轻度认知障碍和阿尔茨海默病中的潜在生物标志物

神经病学 医学 基础医学 生物化学 医学影像 生命科学
阿尔茨海默病 轻度认知障碍 脑电图 周期性功率成分 生物标志物 认知功能

阿尔茨海默症研究与治疗前沿：脑电图周期成分中的贝塔/西塔功率比作为潜在生物标志物

背景介绍

阿尔茨海默症（Alzheimer’s dementia, AD）是一种逐步发展的疾病，占所有痴呆病例的60%到80%[1]。在AD的早期阶段，通常会出现轻度认知障碍（Mild Cognitive Impairment, MCI），在此阶段个体仍然可以独立生活[2]。区别MCI与AD或健康老化的生物标志物对于开发预防干预措施至关重要，这有助于提高生活质量，减轻护理负担并降低护理成本[3]。

脑电图（Electroencephalogram, EEG）是一种非侵入性且成本低廉的工具，可通过不同空间尺度的电压差异评估神经离子电流流动，具有高时间分辨率[4-6]。大多数关于AD和MCI的EEG研究集中在分析功率谱密度（Power Spectral Density, PSD），特别是静息态EEG [5,7-12]。这些研究通常发现AD个体的δ波和θ波增加，而α波和β波减少，尤以颞叶和后枕叶区域为著[5,7-14]。快速到慢速频率功率比也被证明在AD与正常认知个体之间有所不同，其中β/θ比率被认为是认知处理能力的标志[4-8]。

相比之下，EEG在区分MCI与健康个体方面差异较小且不一致[9,15-17]。这可能是因为这些研究未排除EEG的非周期成分。EEG功率谱通常由两个主要部分组成：一个是周期间断的背景部分（无节律成分 - 1/f样成分），另一个是周期性或节律性神经振荡[19]。非周期部分也被称为分形或“无标度”活性，因为其信号在多个时间尺度上表现出自相似性[20]。几项研究已显示专注于EEG周期成分的益处[15,19,21,22]。

研究来源

该研究由Hamed Azami及其同事进行，来自多伦多的五家学术医院。研究发表于《Alzheimer’s Research & Therapy》杂志（2023年，第15卷，第133期）。研究数据来自两项干预研究（clinicaltrials.gov标识符：nct01847586和nct02537496），并得到Brain Canada、加拿大研究椅和Labatt Family Network for Research on the Biology of Depression的资助。

研究设计与流程

A) 研究流程

  1. 参与者招募：

    • 研究招募了44名健康对照（Healthy Control, HC）（平均年龄69.1岁），114名MCI参与者（平均年龄72.2岁）和41名AD参与者（平均年龄75.7岁）。所有参与者均提供了书面知情同意书，符合多伦多精神健康与成瘾中心（Centre for Addiction and Mental Health, CAMH）伦理委员会的批准。
    • 筹集的HC和MCI参与者来自AD预防试验（nct02386670），而AD参与者来自两项其他干预研究。

  2. EEG数据采集和处理：

    • 使用64道Synamps 2 EEG设备和10-10蒙太奇系统记录每个参与者的EEG数据，每个记录10分钟，采样频率为1000 Hz。参与者在放松状态下闭眼坐在椅子上，避免头部或眼睛移动或入睡。
    • 使用MATLAB和EEGLAB工具箱对数据进行离线处理。首先，目视检查EEG数据以确保不存在明显的δ和θ波，然后剔除噪声显著的段落和受各种伪影严重影响的通道。采用独立成分分析（ICA）以去除与眼球运动和肌肉活动相关的成分。

  3. 数据分析：

    • 使用Welch方法计算总功率谱，并用“FOOOF”工具箱参数化结果总功率谱，这将功率谱分解为其非周期和周期成分，使用最小二乘误差方法优化模型谱。
    • 通过对比三组在整体脑部（所有EEG电极平均）以及前额、颞叶、中部、顶叶和枕叶区域的EEG频谱，得到了贝塔/西塔比率。

B) 研究结果

  1. 非周期成分：

    • 研究发现，EEG中的非周期组件在健康对照组、MCI组和AD组之间没有显著差异（ANCOVA f(3,195)=0.55, p=0.56）。

  2. 周期成分和全功率频谱：

    • AD参与者在全频谱和周期成分中显示出δ、θ和γ的相对功率增加，而β波减少，尤其是在枕叶区域。
    • 特别地，依据周期频谱测量的枕叶区域的β/θ比率在MCI和健康对照之间存在显著差异（Bonferroni校正p=0.036），在分类任务中表现优于基于全频谱的β/θ比率。

C) 结论与意义

该研究展示了EEG中周期性的β/θ功率比在分离健康个体、MCI和AD中的潜力，表明专注于周期成分可以在检出轻度疾病状态的细微变化时更加精确。这一发现可能对开发更有效的预防措施和机制研究具有重要价值。

D) 研究亮点

  1. 发现和证据：

    • 通过专注于EEG的周期成分，与健康老化相比，MCI个体在某些脑区的β/θ功率比率显著降低。
    • 使用周期成分的分类器在区分AD和MCI个体时优于全频谱。

  2. 方法和流程的创新：

    • 使用“FOOOF”方法分离EEG的周期和非周期成分，验证了该方法在去除非周期成分后发现更清晰的疾病相关变化的能力。
    • 研究表明，排除非周期成分的EEG周期成分分析在区分MCI和健康老化方面更具可靠性。

研究的局限性与未来展望

该研究也存在一些局限性，例如样本量不足以进行具体的亚组分析，以及诊断未使用生物标志物。未来的研究可以在更大样本和多种生物标志物相结合的情况下进一步验证这些发现。

结论

该研究支持进一步研究EEG周期成分中β/θ功率比作为区分MCI和AD患者与健康个体的神经生理学指标的潜力。未来的工作需要将这一指标与其他神经退行性疾病的生物标志物联系起来，以进一步阐明其机制作用。