原発閉塞隅角緑内障患者の脳ネットワークトポロジーのグラフ理論分析

研究背景

緑内障は視神経の損傷と眼圧の上昇を特徴とする世界的な失明を引き起こす眼疾患である（Kang and Tanna 2021）。さまざまなタイプの緑内障の中で、原発閉塞隅角緑内障（Primary Angle-Closure Glaucoma，PACG）は特にアジアで普遍的である（Chan et al. 2016）。PACGの病因は複雑で、前房角の狭窄、前房の混雑が閉鎖を引き起こす（Sun et al. 2017）、脈絡膜の肥厚（Zhou et al. 2013; 2014）、および脈絡膜の拡張（Kumar et al. 2008）などが含まれ、最終的に眼圧が上昇する。環境要因として、照明条件が瞳孔の大きさに影響を及ぼし、前房角に影響を与えることもある。さらに、視神経節細胞の喪失も緑内障の顕著な病理的特徴であり、関連研究によればこれらの細胞の損傷は視神経および束の萎縮を引き起こし、外側膝状体及び視放射に影響を与え、最終的に視覚皮質の退行性変化を引き起こす（You et al. 2021; Rossiter 2015; Chen et al. 2013）。

これまでの緑内障の神経画像研究は、緑内障患者の脳構造や機能の異常変化を明らかにすることに主に焦点を当ててきた。例えば総灰白質体積の違い（Jiang et al. 2018）、局所および遠隔領域の機能接続の異常（Fu et al. 2022）、および周波数依存の神経活動の変化などである（Jiang et al. 2019）。これらの研究は緑内障の神経メカニズムの解明に一定の進展をもたらしたが、緑内障患者の脳機能ネットワークに関する研究はまだ相対的に限られている。

現代の神経画像技術は緑内障の研究進展に顕著な影響を与えている。その中でも機能的磁気共鳴画像法（Functional Magnetic Resonance Imaging，fMRI）は緑内障に関わる神経メカニズムの変化を探索するために広く利用されている。これまでの研究によればfMRIにより緑内障患者の脳構造と機能の広範な変化が観察され、例えば視覚経路に影響を及ぼす脳領域（Jiang et al. 2019）、および主に情動に影響を及ぼす脳領域（Chen et al. 2019）などがある。

文章来源

本文はRi-Bo Chen、Xiao-Tong LiおよびXin Huangによって執筆され、Ri-Bo ChenとXiao-Tong Liは同等の貢献をした。研究は江西省人民病院放射線科、南昌医学院附属第一病院および江西医学院マリークイーンカレッジで行われた。この論文は2024年に発表され、Springerの《Brain Topography》というジャーナルで出版された。

研究方法

本文はグラフ理論（Graph Theory）分析技術を用いて、fMRIデータを通じて機能的脳ネットワークを構築し、PACG患者の脳ネットワークに対する全球指標、ノード指標、モジュール化およびネットワーク統計分析を行った。

研究対象および参加者

研究にはPACGと診断された44名の患者および44名の健康な対照者が含まれる。これらの参加者は江西省人民病院から来ており、研究は倫理委員会の承認を受けている。PACG患者の選定基準には、前房角の狭窄の確認、緑内障関連の視野欠損の存在、緑内障治療を受けていないこと、脳外傷歴がないこと、神経および精神疾患のないこと、MRI禁忌がないことが含まれる。健康な対照者グループは既知の眼病がなく、脳外傷歴がなく、神経および精神疾患がなく、MRI禁忌がなく、年齢、性別および教育レベルがPACGグループと一致していることが条件となっている。

画像データの取得および前処理

全ての参加者は静止状態で目を閉じた状態でスキャンされ、3T MRIスキャナーが使用され、8チャンネルのヘッドコイルが装備されており、BOLD信号の変化をキャプチャするためにスライスエコーエコープレーンイメージングシーケンスが使用された。データ処理にはMATLAB 2013aプラットフォーム、DPABIソフトウェアおよびSPM12ツールキットが使用され、DICOMからNIFTI形式への変換、スライス時間補正、頭部運動補正、BOLD画像の位置合わせ、およびMNI空間への標準化、ガウス平滑、線形回帰傾向除去、バンドパスフィルタリングなどのステップが含まれる。

脳ネットワーク構築

GRETNAソフトウェアを使用し、自動解剖標識（AAL）テンプレートに基づいて脳を90の領域に分割し、各ノードペアのBOLD時系列のピアソン相関係数を計算し、各参加者の90×90相関行列を生成し、Fisherのr-to-z変換を使用して相関行列を規格化し、その後のグループ間比較に備える。

ネットワーク分析

全球指標およびノード指標

Sparsity値の範囲を0.05から0.50、間隔を0.01として脳ネットワークの全球および局所指標を検討し、複数のスパーシティレベルでのインデックスの曲線下面積（AUC）を計算し、脳ネットワークのトポロジー特性の変化を明らかにする。全球指標（小世界性、ネットワーク効率など）およびノード指標（ベトウィーンネス中心性、度中心性、ノード効率など）を計算する。

モジュール化分析

脳の90領域を9つの機能モジュールに分割し、モジュール内およびモジュール間の接続を定量化し、各脳領域の接続特性を明らかにする。モジュール分析は、モジュール5（主に後頭葉領域）内接続がPACGと健康対照グループ間で有意な差があることを示した。

接続分析

ネットワークベース統計（NBS）を使用して脳ネットワーク機能接続強度の差異を定量化し、非パラメトリック置換テストを使用して統計結果の精度を高める。

統計分析

SPSS 16.0を使用して臨床変数を比較し、二重サンプルt検定を通じて全球ネットワークパラメータおよび領域ノードパラメータのグループ間差を評価し、年齢、性別、教育レベルおよび頭部運動を協変量として含む。

検証分析

結果の信頼性を確認するため、AAL 116テンプレートを用いた補足分析を行った。

研究結果

人口統計および視覚測定

両グループでは性別および年齢に有意差はなかったが、最良矯正視力（BCVA）には有意な差があった。PACG患者は左眼および右眼の視覚能力が健康対照グループよりも低かった。詳細は表1に示される。

全球指標の結果

脳ネットワーク分析において、PACG患者と健康対照グループの間で小世界性およびネットワーク効率に有意な差はなく、両グループ間で全脳ネットワークの接続特性に顕著な変化はないことを示している。

ノード指標の結果

PACG患者において、左側の上前頭回、中前頭回および右側の中前頭回、右側の後頭中回のノード中心性およびノード効率が顕著に増加し、一方で右側の上側頭回のノード中心性およびノード効率が顕著に減少していることが分かった。これらの脳領域に顕著な接続の変化が存在することが示される。

モジュール化分析の結果

モジュール内およびモジュール間接続分析において、PACG患者の後頭葉領域（モジュール5）は独特の接続パターンを示し、モジュール1とモジュール7およびモジュール8の間で接続強度に有意な差があったことが分かった。これが特定の脳領域の機能接続パターンの変化を反映している。

NBS分析の結果

機能的脳ネットワーク接続において、PACG患者の機能接続は前頭葉、後頭葉、および側頭葉などを主に含む領域で顕著に増加した。しかし、一部の皮質下および側頭葉領域の機能接続強度は顕著に減少した。

結論と意義

PACG患者の機能的脳ネットワークにおけるノード指標およびモジュール性には重要な変化があり、特に前頭葉、後頭葉、側頭葉および小脳の領域における変化が顕著であった。しかし、分析結果は、PACG患者の全脳ネットワークの全体的な接続パターンには顕著な変化がなかったことを示している。研究結果はPACGの早期診断および識別の標識として役立ち、中心性およびノード効率の高い脳領域をターゲットにする介入が治療計画の最適化に寄与する可能性がある。

将来の研究では、より大きなサンプルサイズおよび縦断的研究を通じて、PACG患者の脳ネットワーク機能の変化をさらに検証し探ることで、臨床的介入および治療に対するより正確な理論基盤を提供することができる。