研究依据与目标
仅有少数研究探讨了脑血管反应性(CVR)与其他生理参数如脑血流量(CBF)、氧提取分数(OEF)和脑氧代谢率(CMRO2)之间的相关性。本研究使用全脑覆盖的3D MRI测量这些基础参数，以调查它们之间的全局和区域相关性，从而增进对脑功能的理解并改善肿瘤诊断。
材料与方法
所有测量均在3T磁共振成像设备上进行。CVR通过屏气任务获得。基础CBF通过伪连续动脉自旋标记测量。基础OEF使用自旋回波梯度回波采样脉冲序列测量。T1加权解剖图像(T1W)使用MPRAGE序列测量。CVR使用定制程序计算。CBF通过ASLtbx量化。OEF分析使用前馈人工神经网络。CMRO2基于平滑和归一化的CBF和OEF计算。采用一般线性回归分析来检查15名健康受试者五个灰质脑叶(额叶、顶叶、颞叶、枕叶和岛叶)中CVR与其他参数之间的关系。使用自动解剖标记(AAL)图谱进行Spearman相关分析以检查区域相关性。
结果
本研究纳入15名健康志愿者和5名脑肿瘤患者。在健康受试者中，五个脑叶中CBF与CVR呈正相关(p < 0.05)。同样，在五个脑叶中也发现了CMRO2与CVR之间的正相关(p < 0.05)，以及显著的受试者间和受试者内相关性(p < 0.001)。然而，OEF与其他参数之间不存在显著相关性。
结论
我们的研究结果表明，在健康大脑中，CVR与CBF和CMRO₂在全局和区域水平均存在强关联，但与OEF无关。这些结果为血管反应性、灌注和代谢之间的复杂相互作用提供了新的见解，并突显了联合CVR-CBF-CMRO2成像在评估脑健康和病理状态方面的潜力。
引言
脑血管反应性(CVR)是衡量脑血管扩张能力的指标，通常通过高碳酸气体吸入或屏气作为血管活性挑战来测量。研究表明，基础血管状态与CVR相关。在任务诱导和静息状态下，CVR的变化受血管和代谢基础状态的调节。血管和代谢基础状态包括脑血流量(CBF)、氧提取分数(OEF)和脑氧代谢率(CMRO2)。
这些参数的测量已应用于脑转移瘤分析、校准fMRI或15O PET评估乙酰唑胺给药效果。然而，研究CVR与其他生理参数(如OEF和CMRO2)相关性的研究数量有限，特别是区域相关性研究。先前研究表明，任务相关fMRI反应与静息状态下的潜在生理因素(如CVR和基础静脉血氧饱和度(Yv))显著相关。另一项研究探索了类似生理因素对静息状态fMRI指标的影响，揭示了它们对静息状态功能活动(RSFA)和功能连接(FC)测量的显著影响。此外，其他报告表明，基础CBF与CVR之间存在正相关，包括受试者间和受试者内相关性。全脑生理参数如全局CBF、全局静脉氧饱和度(Yv)、RSFA和CVR已被测量和研究。基础Yv使用T2-自旋标记下松弛(TRUST)技术在上矢状窦中确定，CVR使用5% CO2气体吸入测量，RSFA最终获得，全脑基础CBF使用相位对比测量。研究表明，fMRI信号振幅与CVR和RSFA呈正相关，但与基础Yv呈负相关。此外，在生理调节因子之间，基础Yv与基础CBF之间以及CVR与RSFA之间存在显著相关性，表明某些调节因子可能部分具有相似的生理起源。
这些生理参数之间的区域相关性可能有助于阐明不同脑区域的代谢需求，以及这些区域如何对血流量和氧气供应变化做出反应。在本研究中，使用覆盖全脑的MRI测量这些基础生理参数。我们计算了健康志愿者和肿瘤患者中呼吸任务衍生的CVR与基础CBF、OEF和CMRO2之间的区域和全局相关性。我们的主要目标是研究健康个体中CVR、CBF、OEF和CMRO2在灰质脑叶间的相关性，并评估受试者间和受试者内的变异。此外，我们还纳入了一小部分脑肿瘤患者，以评估该方法在临床环境中的可行性，并确定肿瘤区域内各参数之间的潜在相关性。
方法
前瞻性地对15名健康志愿者(7名女性，8名男性，年龄30 ± 5岁)使用20通道头部线圈在3T扫描仪(Magnetom Prisma，西门子医疗，德国埃尔朗根)上进行检查。所有参与者均提供书面知情同意书，研究获得机构伦理委员会批准。此外，还使用同一扫描仪的64通道头部线圈测量了5名脑肿瘤患者。
为测量CVR，屏气(BH)呼吸挑战被整合到标准临床脑部成像方案中：对于区块设计的BH任务，获得110次测量，包括5.5个BH/FB(自由呼吸)周期，每个完整周期20次测量(34秒)，每个半周期10次测量(17秒)。屏气时间和自由呼吸时间均为17秒。为测量基础CBF，在BH任务前应用了带有3D梯度和自旋回波成像(GRASE)读出的伪连续动脉自旋标记(pCASL)序列。添加了标记前预饱和和标记后延迟(PLD)期间的背景抑制。基础OEF基于梯度回波采样自旋回波(GESSE)脉冲序列确定。随后，基础CMRO2由CBF和OEF计算得出。具体序列参数和数据分析如下。
CVR(2D梯度回波EPI)：视野(FOV)= 220 × 220 × 118 mm³，矩阵大小= 64 × 64 × 28，分辨率= 3.4 × 3.4 × 3.5 mm³，层间隙= 0.7 mm，平面内iPAT因子= 2，多波段因子= 2，带宽= 1776 Hz/px，TE= 27.08 ms，TR= 1700 ms。总采集时间= 3.12分钟。使用SPM12(英国Wellcome Trust神经影像中心)进行包括运动校正和切片时间校正的预处理，并使用MATLAB(MathWorks，美国马萨诸塞州纳蒂克)编写的定制程序实现后处理。在传统CVR分析中，需要终末潮气CO2(Et-CO2)测量值并用于线性回归方程。由于我们没有可用的Et-CO2测量值，CVR通过将Et-CO2替换为灰质平均信号来估计。使用包括重对齐和重切片的SPM进行运动校正，并进行干扰回归以消除屏气任务引起的运动伪影。
基础CBF(3D pCASL GRASE)：FOV= 220 × 220 × 120 mm³，矩阵大小= 64 × 64 × 24，分辨率= 3.4 × 3.4 × 5 mm³，切片和平面部分傅里叶= 6/8，切片过采样= 16.7%，翻转角(FA)= 120°，段数= 2，带宽= 2,298 Hz/px，标记持续时间= 1.8秒，PLD= 1.8秒，TE= 17.18 ms，TR= 4,500 ms。该序列有20个标记和20个对照体积以及一个M0体积，总扫描时间约7分钟。使用ASLtbx计算CBF。计算中假设标记效率为0.86。
基础OEF(GESSE)：FOV= 256 × 192 × 117 mm³，部分傅里叶= 6/8，矩阵大小= 128 × 96 × 30，分辨率= 2 × 2 × 3 mm³，层间隙= 0.9 mm，TE= 51 ms；TR= 105 ms，总回波数= 64，回波中心前回波数= 20，平均值= 3，采集时间约10分钟。由于人工神经网络(ANN)在非线性回归问题方面具有高能力，因此用于OEF分析。ANN因其稳健的曲线拟合、对噪声和异常值的良好抗干扰能力以及相比传统最小二乘回归(LSR)方法更优越的计算速度而被选择。ANN由64维输入层、两个隐藏层(32维和10维)和4维输出层组成。它使用MATLAB提供的神经网络工具箱实现。ANN基于完整定量BOLD(qBOLD)模型进行训练。在此过程中，模拟了具有已知真实值的人工GESSE信号，适用于输入变量SSE、R2、λ和OEF的合理范围。为减少过拟合伪影，在实际ANN训练前向模拟的GESSE信号添加了噪声。
T1加权解剖图像(T1W)：FOV= 230 × 230 × 176 mm³，矩阵大小= 320 × 320 × 176，分辨率= 0.4 × 0.4 × 1 mm³，平面内iPAT因子= 2，切片部分傅里叶= 6/8，TE= 2.63 ms，TR= 1700 ms，TI= 900 ms，FA= 8°，带宽= 2,298 Hz/px，采集时间约5分钟。
CVR和CBF图使用全宽半高为4 mm的高斯核进行平滑。接下来，所有图像都配准到T1W并归一化到蒙特利尔神经学研究所(MNI)标准脑空间，适用于健康受试者。
基础CMRO2：将CBF和OEF平滑并归一化到MNI空间后，CMRO2计算公式为：
CMRO2 = CBF × OEF × [H]a
假设毛细血管中的氧合血红素摩尔浓度[H]a为7.377 μmol/mL。
统计分析
使用一般线性回归分析检查15名健康受试者五个灰质脑叶(包括额叶、顶叶、颞叶、枕叶和岛叶)中CVR与其他参数之间的关系。在全脑、灰质(GM)和白质(WM)中，对健康受试者的参数图进行平均，以计算组水平直方图。使用Spearman相关分析检查具有116个索引的自动解剖标记(AAL)图谱中的区域相关性。为提取前12个(即116个的10%)相关区域，选择了具有最低p值的AASL区域并进行绘图。对于患者，基于钆对比增强T1加权图像(CET1W)手动选择肿瘤感兴趣区域(ROI)。生成相关矩阵，以比较这些ROI内参数之间的体素级Spearman相关性。
结果
CVR、CBF、OEF和CMRO2的归一化和平均图如图1所示。在CVR图中，可在大引流静脉(如上矢状窦和横窦)位置观察到增加值。CBF和CMRO2图显示相似的对比度，尽管值范围不同。OEF在大脑大部分区域均匀分布，但在丘脑和壳核等脑中心区域并非如此。
图1. CVR、CBF、OEF和CMRO2的归一化和平均图。CBF的分布与CMRO2相似，因为OEF非常均匀。CVR的分布与CBF和CMRO2不同，特别是在大引流静脉区域。
线性回归后，发现受试者间五个脑叶中的CBF与CVR呈正相关(p < 0.05)。受试者间相同区域的CMRO2与CVR也呈正相关(p < 0.05)。CBF和CMRO2几乎完全相关(p < 0.001，r² = 1.0)。然而，OEF与其他参数之间的相关性不显著(p = 0.58表示OEF-CVR，p = 0.15表示OEF-CBF，p = 0.27表示OEF-CMRO2)。具体结果如图2所示。
图2. 分别在个体受试者的额叶、顶叶、颞叶、枕叶和岛叶等五个灰质脑叶中平均的不同生理参数之间的比较。包含线性回归及其参数。
CVR的直方图在强度分布中显示两个峰值(GM和WM)(图3)。CBF和CMRO2直方图分布相似，但范围更广。然而，OEF的直方图非常不同，在全脑以及GM和WM各自的区域内，在同一位置(≈57.8)具有强烈峰值。
图3. CVR、CBF、OEF和CMRO2图的直方图，分别针对所有健康参与者和个体受试者(受试者1-15为细线)，在全脑、灰质和白质中。
图4显示了CVR、CBF、OEF和CMRO2之间每对的Spearman相关系数r。我们在白质区域(尤其是枕叶区域的CVR与CMRO2)中观察到CVR与OEF和CMRO2之间的强正相关。另一方面，某些区域显示强负相关，例如额岛区域的CVR与OEF或岛叶区域的CBF与OEF。除额叶部分区域外，全脑中CBF和CMRO2之间存在强相关性。
图4. 使用Spearman相关分析后，受试者间不同参数之间的相关系数。相关系数r映射到颜色，−log10(p)映射到透明度。-log10(p)的范围设置为0-1.3，对应p < 0.05的p值阈值。
根据每个区域中最低平均p值，前12个AAL区域的相关系数r如图5所示。由于CBF和CMRO2之间的高相关性，选择了所有116个AAL区域(图5E)。
图5. 显示了参数对之间相关系数的前12个具有最低平均p值的区域。由于CBF和CMRO2之间的高相关性，选择了所有116个AAL区域(E)。
第一位脑肿瘤(黑色素瘤)患者如图6所示。原发肿瘤位于右侧颈后部。选择具有异常CET1W的ROI，并将该ROI内的不同参数图叠加。CBF较高的区域OEF较低。
图6. 第一位黑色素瘤患者(男性，59岁，接受Encorafenib和Binimetinib治疗后)。原发肿瘤位于右侧颈后部。选择具有异常CET1W的ROI，并将该ROI内的不同参数图叠加。
第二位多发性脑转移瘤(黑色素瘤)患者如图7所示。转移瘤位于左侧直回(第一列)、左侧额叶盖部(第二列和第三列)、右侧额叶(第四列，无CET1W高信号)和左侧扣带回(第五列)。脑ROI被掩模，脑内的不同参数图叠加在CET1W上。脑ROI根据CET1W定义。白质未特意排除。每个参数在不同位置显示异常。OEF在具有异常CET1W的位置显示增强。CBF在第一个位置增加，但在最后一个位置减少。CVR在某些转移瘤位置减少。
图7. 第二位黑色素瘤患者(男性，55岁，接受Nivolumab治疗后)。转移瘤位于左侧直回(第一列)、左侧额叶盖部(第二列和第三列)、右侧额叶(第四列，无CET1W高信号)和左侧扣带回(第五列)。
第三位脑胶质母细胞瘤患者如图8所示。可观察到左颞叶胶质母细胞瘤切除后的缺陷区域，邻近硬脑膜浸润。脑ROI被掩模，脑内的不同参数图叠加在CET1W上。通常，肿瘤位置的CBF和CMRO2降低。CVR在较低肿瘤环处增加，如第一列所示。
图8. 第三位脑胶质母细胞瘤患者(男性，67岁，切除术后)。可观察到左颞叶胶质母细胞瘤切除后的缺陷区域，邻近硬脑膜浸润。
患者肿瘤ROI中所有生理参数对之间的体素级Spearman相关系数如补充图S1所示。除CBF和CMRO2之间的强相关性外，其他生理参数对之间无相关性。其余患者的结果见补充图S2和S3。前六位受试者的T1W、CVR、CBF和OEF的个体特定图见补充图S4。
讨论
本研究旨在调查从呼吸任务衍生的CVR如何与基础CBF、OEF和CMRO2相关。与先前报告一致，我们在五个灰质脑叶中发现CBF与CVR之间存在显著正相关(图2A)。此外，我们发现OEF与CBF之间无显著相关性。这一发现与早期研究相矛盾，早期研究发现OEF和CBF显著相关(p = 0.01)。
在本研究中，五个脑叶中OEF与CVR之间的相关性不显著(图2B)。在这些脑叶中，受试者间CMRO2与CVR之间也发现了显著正相关(图2C)。
CVR图在大引流静脉(如上矢状窦和横窦)附近显示增加值(图1)。这些增加值很可能是BOLD信号对血氧饱和度的敏感性、与大血管的接近度、部分容积效应以及这些区域的血流动力学反应相互作用的结果。这些增加值不一定反映脑组织反应性，而是附近静脉结构的影响。在丘脑和壳核等中枢脑区域OEF增加(图1)，可能由其高代谢活性、特殊功能和独特的血管供应特征驱动。这些区域由于在运动控制、感觉中继和突触传递等关键过程中的作用，具有高氧需求。此外，这些区域的血管特征——小穿通动脉和相对较低的血流量——需要更高的氧提取以维持高效的脑功能。
OEF与其他生理参数之间相关性较低或缺失，可能源于OEF主要反映脑对氧的代谢需求，而CBF和CVR等其他参数受血管和血流动力学因素影响，这些因素并不总是直接对应于代谢需求。脑自身调节、区域代谢差异和病理状态进一步导致OEF与这些其他生理指标解耦。
本研究中CBF与OEF之间缺乏相关性，与先前研究相比，可能源于测量技术。先前研究使用TRUST或基于磁化率的测氧法在上矢状窦中测量全局OEF。在全局测量中，这些参数的区域变异可能被平均化，掩盖了可能在更高分辨率测量中看到的关系。然而，根据图1、4、5，不同脑区域可能由于代谢需求的差异而表现出CBF和OEF之间的不同关系。具有高基础代谢的区域(例如灰质)可能在CBF波动时保持稳定的OEF，而代谢需求较低的区域则表现出较弱的耦合。OEF图(图1)显示皮层大部分区域分布相对均匀，尤其是灰质内，表明尽管灌注有变化，但氧提取稳定。然而，在丘脑和壳核等已知具有高代谢活性的皮层下区域，OEF值似乎升高，可能由于氧需求增加。相比之下，CBF图在灰质和白质区域之间以及皮层区域之间表现出更多的空间变异性。当考虑与CMRO₂图(由CBF × OEF导出)一起时，很明显CMRO2变异性主要由CBF波动驱动，因为皮层中OEF相对稳定。尽管大多数脑区域中CBF和CMRO2之间观察到强相关性(图4)，但OEF与CBF或CMRO2之间的相关性较弱或缺失，表明OEF在许多区域尽管CBF变化仍保持相对不变。图5显示，很少有区域满足OEF和CBF之间显著相关的宽松p阈值，强化了这些参数在大脑大部分区域解耦的观察。
除CBF和CMRO2外，平均图(图1)和相应的生理参数强度直方图(图3)显示不同的分布。与先前研究相比，本研究中CVR的峰值位置(0.17)非常相似。CBF和CMRO2的直方图分布相似，但范围更广。CBF的峰值位置约为65 mL/100 g/min，接近先前研究的结果。然而，OEF的直方图非常不同，在全脑以及GM和WM各自的区域内同一位置具有强烈峰值。因此，我们随后调查了它们之间的区域相关性。
CBF和CMRO2显著相关(图4)。这一现象很容易理解，因为OEF非常均匀，CMRO2是CBF和OEF的乘积。因此，CBF和CMRO2分布相似。CVR、OEF、CBF和CMRO₂之间的区域相关性突显了脑如何调节其血供和氧代谢的区域变异性。白质和枕叶区域的强正相关表明血流和氧代谢的有效匹配，而岛叶等区域的负相关揭示了血流和氧提取呈反比关系的补偿机制。在fMRI视觉刺激研究中，枕叶区域显示CBF、BOLD和CMRO2反应的协调增加。白质CBF与连通性的反相关也已在先前显示。
对于区域相关性，我们根据每个区域中最低平均p值选择了12个AAL区域(图5)。这些区域也可在图4中注意到。
与TRUST相比，我们能够测量全脑覆盖的OEF，且伪影极少。GESSE脉冲序列是一种允许T2和T2弛豫时间混合映射的序列。它开发用于在脑微结构成像中分离MRI中的宏观和微观磁场不均匀性。在GESSE中，一组梯度回波(GRE)嵌入单个SE序列的自旋回波(SE)周围。这种序列结构允许同时获取对应于不同GRE时间(TE)的一组图像，从而允许同时进行T2和T2映射。使用GESSE测量T2和T2*已开发并应用于OEF映射。GESSE对射频脉冲误差不敏感，且不受显著场畸变影响，因此在脑成像中提供稳健的映射技术。qBOLD MRI测量的OEF范围通常在健康生理条件下介于0.2和0.5(或20-50%)之间。根据OEF直方图(图3)，峰值位置约为57.77，与文献中的值非常接近。
在病理条件下，血管对刺激扩张的能力可能因基础已扩张而受损，如在镰状细胞病中，脑血流量(CBF)升高且脑血管反应性(CVR)降低。在以血管狭窄或阻塞为特征的疾病(如狭窄闭塞性疾病)中，血管扩张刺激可增加具有强大血管扩张能力区域的CBF。然而，这可能会意外降低具有保留或有限血管扩张能力的邻近区域的CBF。这种现象被称为"血管窃血"，可能导致明显的负CVR反应，无论CBF是否有变化。病理情况下CBF和CVR之间的关系通常很复杂，不易察觉。与此原理类似，生理参数在脑肿瘤病例中分布不同(图6-8)。除CBF和CMRO2之间的强相关性外，其他生理参数之间无相关性。由于生理参数的差异，所有这些参数的完整测量将帮助医生发现肿瘤特性的不同方面。这些指标帮助医生了解肿瘤的关键特征，如血管性、代谢需求、缺氧、侵袭性和对治疗的反应。通过整合这些数据，临床医生可以为脑肿瘤患者制定更个性化和有效的治疗计划，优化治疗策略，并改善预后评估。
我们发现，在肿瘤病例中，除CBF和CMRO2外，其他参数均不相关。这表明，除了肿瘤患者小队列可能不允许严格的统计分析和解释外，(i)局部肿瘤血流与肿瘤和健康脑区域的代谢需求相关，如先前研究已证明的，(ii)脑血管反应性在肿瘤区域内似乎独立于其他生理参数，表明血管结构紊乱。
本研究有几个局限性。首先，GESSE是一种非常长的测量，耗时约10分钟。结合GE和SE方法的多功能性已在各种方法中得到证明，基于广泛的序列实现，并在读出(单线或多线采集)、空间分辨率、使用回波的数量和类型方面有所不同。EPI在采集时间和时间分辨率方面优于单线采集，使其成为快速成像序列的当前首选方法。然而，EPI存在畸变、模糊和局部信号丢失等问题。其次，CVR使用屏气任务测量。此任务需要患者或志愿者的显著配合。在没有气体挑战的情况下，CVR也可在静息状态下测量。然而，需要特别注意以确保其可靠性。屏气作为诱导高碳酸血症方法的效率需要与SPO₂和血CO2水平等生理测量相关联，以确保充分性。如果不监测这些，诱导的高碳酸血症可能不一致或不充分，导致CVR和其他相关参数测量中的潜在偏差。这可能削弱测试结果的可靠性，突显了在CVR测试中更好地理解和标准化的必要性。虽然屏气通常用于评估CVR，但其相关的血流动力学变化(如静脉回流减少、心输出量变化和血压波动)会影响结果。这些变化有时会被监测，但通常未完全考虑，这可能在CVR参数评估中引入偏差。为提高准确性，CVR测试和计算期间需要更仔细地监测和控制这些血流动力学因素。第三，ASL扫描是单PLD 3D pCASL。此序列未针对白质中的体素级CBF测量进行优化。最后，通过在CMRO2方程中使用恒定的[H]a，忽略了血细胞比容的自然变异和生物性别之间的差异。这可能会显著改变毛细血管中的氧合血红素摩尔浓度。此外，一名转移性脑瘤患者的化疗也可能显著改变血细胞比容。
结论
本研究表明，在五个灰质脑叶中，CVR与基础CBF之间存在显著正相关，表明血管反应性与静息灌注之间存在密切关系。相比之下，OEF与其他参数之间弱或缺失的相关性表明，OEF反映了与血管动力学耦合不太直接的不同的代谢过程。CVR、CBF、OEF和CMRO₂之间关系的观察到的区域变异性突显了脑血流动力学和氧代谢的异质性。
【全文结束】
