一项关于协议一致性与微结构加权连通组图指标可重复性的初步研究

为什么大脑的连线图需要进行可靠性检查

医生和科学家越来越把大脑视为一张巨大的连线地图，脑区通过成束的神经纤维相互通信。基于新型磁共振成像的方法可以把这些连线转换为数学网络，可能揭示诸如多发性硬化或阿尔茨海默病等疾病的早期迹象。但在这些测量用于诊断或治疗之前，我们需要先弄清一个基本问题：如果对同一位健康受试者重复扫描，或在不同的扫描仪上以略有不同的设置扫描，我们得到的网络是否基本相同？

从水分子运动到大脑高速公路的地图

为了构建这些连线图，作者使用了一种追踪水分子在脑组织中运动的磁共振成像方法。在白质中，长而有髓的神经纤维成束排列，水分子更倾向沿纤维方向而非横向扩散。通过在多方向上测量这种方向敏感的运动，计算机算法可以推断纤维束并组装出“连通组”——一个记录哪些灰质区域通过哪些白质通路相连的矩阵。本研究并不只是简单地统计两个区域之间重建出的虚拟纤维数量，而是聚焦于“微结构加权”的连通组，其中每一条连接都以组织本身的特性着色，例如纤维排列的有序程度或表观的密集程度。

为网络添加生物学细节

研究团队结合了两类解释弥散MRI信号的模型。第一类是弥散张量成像，它总结了水分子运动的方向性以及平均扩散速度。第二类称为Bingham-NODDI，进一步估计每个小体素中有多少体积由神经纤维内的水、纤维外的水或填充液体的空间构成。使用旨在更好捕捉复杂纤维几何结构的较丰富“四壳层”扫描协议，他们计算了若干微结构参数，包括来自张量模型的分数各向异性和平均弥散率以及来自Bingham-NODDI的神经元内/细胞外体积分数。这些参数随后沿每条重建的纤维束传播，并被组合用以为网络中的每一条连接赋予生物学意义的权重。

对流程进行检验

可靠性通过三种互补方式进行评估。首先，研究者反复扫描了一个精心设计的物理幻影——由合成纤维缠结置于盐水中，模拟脑组织的关键特征——以测试参数在短期内的稳定性。接着，他们在两家医院对四名健康志愿者进行了扫描，使用相同品牌和型号的磁共振扫描仪和相同设置，以探究不同站点间的差异。最后，他们将四壳层协议与更短、更常规的两壳层协议进行了比较，检验两者是否给出相似的参数值。对于脑数据，他们重建了由不同参数加权的多版本连通组，并提取了图论指标，如总体网络效率、连接的聚集程度以及每个区域与大脑其余部分的连接强度。随后他们检查这些指标在不同站点间的变动程度，以及多少变异反映的是个体间的真实差异而非测量噪声。

哪些结果被证明是可信的

若干关键的组织测量表现出相当一致性。分数各向异性、平均弥散率以及神经元内和细胞内体积分数在重复扫描、不同站点以及（对大多数脑区而言）两壳层与四壳层协议之间的变化均小于5%。相比之下，用以描述纤维方向分布广度的量以及相关的“集中度”参数更为波动，因此被排除在网络构建之外。当研究者用最稳定的测量来加权连通组时，许多网络属性包括密度、全局效率、平均聚类和平均连接强度，在不同站点间是可重复的。一个例外是模块度——衡量网络如何清晰地划分为不同社区的指标；该指标对基础权重的小变化特别敏感。总体而言，以细胞外体积分数加权的连通组表现最差，多个图论指标在站点间一致性较差。

这对大脑健康为何重要

该研究表明，仅仅计数重建出的纤维不足以在大脑连线中寻找疾病标志。通过仔细选择稳定的微结构参数作为每条连接的权重，研究者可以构建更丰富、具有生物学基础的网络，这些网络的重要属性在不同扫描仪和协议之间是可重复的。在所测试的条件下，以分数各向异性、平均弥散率和神经元内体积分数加权的连通组似乎足够稳健，其基本网络统计量可作为干扰大脑连接性的疾病的候选生物标志物。同时，这项工作也提示了一些更脆弱的测量，例如模块度和某些高级微结构指数，应在更大规模、多中心的研究确认其可靠性之前谨慎对待。

引用: Cavallo, M., Ricchi, M., Axford, A. et al. A pilot study on protocol consistency and graph metric reproducibility in microstructure-weighted connectomes. Sci Rep 16, 8288 (2026). https://doi.org/10.1038/s41598-026-38964-z

关键词: 脑连接性, 弥散磁共振成像, 连通组, 网络可重复性, 微结构成像