生物医学网络科学Biomedical Network Science
网络鲁棒性、渗流与级联失效12 / 17

脑损伤与病变的网络后果

阅读
约 3 分钟

从“局部损伤”到“网络损伤”

传统神经心理学按损伤部位推断功能缺损,但临床上常见远离损伤部位的功能改变(远隔效应,diaschisis)。网络观点把局灶损伤看作对连接组的“删点”,其后果取决于被删节点在网络中的位置。脑网络的构建与枢纽、富人俱乐部见拓扑指标:小世界、模块、枢纽与富人俱乐部。

虚拟损伤与模拟攻击

  • Achard 等(2006,Journal of Neuroscience)在静息态 fMRI 构建的 90 区功能网络上做模拟攻击:网络对针对枢纽的攻击比同等的无标度网络更有韧性,对随机失效的韧性与之相当。
  • Honey 与 Sporns(2008,Human Brain Mapping)以及 Alstott、Breakspear、Hagmann、Cammoun 与 Sporns(2009,PLoS Computational Biology)把损伤放进动力学模型:在人脑结构连接组上模拟静息态活动,比较损伤前后的功能连接。Alstott 等发现损伤会改变远处脑区之间的功能连接,常常波及两侧半球;沿皮层中线和颞顶联合区附近的损伤引起大范围改变,初级感觉或运动区的损伤影响则较局限;影响大小部分可由损伤部位的结构网络指标预测。
  • Crossley 等(2014,Brain)在 56 名健康人的弥散张量成像网络上表明,靶向枢纽的计算攻击比随机攻击更大幅度降低网络效率;再对涵盖 26 种脑疾病、超过 2 万名受试者的 MRI 荟萃分析病灶图进行比较,发现跨疾病共有的灰质病变更可能位于正常连接组的枢纽,其中 9 种疾病(包括精神分裂症和阿尔茨海默病)单独达到显著。

病人数据:不是所有“枢纽”都一样

  • Gratton、Nomura、Pérez 与 D’Esposito(2012,Journal of Cognitive Neuroscience)用局灶损伤病人的静息态 fMRI 发现:只有损伤负责子网络之间通信的“连接者”区域(高参与系数)才会降低全脑模块度,模块内“枢纽”的损伤则不会;而且这种网络紊乱延伸到结构上完好的对侧半球。
  • Warren 等(2014,PNAS)追踪 30 名局灶损伤病人的长期认知结局:19 人损伤位于按系统密度和参与系数定义的“目标枢纽”,11 人损伤位于按度中心性定义的“对照枢纽”。前者出现严重而广泛的认知缺损,后者的缺损较局限。

这些研究共同提示:在脑网络中,高度(尤其是功能相关网络中的度,受子网络大小影响)不一定是损伤后果的最佳预测指标,跨模块整合的位置(连接者、参与系数)可能更关键。本页代码用一个模块化随机网络演示了这一点:删除 6 个连接者使全局效率下降明显多于删除 6 个模块内枢纽或随机节点,同时模块度反而升高(模块变得更孤立)。

虚拟损伤研究的局限:(1)结构连接组来自健康人,忽略了损伤后的可塑性和代偿重组;(2)功能网络的“度”受网络构建方法(阈值、全局信号回归)影响很大;(3)模拟删点不等于真实病灶——卒中会损伤白质纤维(更像删边),神经退行性病变是渐进的、选择性的“攻击”;(4)病人研究样本小、病灶位置不随机。综述见 Fornito、Zalesky 与 Breakspear(2015,Nature Reviews Neuroscience)。