脑肿瘤患者语言重组的静息态共激活模式研究

《Neural Plasticity》：Resting-State Coactivation Patterns of Language Reorganization in Brain Tumors

　　

研究人员采用功能磁共振成像的共激活模式(CAP)分析方法，探究左半球脑肿瘤患者语言重组相关的静息态脑活动时序动态特征。这项回顾性研究纳入106例右利手患者，术前均接受静息态与任务态功能磁共振成像检查。通过音素流畅性任务确定语言优势，CAP分析识别重复出现的全脑激活模式。比较典型语言优势组与非典型语言优势组、术后失语组与无失语组的CAP动态属性（包括持续性、转换次数、入度与出度）。研究识别出6种对应已知功能网络的独立CAP。非典型语言优势患者较典型优势患者表现出更高的背侧默认模式网络(dorsal DMN; CAP2)出度(p=0.004)与转换次数(p=0.006)，以及更低视觉空间网络(visuospatial network, VSN; CAP3)持续性(p=0.002)。无术后失语患者表现为更高的VSN CAP6转换次数(p=0.024)。研究人员构建逻辑回归模型评估术后失语预测效能：联合CAP指标与语言偏侧化指数(laterality index, LI)的模型表现出良好预测性能（曲线下面积[AUC]=0.851，准确率=82.4%，灵敏度=71.9%，特异度=88.1%），优于仅基于LI的模型（AUC=0.640，准确率=67.0%）。肿瘤类型或体积未观察到显著差异。研究结果表明，CAP动态可捕捉与语言优势及术后结局相关的独特神经状态，特定CAP指标有望作为功能重组的潜在影像学生物标志物，为脑肿瘤患者的预后评估与手术规划提供支持。

该研究发表于《Neural Plasticity》，聚焦左半球脑肿瘤引发的神经可塑性与语言功能重组机制这一临床核心问题。既往研究已证实脑肿瘤会破坏远距离功能连接、降低网络分离度与效率，进而导致认知缺陷；同时大脑可通过功能重组代偿肿瘤生长或切除带来的影响，尤其体现在语言功能上——左半球肿瘤患者的语言加工常随时间推移向瘤周区域或右侧半球偏移，这一现象直接影响手术切除范围决策与术后预后评估。然而当前临床仍缺乏可靠手段区分适应性语言重组（功能保留或改善）与不良适应性改变（低效或无代偿意义的激活），传统静息态功能磁共振成像的静态平均分析方法也难以捕捉瞬时、有意义的脑状态波动，限制了对语言重组动态机制的解析。在此背景下，研究人员首次将共激活模式(CAP)分析应用于脑肿瘤患者静息态功能磁共振成像数据，旨在揭示语言优势偏移与术后语言结局背后的脑状态动态规律。

研究纳入2016年1月至2025年7月符合纳入标准的106例左半球单发病灶右利手成年患者，所有患者术前均完成标准化静息态与音素流畅性任务态功能磁共振成像扫描，术后1周由神经内科医师完成包含言语流畅性、复述、命名、理解的多维度语言功能评估。关键技术方法包括：采用k-means聚类法从全脑静息态数据中识别6种稳定CAP，通过余弦相似度将其映射至已知静息态网络(RSN)；基于任务态功能磁共振成像计算全半球语言偏侧化指数(LI)，以LI≥0.2界定左侧优势(LD)、LI<0.2界定非典型优势(AD)；量化各CAP的动态指标（持续性、转换次数、入度、出度）；采用Benjamini-Hochberg校正的多重比较t检验与方差分析比较组间差异，构建逻辑回归模型验证CAP指标对术后失语的预测价值。

研究结果如下：

3.1 参与者

最终纳入106例患者（男性63例，女性43例，年龄61.15±8.95岁），其中高级别胶质瘤(HGG)72例、低级别胶质瘤(LGG)19例、转移瘤15例；肿瘤部位以额叶(39例)、顶叶(24例)、颞叶(26例)为主。62例为左侧语言优势(LD)，40例为非典型语言优势(AD)，4例无法判定；32例术后出现失语症。

3.2 CAP分析

识别出6种CAP分别对应已知功能网络：CAP1为腹侧默认模式网络(vDMN)去激活，CAP2与CAP5分别为背侧默认模式网络(dDMN)去激活与激活，CAP3与CAP6分别为视觉空间网络(VSN)去激活与激活，CAP4为执行控制网络(ECN)激活。组间比较显示：非典型语言优势患者较左侧优势患者表现出更高的CAP2（dDMN去激活）出度(p=0.004)与转换次数(p=0.006)，以及更低的CAP3（VSN去激活）持续性(p=0.002)；无术后失语患者较失语患者表现出更高的CAP6（VSN激活）转换次数(p=0.024)。肿瘤类型、体积对各CAP动态指标无显著影响，仅顶叶肿瘤的CAP2转换次数与入/出度略高于其他部位肿瘤。逻辑回归预测结果显示：联合CAP指标与LI的模型AUC达0.851，准确率82.4%、灵敏度71.9%、特异度88.1%，显著优于仅含LI的模型（AUC=0.640，准确率67.0%）。

讨论部分指出，该研究首次发现视觉空间网络(VSN)参与是术后无失语患者的重要特征，挑战了既往仅关注域通用网络（如认知控制网络CCN、默认模式网络DMN）或对侧语言同源区招募的语言重组模型，提示跨模态代偿机制的存在——当语言网络受损时，非语言特异性系统（如负责空间-注意加工的VSN）可通过提供支架作用辅助语言功能的访问与提取，类似盲人群体视觉通路重组支持其他感知加工的现象。同时，非典型语言优势患者表现出的dDMN去激活增强，反映了肿瘤患者有效重组依赖于更强的DMN抑制能力，从而为认知控制网络(CCN)的任务相关激活创造有利条件。研究进一步证实，CAP动态指标可提供超越传统语言偏侧化指数的预测信息，为术前识别适应性重组患者、优化手术切除策略提供了新型影像学生物标志物。

研究结论明确：左半球脑肿瘤患者的适应性语言重组不仅涉及域通用网络，还包含视觉空间网络(VSN)的增强参与，体现了跨模态代偿机制的存在；基于CAP分析的动态网络指标可有效预测术后语言结局，为个体化手术规划与神经功能保护提供客观依据。