Alzheimer's Research & Therapy|将周期成分中的β与θ功率比作为MCI和AD的潜在生物标志物

图片

背景 

阿尔茨海默病（AD）与脑电图（EEG）异常有关，包括β与θ频率的功率比。与AD相比，轻度认知障碍（MCI）的EEG研究在识别这类异常方面的一致性较低。一个潜在原因是未排除与认知关联性较小的EEG非周期性成分。本研究探讨非周期性和周期性EEG成分在AD或MCI与健康对照（HC）个体中的不同变化，以及基于周期的β/θ比率是否能更好地将MCI与AD和HC组区分开来。 

方法 

收集了44名HC（平均年龄（SD）=69.1（5.3））、114名MCI（平均年龄（SD）=72.2（7.5））和41名AD（平均年龄（SD）=75.7（6.5））参与者的数据。比较三组间的非周期性和周期性成分以及全频谱EEG。通过逻辑回归分类的接收者操作特征曲线来区分各组。最后，探讨认知表现与基于全频谱或周期频谱的β/θ比率之间的关系。

采集脑电信号时，参与者坐在椅子上，在放松的状态下闭上眼睛，同时避免移动头部或眼睛，或睡觉，在1000 Hz的采样频率下持续10 min。预处理之后作者使用“fooof”（拟合1/f）工具箱对总功率谱进行参数化；对功率谱进行序贯分解，分为其非周期性和周期性成分，采用最小二乘法优化模型谱。随后通过总周期成分的功率（通过周期成分的总功率归一化）来计算周期成分的谱，以考虑个体间的差异，以便计算平均值。基于Welch方法在1-45 Hz的频域中计算EEG数据的总PSD，包括δ（1-4 Hz）、θ（4-8 Hz）、α（8-13 Hz）、β（13-30 Hz）和γ（30-45 Hz）。

结果

图1，HC、MCI和AD参与者的全脑平均相对功率谱密度曲线，包括全功率谱及其周期成分（节律性振荡）和非周期成分（分形背景成分）。

图片

图1全脑平均相对功率谱密度曲线

MCI组与HC组相比，在枕叶区域的β/θ功率比上存在显著差异，MCI组该比率低于HC组，表明枕叶区域的β/θ功率比可能是一个有效的生物标志物，有助于区分轻度认知障碍和健康状态。

图2，评估HC、MCI和AD组在额叶、颞叶、中央、顶叶和枕叶五个脑区的全功率谱相对功率，包括δ、θ、α、β、γ频段及β/θ功率比。MCI组与HC组相比，在枕叶区域的β/θ功率比上存在显著差异，MCI组该比率低于HC组，表明枕叶区域的β/θ功率比可能是一个有效的生物标志物，有助于区分轻度认知障碍和健康状态。

图片

图2不同脑区全功率谱分析

图3，与全功率谱分析类似，周期成分分析也显示AD患者在多个频段的相对功率与HC组和MCI组存在差异。同时进一步证实了MCI组与HC组在枕叶区域β/θ功率比上的显著差异，且周期成分分析相较于全功率谱分析能更有效地凸显这一差异，说明排除非周期成分的干扰后，周期成分中的β/θ功率比在疾病区分上具有更高的敏感性和特异性。

图片

图3不同脑区周期性成分分析

图4，比较基于周期成分和全功率谱的β/θ功率比在区分AD、MCI和HC组参与者时的分类性能，以及蒙特利尔认知评估量表（MoCA）总分的分类性能，通过接收者操作特征曲线下面积（AUC）进行评估。

图片

图4分类性能评估

基于周期成分的β/θ功率比在区分AD与HC组以及AD与MCI时，分类性能优于基于全功率谱的β/θ功率比，其AUC值更高。尽管MoCA总分的AUC值最高，但周期成分的β/θ功率比仍展现出较好的分类效果，提示其可作为辅助诊断工具，与临床认知评估工具相结合，为疾病诊断提供更全面的信息。

图5展示基于周期成分和全功率谱计算的枕叶β/θ功率比与蒙特利尔认知评估量表（MoCA）总分之间的关联。

图片

图5部分回归图

两种回归模型均显示β/θ功率比与MoCA总分之间存在显著关联，表明β/θ功率比与认知功能表现密切相关。这一发现支持β/θ功率比作为一种潜在的神经生理学标志物，可用于反映认知状态的变化，并可能在监测疾病进展和评估干预效果方面具有重要价值。

结论

与全频谱EEG分析相比，基于周期的分析显示MCI个体在β/θ比率上与健康个体不同。在EEG研究中关注周期成分，无论是否结合其他神经退行性疾病的生物标志物，都可能产生更可靠的结果，从而将MCI与健康衰老区分开来，这对于设计预防干预措施具有重要价值。