脑小血管疾病(Cerebral small vessel disease, SVD)是导致认知功能下降和痴呆最重要的血管因素。需要可获得的、临床相关的和可重复的疾病生物标记物。MRI是诊断和监测疾病进展的首选方法。而MRI的发现也包括可见的组织病变，如白质高信号(WMH)、腔隙、微出血、脑萎缩等。扩散成像指标在解释临床缺陷和检测疾病进展方面通常优于传统的SVD成像指标，同时也实现了高度自动化。

Neurology杂志发文检验了多重扩散模型改善脑小血管疾病（SVD）的微结构改变的特征的假设，评估了处理速度、纵向变化和扩散指标的可重复性之间的关联。

该研究纳入了50例散发患者和59例遗传定义为SVD（伴有皮质下梗死和白质脑病[CADASIL]的常染色体显性遗传性动脉病）的患者的认知检测和标准化3T MRI（包括多重扩散成像）功能数据。采用简单的扩散张量成像（DTI）模型和2个高级模型：扩散峰度成像（DKI）和神经突方向分散度和密度成像（NODDI）。线性回归和多变量随机森林回归（包括常规SVD标记）用于确定扩散指标与处理速度性能之间的关联。通过线性混合模型对49例散发SVD患者进行纵向高频成像（总共459 MRI），通过线性混合模型评估了短期疾病进展的检测。10例CADASIL患者在2台不同的3T MRI扫描仪上连续扫描，确定了中心间重复性。

全脑扩散指标与处理速度之间的关联。对一组散发SVD样本、一组CADASIL样本和一组预先确定的具有较低SVD负担的CADASIL患者(白质高信号体积低于第三分位数; <Q3)。(A)每个扩散度量与处理速度之间的线性回归。颜色描述解释方差(R²)，圆大小描述p值。关联的方向由正负符号表示。(B)多变量随机森林回归，在常规SVD标记之上探索每个扩散度量的附加效益。图表明点估计和由RMSE下降评估的模型精度变化的95%置信区间。

局部扩散指标与处理速度之间的关联。对于每个扩散模型，描述了具有最高显著体素数量的度量。与平均扩散率(MD)相比，平均峰度(MK)和细胞外体积分数(fECV)导致显著体素(红色，经过多次比较校正后)增加了两倍以上。

在散发性SVD患者和SVD负担较低的CADASIL患者中，DKI的指标显示出与处理速度性能之间最强的关联（R ²高达21％），并且除了传统SVD成像标记物之外，还有最大的附加好处。DTI和DKI的几种指标在检测疾病进展中的表现相似。DTI和DKI指标的重现性极好（类内相关系数> 0.93）。NODDI指标的可重复性较差。

多重扩散成像和DKI改善了SVD中与认知相关的微结构白质改变的检测和表征。扩散指标的良好的可重复性支持它们在研究和临床护理中用作SVD标记。

综上所述，该研究评估了多重扩散成像和先进的扩散模型对SVD微结构组织改变的表征。主要发现是:(1)在两个独立样本中，DKI和NODDI的高级指标与认知缺陷的相关性最强;(2) DTI和DKI指标在检测短期疾病进展方面表现最佳;(3) DTI和DKI指标的重现性很好，但NODDI模型的指标的重现性不佳。这些发现鼓励在多中心研究和临床护理中使用多重扩散成像，特别是DKI来描述SVD相关的白质损伤。这项研究提供了I类证据，表明在SVD患者中，弥散MRI指标与处理速度性能相关。

原文出处

Konieczny MJ, Dewenter A, Ter Telgte A, et al. Multi-shell Diffusion MRI Models for White Matter Characterization in Cerebral Small Vessel Disease. Neurology. 2021;96(5):e698-e708. doi:10.1212/WNL.0000000000011213