Церебральная микроангиопатия (ЦМА)/болезнь мелких сосудов, ассоциированная с возрастом и сосудистыми факторами риска, является главной причиной сосудистых и смешанных когнитивных расстройств (КР) [1—6]. МРТ — основной метод диагностики ЦМА и уточнения влияния патологии на развитие дегенеративного поражения [7—9]. Среди МРТ-признаков ЦМА прогрессирующее поражение белого вещества (T2/FLAIR — гиперинтенсивность белого вещества (ГИБВ)/лейкоареоз) показало наиболее тесную связь с когнитивным снижением [10]. Однако в значительном количестве случаев ЦМА выраженность ГИБВ не соответствует тяжести КР [11, 12], что может быть объяснено гетерогенностью патофизиологических механизмов поражения белого вещества и разной степенью его дегенерации [12, 13]. Диффузионная тензорная МРТ (ДТ-МРТ), использующая измерение диффузии воды для количественной характеристики состояния микроструктуры белого вещества головного мозга, показала значимые преимущества в характеристике тяжести ЦМА при оценке визуально неизмененного белого вещества (НИБВ) [11, 12, 14]. Доступность чувствительных интегративных показателей КР на основе состояния микроструктуры белого вещества по ДТ-МРТ может иметь высокое значение как для клинических исследований, так и для реальной практики. Это связано с медленным темпом нарастания КР, что требует оценки эффективности лечения на очень большой выборке [15, 16]. Ранее было установлено, что у пациентов с ЦМА и умеренными КР (УКР) снижение фракционной анизотропии (fractional anisotropy, FA) и увеличение средней диффузии (mean diffusivity, MD) при поправке на демографические и нейровизуализационные переменные, включая атрофию коры, имеют исключительную связь с Монреальской шкалой когнитивной оценки (MoCA) — основным инструментом скрининга сосудистых КР [17]. Снижение FA и увеличение MD в визуально НИБВ, по сравнению с выраженностью ГИБВ, лакун и атрофии, показали преимущества в оценке характерных для ЦМА изменений нейропсихологического профиля — нарушении управляющих функций мозга и скорости обработки информации [18—20]. Установленные в эксперименте ДТ-маркеры демиелинизации — радиальная диффузия (radial diffusivity, RD) и аксональной дегенерации — аксиальная диффузия (axial diffusivity, AD) [21, 22] при ЦМА с УКР характеризовались повышением в НИБВ, при этом RD показала лучшую предиктивность по сравнению с AD в отношении снижения управляющих функций мозга [23]. O. Williams и соавт. [24, 25] был предложен метод автоматической сегментации ДТ-МРТ с получением коэффициента суррогатной меры тяжести ЦМА, связанного с нарушениями управляющих функций мозга, скоростью обработки информации, глобального познания и прогнозирующего КР на протяжении нескольких лет наблюдения. Однако очевидно, что в условиях сложного нейропсихологического профиля ЦМА [23, 26—28], обусловленного гетерогенностью механизмов повреждения и высокой коморбидностью с дегенерацией [12], чувствительные показатели микроструктурной целостности, характеризующие КР при ЦМА, могут быть получены при использовании анализа, основанного на выборе зон интереса (Region of Interest — ROI анализ), ранее показавших свою связь с тяжестью КР. Так, нерешенным остается вопрос о ведущем значении для КР при ЦМА поражения глубокого или перивентрикулярного белого вещества. Нейроморфологические исследования показали, что изменения в перивентрикулярном и глубоком белом веществе имеют различную этиологию [13], что подтверждается различиями в нейропатологических предикторах перивентрикулярной и глубокой ГИБВ [29]. В настоящем исследовании в качестве ROI были выбраны разные отделы НИБВ полушарий [30], мозолистого тела, поясных извилин и гиппокампы, которые оценивались с помощью FA, MD, AD, RD метрик у пациентов с ЦМА и разной тяжестью КР. Данные использовались для построения предиктивной модели КР с выявлением чувствительных и специфичных показателей микроструктуры мозга, характеризующих тяжесть КР и позволяющих рассчитать интегративный показатель состояния КР у пациента с ЦМА.

Материал и методы

В исследование были включены 74 пациента в возрасте 46—70 лет с ЦМА, диагностированной в соответствии с МРТ-критериями STRIVE [7] и жалобами на состояние когнитивных функций. Пациенты с ГИБВ стадии Fazecas I включались в исследование при наличии артериальной гипертензии 2-й и 3-й степеней и/или ≥1 лакунарного инфаркта.

Критериями невключения в исследование явились: тяжелая деменция [31]; изолированные амнестические КР вследствие вероятной болезни Альцгеймера по критериям NIA-AA [32]; пациенты с малыми подкорковыми инфарктами/лакунами давностью менее 3 мес; ЦМА вследствие другой установленной причины (генетическая, воспалительная, тромбофилическая, тяжелая мигрень в анамнезе); атеросклеротический стеноз экстра- или интракраниальных артерий более 50%; тяжелая соматическая патология — кардиальная (фракция выброса менее 50%), эндокринная (сахарный диабет 1-го или 2-го типов с тяжелыми сосудистыми осложнениями), декомпенсация заболеваний щитовидной железы, болезни почек (хроническая почечная недостаточность со скоростью клубочковой фильтрации <30 мл/мин); неконтролируемая артериальная гипертензия [33] и противопоказания к МРТ.

Группу контроля составили 18 здоровых, сопоставимых по возрасту и полу, без МР-признаков поражения головного мозга и когнитивных жалоб.

У всех участников исследования оценивалось наличие классических сосудистых факторов риска — артериальной гипертензии, гиперхолестеринемии, ожирения, сахарного диабета 2-го типа и курения.

Включенные в исследование пациенты с ЦМА и здоровые были правшами. Тяжесть КР определяли при оценке MoCA [34] и независимости в повседневной жизни [31]: при сумме баллов более 26 и жалобах на состояние когнитивных функций — субъективные КР (субКР), менее 26 и независимости — УКР, менее 26 и зависимости — деменция.

МРТ-исследование головного мозга проводилось на магнитно-резонансном томографе Siemens MAGNETOM Verio 3 Тл («Siemens Medical Systems», Германия). Стандартная МРТ включала режимы, необходимые для оценки МРТ-признаков ЦМА в соответствии с критериями STRIVE [7]: T2-взвешенные изображения (время повторения (TR — time repetition) 4000 мс; время эхо (TE — time echo) 118 мс, толщина среза 5 мм, межсрезовый интервал 1,5 мм; продолжительность 2 мин 2 с); 3D FLAIR с изотропным вокселом (1×1×1 мм) в сагиттальной проекции с последующей реконструкцией изображений во всех трех плоскостях (TR 6000 мс, TE 395 мс; продолжительность 7 мин 12 с); 3D Т1-mpr в сагиттальной проекции для получения изотропных анатомических данных (TR 1900 мс, TE 2,5 мс; толщина среза 1,0 мм; межсрезовый интервал 1 мм; продолжительность 4 мин 16 с); DWI в аксиальной проекции (TR 6600 мс, TE 100 мс, 25 срезов, толщина среза 4 мм, 2 b-фактора=0 и 1000 с/мм², 3 направления диффузии; продолжительность 2 мин 04 с); SWI в аксиальной проекции с получением 88 аксиальных срезов фазовых и магнитудных изображений с толщиной среза 1,2 мм (TR=28 мс, TE=20 мс, время исследования: толщина среза 1,2 мм, продолжительность 8 мин 12 с).

Диффузионные данные были получены при помощи спин-эхо эхо-планарной последовательности с 3 диффузионно-взвешенными значениями (b=0, 1000 и 2500 с/мм²) для 64 направлений кодирующих диффузионных градиентов; TE/TR 115/12600 мс; матрица 100×100, разрешение 2×2×2 мм³; количество возбуждений =1, GRAPPA acceleration factor 2. ДТ-МРТ использовалась для построения карт FA, MD, RD и AD с последующим ROI-анализом. ROI объемом 2 мм³ выделяли вручную независимо друг от друга два нейрорадиолога (стаж работы 10 лет) на b0-изображениях с последующим проецированием на 4 карты диффузионных метрик в программе ITK-Snap (https://itksnap.org). Надежность выбранных ДТ-значений ROI оценивали с помощью внутриклассовых коэффициентов, которые для всех случаев составили более 0,7. В последующем анализе использовались средние значения 2 измерений ROI.

Выбранные ROI представлены на рис. 1. Они включали центры переднего, переднесреднего, заднесреднего и заднего отделов мозолистого тела [35]; переднего, среднего и заднего отделов поясной извилины [36]; головки гиппокампов; НИБВ полушарий [30]. Для выбора ROI в НИБВ полушарий на сагиттальных изображениях проводили формализованный срез через тела боковых желудочков выше подкорковых структур, после чего на аксиальных изображениях выделяли ROI на условных осях переднего (переднелобная область) и заднего (височно-теменная область) рогов боковых желудочков, тела бокового желудочка (заднелобная область), раздельно в перивентрикулярном (3—13 мм от стенки боковых желудочков) (пНИБВ), юкстакортикальном (4 мм от кортикомедуллярного перехода) (юНИБВ) и глубоком (между двумя описанными зонами) белом веществе (гНИБВ). Контроль выделения ROI достигался оценкой местоположения маркера по всем 3 проекциям (аксиальной, сагиттальной, фронтальной) с помощью 3D-курсора, для НИБВ полушарий сверялся с расположением ГИБВ на T2/FLAIR изображениях. При отсутствии в проекции ROI полушарий НИБВ, ROI выделялась по вертикали на 1—2 среза выше и ниже, по горизонтали — с отступом в стороны до 5 мм от основной оси. Полученные зоны сохранялись в виде бинарных масок и в дальнейшем использовались для оценки значений диффузионных метрик в каждой области.

Рис. 1. Выбор ROI в пНИБВ (круг), гНИБВ (квадрат), и юНИБВ (треугольник) (а); переднем, переднесреднем, заднесреднем и заднем отделах мозолистого тела (б); переднем, среднем и заднем отделах поясной извилины (в); гиппокампе (г).

В предиктивную модель КР были включены все ROI мозолистого тела, поясной извилины и НИБВ левого полушария. Последние имели значимые отклонения средних от контроля для большего количества зон по сравнению с ROI правого полушария при отсутствии различий между ROI НИБВ левого и правого полушарий. Данный выбор в том числе обосновывался доминантностью левого полушария у всех исследуемых пациентов.

Для расчета объема ГИБВ 3D-FLAIR изображения приводились к единому стереотаксическому пространству MNI (Montreal neurological institute) в программе SPM12 (https://www.fil.ion.ucl.ac.uk/spm). Далее последовательно проводилась сегментация ГИБВ в программе LST [37], проверялась правильность сегментации и при необходимости ее мануальная коррекция в программе ITK-SNAP (https://itksnap.org), после чего в этой же программе рассчитывался объем ГИБВ всего головного мозга. Полученные данные сохранялись в качестве бинарной маски, с учетом которой в последующем создавалась маска НИБВ.

Исследование одобрено локальным этическим комитетом ФГБНУ НЦН (Москва). Все участники подписали добровольное информированное согласие на участие в исследовании.

Статистический анализ проводился с помощью программного обеспечения IBMSPSS 23.0 и R 3.4.3. Основной описательной статистикой для категориальных и порядковых переменных были частота и доля (%), для количественных переменных — среднее и стандартное отклонение. Во всех случаях использовали двусторонние варианты статистических критериев. Нулевую гипотезу отвергали при p<0,05. Качественные показатели по уровням группирующих переменных сравнивали при помощи критерия χ² или точного критерия Фишера. Значения количественных показателей сравнивали при помощи t-критерия Стьюдента. Для оценки взаимосвязи количественных показателей использовался корреляционный анализ Пирсона. Для оценки предсказательной способности отдельных показателей в развитии когнитивной недостаточности использовали бинарную логистическую регрессию. Адекватность подобранной логистической модели дополнительно оценивали посредством ROC-анализа по предсказанным моделью вероятностям (бинарного исхода) с определением площади под кривой и оптимальных пороговых значений с их чувствительностью и специфичностью.

Результаты

Характеристика пациентов с ЦМА и контроля по факторам риска, КР и МРТ-признакам представлена в табл. 1.

Таблица 1. Характеристика пациентов с ЦМА и контроля

Пациенты с ЦМА и контроль не имели различий по всем факторам риска, кроме артериальной гипертензии. Структура КР была представлена деменцией у 12 (16,2%) пациентов, УКР — у 33 (44,6%) и субКР — у 29 (39,2%).

Средние значения FA, MD, AD, RD в различных ROI у пациентов с ЦМА и их сравнение с контролем представлены в табл. 2 и 3.

Таблица 2. FA, MD в различных ROI в группе ЦМА и контроле

Таблица 3. AD, RD в различных ROI в группе ЦМА и контроле

Для оценки предсказательной способности показателей микроструктуры мозга (по FA, MD, AD, RD) выбранных ROI в диагностике КР у больных с ЦМА использовалась бинарная логистическая регрессия, где в качестве бинарного исхода был принят «0» для субъективных КР, а «1» для УКР и деменции. Полученная модель логистической регрессии описана на третьем шаге пошагового алгоритма включения предикторов. Омнибус-тест для коэффициентов модели показывает его высокую статистическую значимость, где p=0,00006 (статистика теста =22,120 — критерий χ²). На третьем шаге значение правдоподобия –2log составило 31,919. Коэффициент детерминации R² составил 57,7% дисперсии зависимой переменной, объясняемой факторами, включенными в модель. Исходя из критерия согласия Хосмера—Лемешоу, прогностическая модель, основанная на этих 3 предикторах, позволяет успешно классифицировать случаи в рамках деления выборки на 10 уровней (p=0,543).

В табл. 4 приведены данные построенной модели предикторов КР при ЦМА.

Таблица 4. Предикторы КР (бинарная логистическая регрессия, p<0,01)

В соответствии с моделью бинарной логистической регрессии наибольшей предсказательной способностью в отношении КР обладали 3 показателя AD — в пНИБВ задних отделов левой лобной доли, среднем отделе правой поясной извилины и заднесреднем отделе мозолистого тела.

В соответствии с моделью бинарной логистической регрессии прогнозируемая вероятность (P) КР у пациентов с ЦМА рассчитывается с помощью уравнения:

где e — основание натурального логарифма; z — линейная функция, которая рассчитывается по формуле:

constant+B₁×χ₁+B₂×χ₂+B₃×χ₃,

где χ_{1, 2, 3} — это значения AD в пНИБВ задних отделов левой лобной доли, среднем отделе правой поясной извилины и заднесреднем отделе мозолистого тела соответственно, а B_{1, 2, 3} — коэффициенты этих предикторов.

В соответствии с проведенным ROC-анализом представленная модель обладала хорошей предсказательной способностью в отношении КР у пациентов с ЦМА (AUC (95% ДИ): 0,845 (0,740—0,950)) (рис. 2). Пороговое значение модели AD-предикторов КР при ЦМА составило 0,53, чувствительность — 84%, а специфичность — 76%.

Рис. 2. ROC-кривая предиктивной модели КР у пациентов с ЦМА.

Соответствие отобранных логистической регрессией AD-детерминант КР у пациентов с ЦМА было подтверждено установленными для них значимыми корреляциями с объемом ГИБВ (для AD в пНИБВ задних отделов левой лобной доли r=0,410, p<0,001; AD в заднесреднем отделе мозолистого тела r=0,360, p<0,001), общим баллом MoCA (для AD в пНИБВ задних отделов левой лобной доли r=–0,508, p<0,001; в среднем отделе правой поясной извилины r=–0,559, p<0,001; AD в заднесреднем отделе мозолистого тела r=–0,218, p=0,038) и совпадением ответа при решении уравнения со значениями пациентов и контроля с полученными результатами нейропсихологического тестирования.

Обсуждение

Бинарная логистическая регрессия использовалась при построении предиктивной модели КР и расчета интегративного показателя КР у пациентов с ЦМА на основе данных ROI-анализа ДТ-МРТ (метрики FA, MD, AD, RD), отражающих тяжесть микроструктурного поражения и его характер — демиелинизирующее и/или аксональное повреждение. Выбор более трудоемкого ROI-анализа данных ДТ-МРТ у пациентов с ЦМА и КР был обусловлен значительной межиндивидуумной вариабельностью размеров желудочков и вещества мозга, что сопряжено с вероятностью искажения информации при проведении автоматических операций сопоставления карт диффузии по областям интереса, а выбор большого числа ROI — региональной избирательностью и гетерогенностью механизмов повреждения мозга [38], сложностью нейропсихологического профиля [23, 26—28]. При оценке тяжести КР учитывалась независимость пациента в повседневной жизни [31] и результаты общепризнанной для диагностики сосудистых КР шкалы MoCA [34], показавшей тесную связь с данными ДТ-МРТ при ЦМА [17]. ROI полушарий были отобраны в соответствии с делением белого вещества у пожилых [30], что наиболее полно соответствует особенностям его кровоснабжения и отвечает актуальности проблемы уточнения значения поражения глубокого или перивентрикулярного белого вещества при ЦМА [39]. ROI выделялись в юНИБВ, гНИБВ и пНИБВ на осях переднего и заднего рогов, а также тела боковых желудочков, поскольку в развернутой стадии данные зоны имеют большую выраженность ГИБВ — основного макроструктурного МРТ-признака ЦМА, ассоциированного с КР [10]. Выделение иных ROI, наиболее тесно связанных с КР, было проведено в соответствии с их признанным делением [30, 36]. Согласно модели бинарной логистической регрессии, AD в пНИБВ задних отделов левой лобной доли, среднем отделе правой поясной извилины и заднесреднем отделе мозолистого тела являются предикторами КР при ЦМА. Решение уравнения регрессии с использованием значений AD-предикторов с результатом, превышающим пороговую величину, указывает на наличие КР и, таким образом, может рассматриваться в качестве интегративного показателя тяжести КР. Проведенные корреляции AD в этих ROI с результатами шкалы MoCA, а также решение полученного уравнения со значениями пациентов с КР (УКР и деменция), субКР и контроля подтвердили возможность модели дифференцировать наличие КР. Все полученные ДТ-предикторы КР относятся к AD и характеризуются повышением значений по сравнению с контролем. Хотя изначально в эксперименте острой ишемии было установлено, что эквивалентом аксонального повреждения является снижение AD [21], в немногочисленных клинических исследованиях заболеваний хронического течения с вероятным аксональным повреждением отмечалось его повышение [23, 40]. В исследовании A. Lawrence и соавт. [23] у пациентов с УКР вследствие ЦМА выявлено однонаправленное повышение AD, RD по сравнению с контролем, при этом RD оказался более сильным предиктором дисрегуляторных нарушений, что позволило авторам сделать заключение о значении в их развитии ишемической демиелинизации, а не дегенерации аксонов. Имеются основания полагать, что повышение AD может быть следствием уменьшения плотности аксонов и расширения интерстициальных пространств, характерных для хронической стадии. Ранее при гистологическом исследовании у пациентов с субкортикальной прогрессирующей сосудистой энцефалопатией было установлено уменьшение почти на ¹/₄ количества нервных волокон в мозолистом теле и лобном белом веществе [41]. Кроме того, уменьшение плотности аксонов сопряжено с увеличением диаметра оставшихся, что показало связь с тяжестью КР у больных с рассеянным склерозом [42, 43] и, возможно, изменяет диффузию с повышением AD. Подтверждением данного предположения может служить то, что в купризоновой экспериментальной модели у мышей AD снижалась в острой стадии демиелинизации и не коррелировала с гибелью аксонов во время хронической стадии [44]. По мнению P. Winklewski и соавт. [22], значительная гибель аксонов в хронической стадии может приводить одновременно к увеличению AD и RD вследствие повышения изотропной диффузии. Экспериментальные и гистологические данные, предположения исследователей кажутся логичным объяснением повышения AD в качестве эквивалента аксонального повреждения в хронической стадии ишемии.

Сохранность структур с выделенными ROI-предикторами имеет приоритетное значение в обеспечении когнитивных функций, тогда как их повреждение связано с развитием КР [45—47]. Можно предположить, что включение в модель предикторов КР только трех AD-ROI означает, что условием развития КР при ЦМА является определенная степень аксональной гибели в данных структурах, что согласуется с ранее упоминаемыми гистологическими данными об уменьшении количества аксонов преимущественно в мозолистом теле и белом веществе лобной доли в развернутой стадии заболевания [41].

Таким образом, бинарная логистическая регрессия при использовании FA, MD, AD, RD у пациентов с МРТ-признаками ЦМА установила предикторы тяжести КР — AD в пНИБВ задних отделов левой лобной доли, среднем отделе правой поясной извилины и заднесреднем отделе мозолистого тела. Полученные данные соответствуют значению аксонального повреждения в этих зонах в качестве облигатного условия развития КР при ЦМА. Результат, получаемый при решении уравнения регрессии с использованием индивидуальных значений AD-предикторов и превышающий пороговую величину, может рассматриваться в качестве интегративного показателя КР. Установленные предикторы КР и рассчитываемый на их основе интегративный показатель тяжести КР потенциально могут использоваться в качестве инструмента оценки КР и эффективности лечения, а также в уточнении взаимодействия сосудистой и дегенеративной патологии и при разработке мер профилактики КР.

Работа выполнена в рамках государственного задания ФГБНУ НЦН.

Авторы заявляют об отсутствии конфликта интересов.