青少年注意力缺陷/多动障碍的静息状态脑变异性

简介

默认模式网络(DMN)是一个分布式大脑区域的集合，在休息或内部导向的心理活动(1- - - - - -3.)，例如走神或做白日梦(4)．内省过程，例如思考自我，回忆个人过去的经历，或想象个人未来的事件，以及思考他人或他们的精神状态，通常涉及DMN (5，6)．相反，当大脑执行涉及外部刺激的认知任务时，这个网络是不活跃的，因此表现出与任务正向网络的反相关性(7- - - - - -9)．

患有注意力缺陷/多动障碍(ADHD)的人很难保持对任务的专注，很容易被无关的想法分散注意力(10，11)．DMN抑制不足，导致目标导向活动中自我反思或内省思想的侵入，或过度自发的走神(12)，会导致在执行任务时注意力涣散，从而干扰有效的认知表现(13)．反过来，这可能是ADHD症状和损伤的基础(14)．

虽然在任务参与过程中不稳定的DMN失活是ADHD的特征，但在该人群中，有有限的证据表明DMN在休息期间随时间的稳定。尽管对ADHD患者进行了大量静息状态功能磁共振成像(rs-fMRI)研究，报告DMN内连通性下降(15)，很少有研究探讨其静息态激活本身。因此，我们的目标是识别静息状态DMN激活的异常，并确定其与强度(即激活的增加或减少)或稳定性(即波动的增加或减少)的关系。我们还探讨了异常的性质是连续的(即，在静息状态下均匀分布在时间上)还是间歇性的(即，由规范激活和异常激活的交叉周期组成)。此外，我们的目的是比较ADHD个体DMN特征的变异性(即不稳定性和/或间歇性)，与正常发育的个体DMN特征的关键因素。注意力缺陷多动障碍(ADHD)患者DMN的异常自发激活中断了任务-积极网络在任务过程中的激活完整性(12，14)．同样，患有多动症的年轻人在休息时也可能难以维持DMN激活的完整性。在这项研究中，我们假设DMN激活的间歇性异常，而不是持续减少，将更准确地捕捉休息时ADHD患者的大脑。

我们进一步假设异常DMN激活可能会在ADHD个体中引入更大的变异性。此前只有少数研究验证了类似的假设。在大多数大规模网络中，目前或过去没有精神病诊断史的个体，rs-fMRI数据中的血氧水平依赖(BOLD)信号变异性随寿命(即6-85岁)呈线性下降。因此，静息状态信号变异性的减少可能是大脑功能成熟的规范轨迹的一个组成部分(16)．ADHD被认为是维持注意力和/或控制冲动能力的发育迟缓(17- - - - - -19）;因此，大脑信号变异性的延迟成熟可能有助于其发展。研究人员还检查了静息状态脑信号变异性与多动症之间的关系。20.)．最近，在患有和没有自闭症谱系障碍(ASD)的年轻人中测量了神经信号的可变性(21)．两项研究都应用了BOLD时间序列的均方连续差(MSSD)来测量大脑信号的变异性(22)，在诊断组和对照组的分类比较中，MSSD没有差异;然而，他们在评估MSSD和症状严重程度之间关系的维度分析中观察到大脑行为关联。尽管在包括DMN的区域，MSSD和ADHD症状严重程度之间观察到正相关，但在包括所有四个主要皮质叶的一组分布式大脑区域，MSSD和ASD行为严重程度之间存在负相关。研究人员发现MSSD与症状严重程度和年龄之间的关联方向存在差异，因此值得进一步研究。

广义估计方程(GEEs)是一种广泛用于纵向数据建模的统计方法。将BOLD信号时间序列作为一种纵向数据，以几秒钟的短暂间隔重复测量，我们应用gee来探索患有和没有ADHD的青少年大脑中BOLD信号的变化模式。的先天的假设表明，在患有多动症的年轻人中，BOLD信号较不稳定或不稳定。具体来说，我们希望观察到BOLD信号在时间上的一系列重大变化。首先，在患有多动症的年轻人身上会发现更多的显著变化，从而表明他们休息时大脑中神经信号的变异性增加。其次，当这些人在维持大脑默认模式状态方面遇到困难时，他们会更早地观察到显著的变化。第三，我们还预期在不稳定默认模式状态的个体中存在更多的高阶(即三次>二次>线性)显著关联。

总之，我们的目的是确定异常DMN激活是否会在ADHD个体中引入更大的变异性。我们希望观察到青少年ADHD患者异常静息状态神经信号的短暂间歇性质，以及他们在静息状态下维持默认模式状态完整性的困难。因此，例如，在扫描的前几分钟内，诊断组和对照组之间可能没有显著差异;然而，BOLD信号变化的差异在扫描后期会很明显，因此支持ADHD患者DMN异常激活的间歇性性质。在探索静息状态BOLD信号变化的可变性后，我们进一步探索了观察到的DMN激活的不稳定性与青少年ADHD DMN内功能连通性下降之间的相关性(15)．

材料与方法

参与者和数据采集

我们从公开的ADHD-200数据库(http://fcon_1000.projects.nitrc.org/indi/adhd200/)和ADHD-200预处理储存库(http://preprocessed-connectomes-project.org/adhd200/)．完整的数据集包括从8个国际站点收集的MRI扫描和表型信息。为了减轻对不同采集点的扫描仪和扫描参数的担忧，我们的目标是减少数据采集点的数量，但保留最大限度的参与者。考虑到我们的目的是检测BOLD时间序列的不稳定性和/或间歇性，除了更大的样本量外，我们优先考虑具有更大测量量(即扫描次数)的rs-fMRI数据。因此，我们使用了来自北京大学(232次扫描)和纽约大学(172次扫描)的数据，这是ADHD-200数据集中两个最大的数据收集点。对于那些大脑图像被收集了不止一次的参与者，我们使用了第一次数据收集的图像。

ADHD的存在是基于在两个地点使用儿童情感障碍和精神分裂症量表-当前版和终身版的评估。要求参与者惯用右手且智商在80以上。分别使用北京大学和纽约大学的注意缺陷/多动障碍评分量表iv (ADHD- rs - iv)和Conners家长评分量表修订版(CPRS-R-LV)评估ADHD症状的严重程度。参与者分别在北京大学和纽约大学扫描前至少48和24小时未服用精神兴奋剂。

ADHD-200数据包括结构MRI和rs-fMRI扫描的内部质量评估结果，这是“通过”或“可疑”的二进制数据。我们纳入了在结构MRI和rs-fMRI扫描中都“通过”且没有缺失IQ分数的年轻人。扫描过程中的头部运动是rs-fMRI研究中的另一个关键问题。根据ADHD-200数据中提供的10个头部运动参数，我们将低于上四分位数或低于下四分位数的2.2个四分位数范围单位以上的值标记为异常值(23)．我们排除了在10个头部运动参数中至少有一个异常值的年轻人。具体来说，在194名来自北京大学的参与者和216名来自纽约大学的参与者中，他们的数据是基于Athena管道进行预处理和发布的(24)，根据“通过”图像质量，分别保留了178名和111名参与者。在排除那些异常值(见补充表1有关详情)，两个网站分别有153名及101名参加者符合资格。在这些参与者中，分别有1名和8名参与者因智商得分不高而被进一步排除在外。最终，我们分析了105名青少年ADHD患者的数据(年龄:平均12.17，标准差2.31，中位数12.25;女性15.2%，男性84.8%)和140名典型发育青年(年龄:平均11.99，标准差2.28，中位数11.85;47.1%女性，52.9%男性)，年龄介乎7至17岁。

图像处理

我们使用神经局ADHD-200预处理库发布的预处理rs-fMRI数据。图像预处理使用Athena管道(24)．我们使用脑成像数据处理与分析从DMN区域获得了跨体素的区域平均BOLD信号(25)．我们使用Yeo的7-静息态网络分块图集(26)，重新采样到功能图像空间。

数据分析

我们使用Student's估计描述性统计数据和头部运动参数的组间差异t-检验和卡方检验，分别用于连续变量和分类变量。我们将gee应用于DMN的平均BOLD时间序列。由于来自重复测量的数据的相关结构(即BOLD信号)，我们使用了GEE，它既不假设正态分布，也不假设独立数据。两个数据采集点的扫描重复时间均为2 s。为了匹配测量的数量，我们丢弃了北京大学的一些后来的扫描，并分析了纽约大学和北京大学的172个扫描。为了达到我们的研究目标，我们进行了两组GEE分析，每组分析中有三个模型。考虑到大量的测量，我们并不期望整个时间序列适合特定的(例如，线性，二次和三次)模型;因此，我们将整个时间序列分成五个扫描(或10秒)的小单元，然后对每个单元应用GEE。

首先，我们分别分析了患有多动症的年轻人和健康对照组，以探索每组DMN随时间的平均BOLD信号的变化。我们测试了三个模型，即线性、二次和三次模型，其中我们连续地将z变换时间(zTime)、zTime平方和zTime立方添加到模型中，同时添加性别和年龄。时间变量为扫描时间点的顺序，取值范围为1 ~ 172。因变量为静息状态BOLD信号。

其次，通过分组合并，输入诊断变量与时间变量的交互项，检验ADHD组与对照组之间BOLD信号变化的统计学差异。GEE模型1包括年龄、性别、诊断、zTime和诊断× zTime的交互作用，而在模型2中增加了zTime平方和诊断× zTime平方的交互作用，在模型3中增加了zTime立方和诊断× zTime立方的交互作用。因变量为静息状态BOLD信号。

我们还测试了信号可变性的另一种测量方法，MSSD (16，20.，21，27，28)．计算BOLD时间序列的MSSD，并使用Student's比较ADHD组和对照组之间的MSSDt测试。使用Pearson相关系数，我们分别确定了北京大学和纽约大学样本ADHD症状严重程度与MSSD之间的相关性。这是因为两个数据收集站点采用了不同的ADHD症状测量方法。我们使用SPSS (version 25.0;IBM, Armonk, NY, USA)，并报告了显著性阈值为未校正的结果P< 0.05。此外，由于整个时间序列被分割成小单元，并且每个单元都重复测试，因此我们对多次比较应用了错误发现率(FDR)校正。

第三，我们测试了静息态DMN中BOLD信号的不稳定性与改变的功能连通性之间的关联。我们从Schaefer的7-网络400-区域皮层分组的91个感兴趣的DMN区域中提取了BOLD信号(29)，并进行基于网络的统计(NBS)，以分别确定前70次扫描和后70次扫描在区域间功能连通性方面的显著组间差异(30.，31)．70扫描标准是基于之前GEE分析的结果。我们将幸存下来的连接进行分组先天的集群定义阈值的三个共享节点共用成一个集群的超阈值边。随后，我们通过10,000个排列测试计算了集群中连接数量的家族误差(FWE)概率。我们将性别、智商和10个头部运动参数中的一个(即最大旋转时间点)作为协变量，因为它们在组间存在显著差异。年龄没有作为协变量，因为两组之间没有差异。我们使用NBS软件包(http://www.nitrc.org/projects/nbs/)，并使用brainnetviewer (http://www.nitrc.org/projects/bnv/） (32)．

结果

参与者的特征

患有多动症的青少年和对照组在年龄和数据收集点上没有显著差异(表1)．各组在性别、智商和多动症症状严重程度评分方面存在显著差异。多动症组的男性参与者比例高于对照组，智商得分低于对照组。在10个头部运动参数中，最大旋转时间点组间有显著性差异，对照组增加。

组内粗体信号变化

图1描述了患有和没有ADHD的青少年DMN中整个时间序列的BOLD信号波动。在对青少年ADHD和对照组的单独GEE分析中，我们观察到患者中大量显著的BOLD信号变化和高阶(即三次>二次>线性)显著关联，如预期的那样先天的（图2一个)．我们在将分析单位从5次扫描改为10次扫描时重复了这些发现(图2 b)．然而，在对照组中，早期扫描(即前1分钟内)出现了意想不到的显著BOLD信号变化，特别是在5次扫描中。这与我们的预期不一致，我们期望在扫描的后期阶段会有明显的BOLD信号变化。总的来说，基于简单的计数，控制组的年轻人在整个扫描过程中表现出边缘信号变化，而患有多动症的年轻人表现出更大的信号变化，特别是在扫描的后期(图2)．基于多次比较的FDR校正，无论分析单位是5次扫描还是10次扫描，均未观察到显著的BOLD信号变化。

BOLD信号变化的组间差异

在青少年ADHD和对照组的联合GEE分析中，对照组在早期扫描中观察到的变化没有引入显著的组间差异(图3)．此外，BOLD信号变化仅在扫描的后半部分有显著差异，特别是在前70次扫描(或140秒)后，因此支持青少年ADHD DMN异常激活的间歇性性质。当分析单位为5次或10次扫描时，这些发现是可比性的。基于多次比较的FDR校正，无论分析单位是5次扫描还是10次扫描，均未观察到BOLD信号变化的显著组间差异。

使用MSSD进行附加分析

青少年ADHD与对照组MSSD无显著差异。在患有ADHD的青少年和正常发育的对照组中，MSSD与ADHD症状严重程度(即北京大学的ADHD- rs - iv总分、注意力不集中和多动/冲动得分，以及纽约大学的CPRS-R-LV ADHD指数、注意力不集中和多动得分)之间没有观察到显著相关性，无论整个时间序列、前70次扫描或后70次扫描计算MSSD。当在女性和男性参与者中分别进行Pearson相关分析时，没有观察到显著的相关性。

BOLD信号可变性和连通性之间的关系

考虑到前70次扫描后GEE分析中发现的显著差异，我们分别对前70次扫描和后70次扫描应用了NBS，从而仅在下一组扫描中预测功能网络的显著差异。NBS的分析在前70次扫描中没有显示出组间的显著差异，而在接下来的70次扫描中，在患有多动症的青少年的DMN中观察到一个连接显著降低的网络(fwe校正)P< 0.05, 10000个排列;图4，补充表2)．

讨论

我们观察到ADHD患者和非ADHD患者静息状态BOLD信号波动的间歇性变化。正如预期的先天的在ADHD青少年中观察到更多的显著变化和高阶(即三次>二次>线性)多项式显著关联，从而表明他们休息时DMN的每时每秒BOLD变异性可能增加。此外，我们在这些个体中发现了明显异常的静息状态DMN激活。正如预测的那样先天的，上述异常的性质是间歇性的，而不是连续的。此外，显著性差异主要是在诊断和时间变量之间的相互作用，而不是诊断本身，表明异常的核心特征在于BOLD波动随时间的可变性，而不是BOLD激活的强度。值得注意的是，在整体分析中没有观察到组间差异，仅在后期扫描中观察到，这表明静息状态DMN激活的维持存在一定程度的异常。综上所述，在休息时ADHD青少年的大脑中观察到神经信号的变异性增加，这表明他们的默认模式状态比正常发育的青少年更不稳定。

对照组早期扫描的变化是出乎意料的，并表明在休息开始时，患有多动症的年轻人的BOLD稳定得更快，尽管在联合分析中没有组间差异。目前尚不清楚这一发现是否反映了ADHD的另一个核心特征(即，更快速的默认模式参与)，或者在分析之前需要放弃更多的初始扫描。与其他研究相比，雅典娜管道的预处理删除了前四卷中相对较少的数量。

我们还观察到青少年ADHD患者DMN内静息状态功能连通性下降，与之前的发现一致(15)．然而，这项研究补充到文献中，减少的连通性可能不是均匀分布在整个静息状态。相反，它只在后来的扫描中被观察到，与神经信号变异性增加的时期相吻合。换句话说，患有多动症的青少年的DMN在相对较短的时间内与正常发育的青少年的DMN功能相似;然而，患有多动症的年轻人可能很难保持这种状态。

在这项研究中涉及的91个DMN感兴趣的区域中，有28个区域参与了网络，ADHD青少年的连通性显著降低。静息状态功能连通性是基于不同大脑区域的大脑活动的相关性来测量的，因此可能与这些区域中神经信号的每时每刻变化模式密切相关。为了更好地理解BOLD信号可变性和功能连通性之间的关系，还需要进一步的工作。

在这项研究中，我们研究了一种探索每时每刻BOLD信号变化的新方法。GEE并不是什么新鲜事;然而，在神经影像学研究中应用甚少。相反，MSSD是最常用的静息状态脑信号变异性的测量方法之一，并已在ADHD (20.)， asd (21)和精神分裂症(28)．这些研究都没有观察到MSSD在大脑DMN中的显著差异，除了MSSD与症状严重程度之间的关联方向存在不一致之外。与之前的研究一致，我们没有观察到ADHD组和对照组之间的MSSD有显著差异。在整个时间序列中出现频繁异常变异性的情况下，MSSD可以是变异性的有力度量。相比之下，它在检测嵌入在冗长规范数据中间的相对较短持续时间的间歇性异常时可能不太敏感。

这项研究有一些局限性。首先，患有和没有多动症的年轻人在性别和智商方面并不严格匹配。考虑到我们的主要目的是分别探索患有多动症的青少年和正常发育的青少年的BOLD波动的变异性，我们没有进行个案匹配，这会减少样本量。相反，我们选择最大化每组的样本量，同时保持ADHD人群的典型特征(33)，例如男性参与者占多数(34)和智商下降约9分(35)．排除患有多动症和相对较低智商的年轻人会导致多动症组不准确地代表实际人群(36，37)．此外，如果ADHD和智商是负相关的，控制智商作为协变量，同时检查认知功能的组差异，将消除一些ADHD介导的方差(36，37)．基于这些考虑，我们将性别而非智商作为GEE分析的协变量。另一个原因是，第一组GEE分析分别在患有和没有多动症的青少年中进行，减轻了对智商差异的担忧。然后，我们在以下组间分析中保持协变量的一致性。然而，这些发现需要在与性别和智商更匹配的不同数据集中进行复制。同样地，对于患有多动症的人来说，躺在扫描仪中一动不动可能更具挑战性，这可以被视为他们典型特征的一部分。然而，扫描仪中的头部运动可对rs-fMRI研究产生严重的混杂影响(38，39)，即使在对每一组进行单独分析时，这也是有问题的;因此，我们采用了独立的标准来识别异常值，以排除那些移动超过预期的人，而不管他们的诊断状态如何。尽管如此，前70次扫描和后70次扫描仍然有可能具有不同的图像质量，因为后者的头部运动相对增加。这可能影响了分析结果。然而，要完全消除这种影响是非常困难的，也许会有人提出是否应该消除这种影响的问题，特别是在多动症的研究中，因为如果不是一般儿童(甚至成人)的特征，长时间躺着不动是多动症儿童的典型特征。然而，在这项研究中，考虑到运动参数的唯一差异是对照组的最大旋转增加，ADHD儿童似乎并不特别容易受到扫描仪中的运动影响。在这项研究中值得注意的是，由于最大旋转的异常值而被排除在分析之外的参与者数量在ADHD组中显著增加(见补充表1)．其次，我们使用了来自两个不同地点的数据，即北京大学和纽约大学，这引起了人们对MRI机器差异的潜在偏差的担忧。然而，在两个站点之间，ADHD和对照组参与者的比例没有发现差异，这两个站点的比例大约为3:2，相对匹配得很好;因此，它可能不太可能引入虚假的组间差异。第三，我们使用Yeo的7静息态网络分割图谱和整个感兴趣的DMN区域。DMN是分布式大脑区域的集合，我们没有在这些区域中分别测试我们的假设。尽管这些区域在休息时是同步激活的，但它们的活动可能会表现出一些不一致。因此，如果我们分别在这些区域测试我们的假设，其中一些可能会与我们的假设一致，而另一些则不会。因此，我们打算通过将整个DMN作为一个整体并分析区域平均BOLD信号来关注信号的同步成分。然而，还需要进一步的工作来澄清这些发现是否适用于其他地图集或网络的不同子区域。 Fourth, as a resting-state study, there was no time-locked driver for BOLD signals similar to that in task-based fMRI, which can synchronize the temporal event more effectively across the participants. For example, the start time of each participant's resting mental state may have been shortly after they were lying down in the scanner, but if the start time of the actual scanning had been a variable (e.g., delayed for some participants), it may have introduced confounding influences. However, no data were collected on the duration between the beginning of a participant's resting mental state and that of their fMRI data acquisition. Further studies are warranted to verify whether these findings are a reliable pathological effect or some coincidence in the fluctuating resting-state BOLD signals. Fifth, the findings were not significant after correction for multiple comparisons. However, it may be noteworthy that we did not aim to test a null hypothesis (e.g., BOLD signals do not change across time points) but to explore the nature of signal change across different time points and different participants. Calculating MSSD for all time points may not be sufficiently sensitive to detect brief intermittent changes in variability, whereas dividing them into small units of short duration and applying GEE to each unit can be more sensitive. However, it may introduce the problem of multiple testing. This warrants more sophisticated statistical methods for estimating the variability and/or intermittency of BOLD fluctuations.

总之，本研究表明，青少年ADHD DMN静息状态BOLD波动的变异性增加，特别是在扫描后期。与正常发育的青少年相比，间歇性地观察到增加的变异性，并与DMN内功能连通性下降有关。据我们所知，这是第一个应用GEE来研究静息态BOLD信号变化模式的研究。需要进一步研究ADHD患者异常静息状态神经信号的可变和间歇性性质，以及他们维持默认模式状态的困难。

数据可用性声明

本研究中使用的数据可从ADHD-200数据库(http://fcon_1000.projects.nitrc.org/indi/adhd200/)和预处理存储库(http://preprocessed-connectomes-project.org/adhd200/)．

道德声明

这项研究使用了从开放数据存储库获得的未识别数据，并获得了首尔国立大学医院机构审查委员会的豁免审查。

作者的贡献

S-BH负责研究概念和设计，下载和分析数据，并起草手稿。SH协助数据分析和研究结果的解释，并为重要的智力内容提供了重要的手稿修订。两位作者都严格审查了内容，并批准了最终版本的出版。

利益冲突

作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。

出版商的注意

本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。

致谢

作者感谢神经局和ADHD-200联盟分享数据。

补充材料

本文的补充资料可在以下网址找到://www.gosselinpr.com/articles/10.3389/fpsyt.2022.918700/full#supplementary-material

参考文献