引用本文： 陳麗舟, 李倩, 羅樂凱, 陳穎, 李元媛, 何寧, 李飛. 不同亞型注意缺陷多動障礙患者的腦白質微觀結構差異及分類研究. 華西醫學, 2023, 38(3): 408-415. doi: 10.7507/1002-0179.202112070 復制
注意缺陷多動障礙（attention-deficit/hyperactivity disorder, ADHD）是兒童青少年時期常見的神經發育性精神障礙，在我國城市兒童中發病率高達 6.4%[1]。患者可根據癥狀維度分為注意缺陷型（inattentive subtype of ADHD, ADHD-I）、多動-沖動型（hyperactive-impulsive subtype of ADHD, ADHD-H）及混合型（combined subtype of ADHD, ADHD-C）。3 種亞型在臨床表現、行為問題、認知功能損害等方面既存在差異也具有共性[2]，但目前缺乏客觀的生物標志物對患者進行準確診斷。多模態 MRI 研究方法為揭示 ADHD 及其亞型的神經生物學基礎提供了新途徑。其中，采用基于水分子彌散運動特性的彌散張量成像技術（diffusion tensor imaging, DTI）可敏感描繪腦白質微觀結構特性，提供神經纖維束完整性的相關信息[3]。各向異性分數（fractional anisotropy, FA）是目前 DTI 研究中最常用的測量指標，反映了腦白質微觀結構的完整性。既往研究發現，ADHD 患者在廣泛腦區存在異常的 FA 值升高或降低改變[4-5]，但是針對 ADHD 亞型的 DTI 證據非常有限。隨著以機器學習為核心的人工智能技術的發展運用，結合 MRI 腦影像學數據，研究人員可在個體水平實現對 ADHD 患者的診斷分類。因此，本研究通過全腦基于體素分析方法（voxel-based analysis, VBA）探索不同亞型 ADHD 患者的腦白質微觀結構異常，并利用基于支持向量機（support vector machine, SVM）的機器學習方法得到空間分布的腦白質微觀結構區分模型，以期從個體水平對不同亞型 ADHD 患者進行鑒別診斷。
1 對象與方法
1.1 研究對象
前瞻性收集 2019 年 1 月－2021 年 9 月在四川大學華西醫院心理衛生中心就診的門診或住院患者。ADHD 組納入標準：① 符合《精神障礙診斷與統計手冊》第 4 版相關診斷標準[6]，由精神科醫生確立診斷，并且根據患者癥狀維度將其劃分為不同亞型；② 年齡 6～18 歲；③ 智商≥90；④ 右利手。ADHD 組排除標準：① 合并其他軸Ⅰ類精神障礙；② 正在服用抗 ADHD 藥物或有既往相關用藥史；③ 患有器質性軀體疾病；④ 存在 MRI 檢查禁忌證。健康對照者則通過網絡和宣傳海報招募收集。所有受試者智商測試均由四川大學華西醫院心理衛生中心測評室通過韋氏兒童智力量表第 4 版[7]完成。醫生采用《精神障礙診斷與統計手冊》第 4 版[6]非患者版結構化臨床訪談排除對照者罹患任何精神障礙的可能，并核實其一級親屬無任何精神障礙史。對照者其余排除標準同 ADHD 組。隨后，對納入的受試者進行行為癥狀評估和執行功能測試，包括：采用 Conners 兒童行為量表父母問卷（Conners Parents Rating Scale, CPRS）測量行為癥狀[8]，采用 Stroop 色字測試（Stroop Color and Word Test, Stroop-CW）測量干擾控制能力[9]，采用威斯康辛卡片分類測試（Wisconsin Card Sorting Test, WCST）測量認知靈活性[10]。本研究經四川大學華西醫院生物醫學倫理委員會批準通過［審批號：2019 年（925）號］，所有受試者均由監護人簽署知情同意書。
1.2 MRI 圖像采集
本研究采用 Siemens 3.0 T MR 成像系統，DTI 掃描采用單次激發平面回波成像序列，掃描參數：重復時間=6800 ms，回波時間=93 ms，層厚=3 mm、無層間距，視野=230 mm×230 mm，矩陣=128×128，單個體素大小=1.875 mm×1.875 mm×3 mm，b 值分別為 0 和 1000 s/mm2，彌散梯度方向 20 個，激勵次數 2 次，全腦共采集 50 層軸位圖像。掃描時對受試者使用耳塞及防噪耳機，并囑靜止平臥。由放射科醫生即時檢查掃描結果，如圖像有偽影則重復掃描該名受試者，如發現器質性腦結構異常，則剔除該名受試者。
1.3 DTI 圖像預處理
利用 FMRIB’s Software Library（FSL）軟件和 Statistical Parametric Mapping（SPM）軟件對 DTI 圖像進行預處理及 FA 參數圖的生成。主要步驟包括：利用 FSL-FDT 工具包對圖像進行渦流矯正及頭動矯正；通過 FSL-BET 工具包對圖像進行去顱骨處理，僅保留顱內實質圖像；最后通過 FSL-FDT fit 工具包生成 FA 參數圖；在 SPM 軟件中，用 b 值=0 的原始圖像配準到蒙特利爾神經學研究所（Montreal Neurologic Institute, MNI）空間的平面回波成像模板上，將配準得到的參數用于相應的彌散參數圖上，使所有參數圖配準到標準 MNI 空間；最后使用高斯函數進行空間平滑和降噪處理（半高全寬=6 mm）。
1.4 統計學方法
采用 SPSS 26.0 軟件進行受試者的人口學基本資料和量表測試結果的統計學分析。符合正態分布的定量資料采用均數±標準差表示，組間比較采用單因素方差分析，兩兩比較選擇 LSD 法；不符合正態分布的定量資料采用中位數（下四分位數，上四分位數）表示，組間比較采用 Kruskal-Wallis 秩和檢驗，兩兩比較采用“所有成對比較”（Bonferroni 法校正 P 值）；定性資料（性別）采用例數和構成比表示，組間比較采用 Fisher 確切概率法。雙側檢驗水準 α=0.05。
采用 SPM 軟件對 3 組受試者的 FA 參數圖進行 VBA 分析，包括 3 組間方差分析及事后兩兩比較，并以性別、年齡作為協變量。多重比較校正采用 AlphaSim 方法，利用所有受試者標準化后的平均全腦 FA 參數圖并取 FA>0.2 作為閾值生成二元掩膜，然后取未校正 P<0.005、連續體素>10、校正后 P<0.05 的腦區定義為具有統計學差異的區域。對于方差分析 3 組間比較 FA 有統計學差異的腦區，進一步利用 marsbar 工具包提取患者組在該腦區 FA 值，隨后利用 SPSS 軟件對 FA 值和行為癥狀和執行功能評分進行 Pearson 相關性分析，雙側檢驗水準 α=0.05。
運用 SVM 分類器及 t 分數特征選擇方法構建個體化 ADHD 診斷分類模型（ADHD-C vs. ADHD-I，ADHD-C vs. 對照者，ADHD-I vs. 對照者）。SVM 是一種以統計學原理為基礎的有監督學習方法，采用結構風險最小化原則，尋找能正確區分數據集并且幾何間隔最大的最優超平面，具有較高的穩健性及泛化能力[11]。t 分數特征選擇是一種過濾式特征選擇方法，通過每個類別的樣本量、均值、標準差計算得出，并按照 t 分數大小對特征進行降序排列，根據所需選擇的特征數目從前到后選擇[12]。本研究機器學習實現步驟包括：基于白質掩膜提取受試者所有白質體素的 FA 值；使用“留一交叉驗證法”進行分類模型訓練；使用 t 分數特征選擇方法進行特征篩選，取 P<0.001 作為特征選擇閾值；利用降維后的特征進行模型訓練；運用網格搜索交叉驗證尋找最優參數，超參數范圍為 10-10 到 1010，步長取 0.2，交叉驗證折數為 10；利用測試集數據測試分類模型，獲取最終分類準確率。為了解哪些腦白質區域對區分 ADHD 亞型和正常對照具有分類效力，本研究以每一折訓練均穩定存在的特征作為顯著貢獻特征，將其投射至高維人腦白質模板，生成二值腦圖；每個顯著貢獻特征的權重值為在所有折里該特征權重的均值，在每一折中特征權重即為 SVM 求解最優問題過程中得到的最優解，反映了該特征對分類任務的貢獻程度。
2 結果
2.1 人口學資料、臨床癥狀及執行功能情況
本研究共納入 26 例 ADHD-C 型患者（男性占比 88%）、24 例 ADHD-I 型患者（男性占比 88%）及 26 例對照者（男性占比 85%）。3 組受試者的年齡、性別、智商、出生體重及父母教育年限差異均無統計學意義（P>0.05）。在臨床癥狀方面，除焦慮因子外，3 組受試者的其余癥狀維度差異均有統計學意義（P<0.05），得分表現為 ADHD-C 型>ADHD-I 型>對照者（得分越高則癥狀越嚴重），其中 ADHD-C 型和 ADHD-I 型患者得分與對照者得分相比差異均有統計學意義（P<0.05），而兩種亞型患者之間則在品行問題、沖動多動和多動指數方面差異有統計學意義（P<0.05）。在執行功能方面，3 組受試者在 Stroop-CW 和 WCST 的各項得分中差異均有統計學意義（P<0.05），其中兩組患者在測試中的正確數均低于對照者，而錯誤數或用時則高于對照者，且 ADHD-C 型患者在測試中的評分差距較 ADHD-I 型患者更甚。見表1。
表1
ADHD 患者組與健康對照組的人口學、臨床癥狀及執行功能評估資料比較
2.2 ADHD 亞型腦白質結構改變
3 組受試者在雙側顳葉白質矢狀層及胼胝體峽部 FA 值差異有統計學意義（P<0.05），其中胼胝體峽部結果涉及局部胼胝體體部后份及右側扣帶束區域，3 組受試者在左側顳葉矢狀層的平均 FA 值分別為：ADHD-C 型=0.38，ADHD-I 型=0.39，對照組=0.43；在右側顳葉矢狀層的平均 FA 值分別為：ADHD-C 型=0.39，ADHD-I 型=0.40，對照組=0.45；在胼胝體峽部區域的平均 FA 值分別為：ADHD-C 型=0.41，ADHD-I 型=0.40，對照組=0.35。事后分析發現，在雙側顳葉矢狀層，ADHD-C 型和 ADHD-I 型患者的 FA 值均低于對照者，且前者 FA 值更低（ADHD-C 型<ADHD-I 型<對照者）；而在胼胝體峽部區域，兩組患者的 FA 值則均高于對照者，且 C 型較 I 型患者的 FA 值更高（ADHD-C 型>ADHD-I 型>對照者）。除此之外，兩組亞型患者的直接比較發現，ADHD-C 型患者較 ADHD-I 型患者在右側額中回白質存在 FA 升高（MNI：X=18，Y=40，Z=4，體素=93，t 值=3.88），而對照者在該腦區的 FA 值介于二者之間，且與兩組患者差異無統計學意義（P>0.05），3 組受試者在該腦區的平均 FA 值分別為：ADHD-C 型=0.40，ADHD-I 型=0.35，對照者=0.37。見表2 及圖1、2。
表2
C 型和 I 型 ADHD 患者組與健康對照組相比腦白質 FA 改變區域
圖1
C 型和 I 型 ADHD 患者組與對照組相比腦白質 FA 改變區域
C 型和 I 型 ADHD 患者組與健康對照組之間在胼胝體-右側扣帶束區域（黃色）及雙側顳葉矢狀層（藍色）FA 值差異有統計學意義（
圖2
C 型和 I 型患者組之間腦白質 FA 差異區域
ADHD-C 型患者相比 ADHD-I 型患者在右側額中回白質的 FA 值升高，而健康對照組在該腦區的 FA 值介于二者之間，且與兩組差異均無統計學意義（
2.3 腦白質結構改變區 FA 值與臨床癥狀及執行功能量表得分相關性
相關性分析發現，在 ADHD-I 型患者組，右側顳葉矢狀層 FA 值與 WCST 量表的“總正確數”呈正相關（r=0.520，P=0.013），與“持續錯誤數”呈負相關（r=–0.506，P=0.016），與“分類完成數”呈正相關（r=0.445，P=0.038）；在 ADHD-C 型患者組，右側額中回白質 FA 值與 CPRS 量表中的“心身障礙”因子呈正相關（r=0.544，P=0.006）。見圖3。其他相關分析結果無統計學意義（P>0.05）。
圖3
全腦白質 FA 值分析結果與執行功能量表得分相關性
a～c. ADHD-I 型患者右側顳葉矢狀層 FA 值分別與 WCST“總正確數”呈正相關（
2.4 SVM 分類預測模型效能
SVM 分析發現，基于全腦白質 FA 參數圖的 SVM 分類模型在對兩組 ADHD 亞型患者的分類預測中效能最高，其總體準確率達 76.0%（1000 次置換檢驗后 P=0.014），靈敏度達 88.5%，特異度達 70.8%，受試者操作特征曲線下面積達 0.867［95% 置信區間（0.865，0.871）］；而對于兩組亞型患者分別與對照者之間的分類模型，其總體準確率均未能通過置換檢驗校正（P>0.05）。對區分 ADHD-C 型和 ADHD-I 型兩組患者貢獻較大的腦區包含右側額中回、左側中央前回、左側中央后回、左側頂下小葉及左側額上回等腦白質區域。對于分類有貢獻的腦區中，體素最大的腦區位于右側額中回白質，與兩組亞型 ADHD 患者全腦白質比較所得的具有 FA 組間差異腦區位置重合。見表3。
表3
FA 參數圖區分 C 型患者與 I 型患者的權重腦區
3 討論
本研究發現，兩種 ADHD 亞型患者的行為癥狀和執行功能均劣于對照者，且總體而言 ADHD-C 型患者的臨床癥狀嚴重程度和執行功能損害程度較 ADHD-I 型更嚴重，尤其表現在多動沖動相關臨床維度方面。同時，二者在腦白質微觀結構改變方面既存在共性也存在差異，表現為雙側顳葉矢狀層 FA 值均降低及胼胝體峽部 FA 值均升高，且 ADHD-C 型異常程度同樣較 ADHD-I 型更顯著；但在右側額中回白質，ADHD-C 型患者的 FA 值高于對照者，而 ADHD-I 型患者的 FA 值則低于對照者，并且該腦區的 FA 值可在個體水平對兩種亞型進行有效區分。
如前文所述，FA 值的病理生理機制復雜，多種因素可以直接或間接導致 FA 值改變。通常情況下，FA 值越高代表白質微觀結構完整性越好[13]，如髓鞘化程度更高或軸突密度更高；但同時 FA 值也與局部神經纖維交叉程度有關[14]，在纖維束排列一致性較高的腦區，其整體 FA 值也越高，故當其中部分神經纖維出現損害時，可導致其余走行方向的纖維束彌散一致性更高，從而表現出更高的 FA 值。本研究的相關分析發現：ADHD-I 型患者右側顳葉矢狀層 FA 值越低則 WCST 表現越差，提示認知靈活性越差，同時 ADHD-C 型患者右側額中回白質 FA 值與 CPRS 心身障礙得分呈正相關，即 FA 值越高則臨床癥狀越嚴重。上述結果說明，在本研究中，升高和降低的 FA 值均代表腦白質微觀結構損害。因此，我們推測 ADHD 患者可能同時存在多種形式的白質微觀結構損害，在不同腦區的彌散特征呈現方式也不盡一致。
顳葉矢狀層是顳葉內部的板狀白質結構，其內主要走行額枕下束和下縱束等長距離聯絡纖維，以及形成丘腦外側膝狀體至枕葉初級視覺皮質視覺通路的視輻射。其中，額枕下束經過顳葉中部直接從外側連接額葉和枕葉，且部分纖維束連接頂葉參與構成額頂葉腹側注意網絡；下縱束直接連接顳葉前部和枕葉，并經過鉤束間接連接于額葉。二者在走行上部分重疊，構成顳葉與額葉、枕葉腦區的主要白質通路，與注意轉換、視覺信息識別與加工及語言等高級功能密切相關[15]。既往多個針對 DTI 研究的 Meta 分析均發現，ADHD 患者在顳葉矢狀層白質或額枕下束、下縱束等白質纖維存在 FA 值異常改變[4-5, 16]，并且有學者發現 ADHD-I 型患者下縱束的 FA 值與其注意缺陷癥狀嚴重程度及總體認知功能評分有相關性[17]；另有學者發現 ADHD 患者右側額枕下束白質體積與其反應抑制評分存在相關性[18]。因此，本研究發現 ADHD 患者在雙側顳葉矢狀層的白質微觀結構損害，提示 ADHD 存在視覺信號傳輸通路異常，可能與患者的視覺記憶損害、注意力不集中等行為認知問題有關。
胼胝體作為最大的連合纖維，負責雙側大腦半球對應皮質區域間的神經信號傳導，在兩側信息溝通及大腦偏側化功能方面有著重要作用[19-20]；扣帶束是扣帶回內高度髓鞘化的纖維束，將扣帶皮質與額葉、顳葉及海馬旁回等腦區相連，是邊緣系統的重要組成部分。目前已有大量 DTI 研究證據顯示 ADHD 患者在胼胝體及扣帶束存在白質微觀結構異常，但是結論較為混雜。Aoki 等[16]對既往 VBA 研究及纖維束示蹤的空間統計（tract-based spatial statistics, TBSS）研究分別進行 Meta 分析后發現，在 VBA 研究中，ADHD 患者左側扣帶束中部至胼胝體體部以及胼胝體前部的 FA 值較對照者升高，而扣帶束前部 FA 值表現為異常降低；在 TBSS 研究中，ADHD 患者在胼胝體峽部及體部后份的 FA 值均低于對照者。這些差異可能與數據分析方法、頭動控制及樣本特征（如性別、年齡、用藥情況及合并癥等）等因素有關。在本研究中，ADHD 患者的胼胝體異常點主要位于峽部，其內纖維束以連接雙側感覺-運動皮質為主。盡管該腦區 FA 值與患者的臨床表現無相關性，但是該發現與 ADHD 患者伴發不同程度運動問題的實際情況相符[21]。既往任務態功能性 MRI（functional MRI, fMRI）研究發現，ADHD 患者在執行連續手指敲擊任務時存在頂上小葉及初級運動皮質活度異常減低[22]，提示其運動問題與反應抑制能力有關；靜息態 fMRI 研究發現，ADHD 患者感覺運動皮質與半球內及半球間其他腦區存在異常功能連接模式[23]。扣帶束作為扣帶回內主要的白質纖維束，主要參與情緒控制以及認知信息處理。最近一項大樣本纖維示蹤研究發現，ADHD 患者在右側扣帶束的微觀結構損害與其多動-沖動表現相關[24]。因此，本研究發現 ADHD 患者胼胝體峽部及右側扣帶束 FA 值異常或與其運動抑制功能損害有關，繼而發生多動、沖動及不自主運動過度等行為問題。
兩組亞型之間的直接比較發現，ADHD-C 型患者較 ADHD-I 型患者在右側額中回白質的 FA 值升高，且該腦區在 SVM 分析中同樣具有顯著區分效能。既往研究已證實額葉在 ADHD 病理生理機制中的重要地位[25]，但聚焦于不同亞型患者額葉改變的研究尚不多見。據我們了解，目前有 4 篇已發表的 DTI 研究對 ADHD-C 型和 ADHD-I 型患者的全腦白質微觀結構進行了直接對比分析[17, 26-28]。Lei 等[26]通過 VBA 方法發現 ADHD-C 型與 ADHD-I 型患者差異主要位于運動回路，包括雙側中央后回、左側輔助運動區、右側丘腦及右側尾狀核，表現為 FA 值升高伴徑向彌散張量升高及軸向彌散張量降低，后兩者同樣為 DTI 技術衍生的彌散參數圖，分別反映了垂直和平行于軸突方向上的水分子彌散程度；Ercan 等[27]及 Svatkova 等[17]通過 TBSS 方法發現，兩種亞型患者在胼胝體大鉗及額葉-紋狀體-小腦回路存在徑向彌散張量或軸向彌散張量的差異，而 FA 值無明顯異常；Hong 等[28]通過纖維示蹤成像技術發現，ADHD-C 型患者在右半球多個腦區的 FA 值低于 ADHD-I 型患者，如額上回、前扣帶束及輔助運動區。雖然上述研究對于 FA 值的報道并不一致，但均證實了兩種亞型的腦白質結構存在微觀層面的差異。近期一項針對多模態 MRI 研究的 Meta 分析發現，盡管宏觀結構影像學研究結論存在爭議，但 DTI 和 fMRI 研究均指向 ADHD-C 型患者以額葉-紋狀體-丘腦回路異常為主，而 ADHD-I 型患者以額葉-頂葉回路異常為主[29]，提示兩種亞型雖然都涉及額葉的異常，但是其潛在的神經通路及病理生理機制不盡相同。因此，結合本研究發現，我們推測額中回可能是兩種亞型 ADHD 患者在額葉的區分點。此外，本研究 SVM 分析還發現左側中央前回、中央后回、頂下小葉及額上回等額頂葉腦區白質對兩種亞型患者具有顯著區分效能，雖然兩組直接比較未能發現這些腦區，但考慮前述 Meta 分析發現，我們推測這些腦區或與 ADHD-I 型患者的神經機制有關，但由于涉及腦區體積較小，故未能通過基于體素的全腦統計分析。
總體而言，本研究發現 ADHD-C 型和 ADHD-I 型患者在腦白質微觀結構改變方面既存在共性也存在異質性，其中雙側顳葉矢狀層和胼胝體峽部的腦白質損害可能反映了 ADHD 疾病本身的病理生理基礎，是不同臨床表型 ADHD 患者共同的生物學標志，而不同亞型患者在額葉區域，尤其額中回的腦白質損害及其相關的神經回路異常或存在特異性的改變。由于本研究未能收集單純的 ADHD-H 型患者，且橫斷面研究設計限制了觀察白質微觀結構改變在腦發育過程中的變化，未來還需要更多的針對 ADHD 亞型的大樣本、縱向多模態影像學研究，從腦網絡及其纖維束連接層面著手，幫助闡明 ADHD 亞型及其癥狀可變性的神經生物學基礎。
利益沖突：所有作者聲明不存在利益沖突。
注意缺陷多動障礙（attention-deficit/hyperactivity disorder, ADHD）是兒童青少年時期常見的神經發育性精神障礙，在我國城市兒童中發病率高達 6.4%[1]。患者可根據癥狀維度分為注意缺陷型（inattentive subtype of ADHD, ADHD-I）、多動-沖動型（hyperactive-impulsive subtype of ADHD, ADHD-H）及混合型（combined subtype of ADHD, ADHD-C）。3 種亞型在臨床表現、行為問題、認知功能損害等方面既存在差異也具有共性[2]，但目前缺乏客觀的生物標志物對患者進行準確診斷。多模態 MRI 研究方法為揭示 ADHD 及其亞型的神經生物學基礎提供了新途徑。其中，采用基于水分子彌散運動特性的彌散張量成像技術（diffusion tensor imaging, DTI）可敏感描繪腦白質微觀結構特性，提供神經纖維束完整性的相關信息[3]。各向異性分數（fractional anisotropy, FA）是目前 DTI 研究中最常用的測量指標，反映了腦白質微觀結構的完整性。既往研究發現，ADHD 患者在廣泛腦區存在異常的 FA 值升高或降低改變[4-5]，但是針對 ADHD 亞型的 DTI 證據非常有限。隨著以機器學習為核心的人工智能技術的發展運用，結合 MRI 腦影像學數據，研究人員可在個體水平實現對 ADHD 患者的診斷分類。因此，本研究通過全腦基于體素分析方法（voxel-based analysis, VBA）探索不同亞型 ADHD 患者的腦白質微觀結構異常，并利用基于支持向量機（support vector machine, SVM）的機器學習方法得到空間分布的腦白質微觀結構區分模型，以期從個體水平對不同亞型 ADHD 患者進行鑒別診斷。
1 對象與方法
1.1 研究對象
前瞻性收集 2019 年 1 月－2021 年 9 月在四川大學華西醫院心理衛生中心就診的門診或住院患者。ADHD 組納入標準：① 符合《精神障礙診斷與統計手冊》第 4 版相關診斷標準[6]，由精神科醫生確立診斷，并且根據患者癥狀維度將其劃分為不同亞型；② 年齡 6～18 歲；③ 智商≥90；④ 右利手。ADHD 組排除標準：① 合并其他軸Ⅰ類精神障礙；② 正在服用抗 ADHD 藥物或有既往相關用藥史；③ 患有器質性軀體疾病；④ 存在 MRI 檢查禁忌證。健康對照者則通過網絡和宣傳海報招募收集。所有受試者智商測試均由四川大學華西醫院心理衛生中心測評室通過韋氏兒童智力量表第 4 版[7]完成。醫生采用《精神障礙診斷與統計手冊》第 4 版[6]非患者版結構化臨床訪談排除對照者罹患任何精神障礙的可能，并核實其一級親屬無任何精神障礙史。對照者其余排除標準同 ADHD 組。隨后，對納入的受試者進行行為癥狀評估和執行功能測試，包括：采用 Conners 兒童行為量表父母問卷（Conners Parents Rating Scale, CPRS）測量行為癥狀[8]，采用 Stroop 色字測試（Stroop Color and Word Test, Stroop-CW）測量干擾控制能力[9]，采用威斯康辛卡片分類測試（Wisconsin Card Sorting Test, WCST）測量認知靈活性[10]。本研究經四川大學華西醫院生物醫學倫理委員會批準通過［審批號：2019 年（925）號］，所有受試者均由監護人簽署知情同意書。
1.2 MRI 圖像采集
本研究采用 Siemens 3.0 T MR 成像系統，DTI 掃描采用單次激發平面回波成像序列，掃描參數：重復時間=6800 ms，回波時間=93 ms，層厚=3 mm、無層間距，視野=230 mm×230 mm，矩陣=128×128，單個體素大小=1.875 mm×1.875 mm×3 mm，b 值分別為 0 和 1000 s/mm2，彌散梯度方向 20 個，激勵次數 2 次，全腦共采集 50 層軸位圖像。掃描時對受試者使用耳塞及防噪耳機，并囑靜止平臥。由放射科醫生即時檢查掃描結果，如圖像有偽影則重復掃描該名受試者，如發現器質性腦結構異常，則剔除該名受試者。
1.3 DTI 圖像預處理
利用 FMRIB’s Software Library（FSL）軟件和 Statistical Parametric Mapping（SPM）軟件對 DTI 圖像進行預處理及 FA 參數圖的生成。主要步驟包括：利用 FSL-FDT 工具包對圖像進行渦流矯正及頭動矯正；通過 FSL-BET 工具包對圖像進行去顱骨處理，僅保留顱內實質圖像；最后通過 FSL-FDT fit 工具包生成 FA 參數圖；在 SPM 軟件中，用 b 值=0 的原始圖像配準到蒙特利爾神經學研究所（Montreal Neurologic Institute, MNI）空間的平面回波成像模板上，將配準得到的參數用于相應的彌散參數圖上，使所有參數圖配準到標準 MNI 空間；最后使用高斯函數進行空間平滑和降噪處理（半高全寬=6 mm）。
1.4 統計學方法
采用 SPSS 26.0 軟件進行受試者的人口學基本資料和量表測試結果的統計學分析。符合正態分布的定量資料采用均數±標準差表示，組間比較采用單因素方差分析，兩兩比較選擇 LSD 法；不符合正態分布的定量資料采用中位數（下四分位數，上四分位數）表示，組間比較采用 Kruskal-Wallis 秩和檢驗，兩兩比較采用“所有成對比較”（Bonferroni 法校正 P 值）；定性資料（性別）采用例數和構成比表示，組間比較采用 Fisher 確切概率法。雙側檢驗水準 α=0.05。
采用 SPM 軟件對 3 組受試者的 FA 參數圖進行 VBA 分析，包括 3 組間方差分析及事后兩兩比較，并以性別、年齡作為協變量。多重比較校正采用 AlphaSim 方法，利用所有受試者標準化后的平均全腦 FA 參數圖并取 FA>0.2 作為閾值生成二元掩膜，然后取未校正 P<0.005、連續體素>10、校正后 P<0.05 的腦區定義為具有統計學差異的區域。對于方差分析 3 組間比較 FA 有統計學差異的腦區，進一步利用 marsbar 工具包提取患者組在該腦區 FA 值，隨后利用 SPSS 軟件對 FA 值和行為癥狀和執行功能評分進行 Pearson 相關性分析，雙側檢驗水準 α=0.05。
運用 SVM 分類器及 t 分數特征選擇方法構建個體化 ADHD 診斷分類模型（ADHD-C vs. ADHD-I，ADHD-C vs. 對照者，ADHD-I vs. 對照者）。SVM 是一種以統計學原理為基礎的有監督學習方法，采用結構風險最小化原則，尋找能正確區分數據集并且幾何間隔最大的最優超平面，具有較高的穩健性及泛化能力[11]。t 分數特征選擇是一種過濾式特征選擇方法，通過每個類別的樣本量、均值、標準差計算得出，并按照 t 分數大小對特征進行降序排列，根據所需選擇的特征數目從前到后選擇[12]。本研究機器學習實現步驟包括：基于白質掩膜提取受試者所有白質體素的 FA 值；使用“留一交叉驗證法”進行分類模型訓練；使用 t 分數特征選擇方法進行特征篩選，取 P<0.001 作為特征選擇閾值；利用降維后的特征進行模型訓練；運用網格搜索交叉驗證尋找最優參數，超參數范圍為 10-10 到 1010，步長取 0.2，交叉驗證折數為 10；利用測試集數據測試分類模型，獲取最終分類準確率。為了解哪些腦白質區域對區分 ADHD 亞型和正常對照具有分類效力，本研究以每一折訓練均穩定存在的特征作為顯著貢獻特征，將其投射至高維人腦白質模板，生成二值腦圖；每個顯著貢獻特征的權重值為在所有折里該特征權重的均值，在每一折中特征權重即為 SVM 求解最優問題過程中得到的最優解，反映了該特征對分類任務的貢獻程度。
2 結果
2.1 人口學資料、臨床癥狀及執行功能情況
本研究共納入 26 例 ADHD-C 型患者（男性占比 88%）、24 例 ADHD-I 型患者（男性占比 88%）及 26 例對照者（男性占比 85%）。3 組受試者的年齡、性別、智商、出生體重及父母教育年限差異均無統計學意義（P>0.05）。在臨床癥狀方面，除焦慮因子外，3 組受試者的其余癥狀維度差異均有統計學意義（P<0.05），得分表現為 ADHD-C 型>ADHD-I 型>對照者（得分越高則癥狀越嚴重），其中 ADHD-C 型和 ADHD-I 型患者得分與對照者得分相比差異均有統計學意義（P<0.05），而兩種亞型患者之間則在品行問題、沖動多動和多動指數方面差異有統計學意義（P<0.05）。在執行功能方面，3 組受試者在 Stroop-CW 和 WCST 的各項得分中差異均有統計學意義（P<0.05），其中兩組患者在測試中的正確數均低于對照者，而錯誤數或用時則高于對照者，且 ADHD-C 型患者在測試中的評分差距較 ADHD-I 型患者更甚。見表1。
表1
ADHD 患者組與健康對照組的人口學、臨床癥狀及執行功能評估資料比較
2.2 ADHD 亞型腦白質結構改變
3 組受試者在雙側顳葉白質矢狀層及胼胝體峽部 FA 值差異有統計學意義（P<0.05），其中胼胝體峽部結果涉及局部胼胝體體部后份及右側扣帶束區域，3 組受試者在左側顳葉矢狀層的平均 FA 值分別為：ADHD-C 型=0.38，ADHD-I 型=0.39，對照組=0.43；在右側顳葉矢狀層的平均 FA 值分別為：ADHD-C 型=0.39，ADHD-I 型=0.40，對照組=0.45；在胼胝體峽部區域的平均 FA 值分別為：ADHD-C 型=0.41，ADHD-I 型=0.40，對照組=0.35。事后分析發現，在雙側顳葉矢狀層，ADHD-C 型和 ADHD-I 型患者的 FA 值均低于對照者，且前者 FA 值更低（ADHD-C 型<ADHD-I 型<對照者）；而在胼胝體峽部區域，兩組患者的 FA 值則均高于對照者，且 C 型較 I 型患者的 FA 值更高（ADHD-C 型>ADHD-I 型>對照者）。除此之外，兩組亞型患者的直接比較發現，ADHD-C 型患者較 ADHD-I 型患者在右側額中回白質存在 FA 升高（MNI：X=18，Y=40，Z=4，體素=93，t 值=3.88），而對照者在該腦區的 FA 值介于二者之間，且與兩組患者差異無統計學意義（P>0.05），3 組受試者在該腦區的平均 FA 值分別為：ADHD-C 型=0.40，ADHD-I 型=0.35，對照者=0.37。見表2 及圖1、2。
表2
C 型和 I 型 ADHD 患者組與健康對照組相比腦白質 FA 改變區域
圖1
C 型和 I 型 ADHD 患者組與對照組相比腦白質 FA 改變區域
C 型和 I 型 ADHD 患者組與健康對照組之間在胼胝體-右側扣帶束區域（黃色）及雙側顳葉矢狀層（藍色）FA 值差異有統計學意義（
圖2
C 型和 I 型患者組之間腦白質 FA 差異區域
ADHD-C 型患者相比 ADHD-I 型患者在右側額中回白質的 FA 值升高，而健康對照組在該腦區的 FA 值介于二者之間，且與兩組差異均無統計學意義（
2.3 腦白質結構改變區 FA 值與臨床癥狀及執行功能量表得分相關性
相關性分析發現，在 ADHD-I 型患者組，右側顳葉矢狀層 FA 值與 WCST 量表的“總正確數”呈正相關（r=0.520，P=0.013），與“持續錯誤數”呈負相關（r=–0.506，P=0.016），與“分類完成數”呈正相關（r=0.445，P=0.038）；在 ADHD-C 型患者組，右側額中回白質 FA 值與 CPRS 量表中的“心身障礙”因子呈正相關（r=0.544，P=0.006）。見圖3。其他相關分析結果無統計學意義（P>0.05）。
圖3
全腦白質 FA 值分析結果與執行功能量表得分相關性
a～c. ADHD-I 型患者右側顳葉矢狀層 FA 值分別與 WCST“總正確數”呈正相關（
2.4 SVM 分類預測模型效能
SVM 分析發現，基于全腦白質 FA 參數圖的 SVM 分類模型在對兩組 ADHD 亞型患者的分類預測中效能最高，其總體準確率達 76.0%（1000 次置換檢驗后 P=0.014），靈敏度達 88.5%，特異度達 70.8%，受試者操作特征曲線下面積達 0.867［95% 置信區間（0.865，0.871）］；而對于兩組亞型患者分別與對照者之間的分類模型，其總體準確率均未能通過置換檢驗校正（P>0.05）。對區分 ADHD-C 型和 ADHD-I 型兩組患者貢獻較大的腦區包含右側額中回、左側中央前回、左側中央后回、左側頂下小葉及左側額上回等腦白質區域。對于分類有貢獻的腦區中，體素最大的腦區位于右側額中回白質，與兩組亞型 ADHD 患者全腦白質比較所得的具有 FA 組間差異腦區位置重合。見表3。
表3
FA 參數圖區分 C 型患者與 I 型患者的權重腦區
3 討論
本研究發現，兩種 ADHD 亞型患者的行為癥狀和執行功能均劣于對照者，且總體而言 ADHD-C 型患者的臨床癥狀嚴重程度和執行功能損害程度較 ADHD-I 型更嚴重，尤其表現在多動沖動相關臨床維度方面。同時，二者在腦白質微觀結構改變方面既存在共性也存在差異，表現為雙側顳葉矢狀層 FA 值均降低及胼胝體峽部 FA 值均升高，且 ADHD-C 型異常程度同樣較 ADHD-I 型更顯著；但在右側額中回白質，ADHD-C 型患者的 FA 值高于對照者，而 ADHD-I 型患者的 FA 值則低于對照者，并且該腦區的 FA 值可在個體水平對兩種亞型進行有效區分。
如前文所述，FA 值的病理生理機制復雜，多種因素可以直接或間接導致 FA 值改變。通常情況下，FA 值越高代表白質微觀結構完整性越好[13]，如髓鞘化程度更高或軸突密度更高；但同時 FA 值也與局部神經纖維交叉程度有關[14]，在纖維束排列一致性較高的腦區，其整體 FA 值也越高，故當其中部分神經纖維出現損害時，可導致其余走行方向的纖維束彌散一致性更高，從而表現出更高的 FA 值。本研究的相關分析發現：ADHD-I 型患者右側顳葉矢狀層 FA 值越低則 WCST 表現越差，提示認知靈活性越差，同時 ADHD-C 型患者右側額中回白質 FA 值與 CPRS 心身障礙得分呈正相關，即 FA 值越高則臨床癥狀越嚴重。上述結果說明，在本研究中，升高和降低的 FA 值均代表腦白質微觀結構損害。因此，我們推測 ADHD 患者可能同時存在多種形式的白質微觀結構損害，在不同腦區的彌散特征呈現方式也不盡一致。
顳葉矢狀層是顳葉內部的板狀白質結構，其內主要走行額枕下束和下縱束等長距離聯絡纖維，以及形成丘腦外側膝狀體至枕葉初級視覺皮質視覺通路的視輻射。其中，額枕下束經過顳葉中部直接從外側連接額葉和枕葉，且部分纖維束連接頂葉參與構成額頂葉腹側注意網絡；下縱束直接連接顳葉前部和枕葉，并經過鉤束間接連接于額葉。二者在走行上部分重疊，構成顳葉與額葉、枕葉腦區的主要白質通路，與注意轉換、視覺信息識別與加工及語言等高級功能密切相關[15]。既往多個針對 DTI 研究的 Meta 分析均發現，ADHD 患者在顳葉矢狀層白質或額枕下束、下縱束等白質纖維存在 FA 值異常改變[4-5, 16]，并且有學者發現 ADHD-I 型患者下縱束的 FA 值與其注意缺陷癥狀嚴重程度及總體認知功能評分有相關性[17]；另有學者發現 ADHD 患者右側額枕下束白質體積與其反應抑制評分存在相關性[18]。因此，本研究發現 ADHD 患者在雙側顳葉矢狀層的白質微觀結構損害，提示 ADHD 存在視覺信號傳輸通路異常，可能與患者的視覺記憶損害、注意力不集中等行為認知問題有關。
胼胝體作為最大的連合纖維，負責雙側大腦半球對應皮質區域間的神經信號傳導，在兩側信息溝通及大腦偏側化功能方面有著重要作用[19-20]；扣帶束是扣帶回內高度髓鞘化的纖維束，將扣帶皮質與額葉、顳葉及海馬旁回等腦區相連，是邊緣系統的重要組成部分。目前已有大量 DTI 研究證據顯示 ADHD 患者在胼胝體及扣帶束存在白質微觀結構異常，但是結論較為混雜。Aoki 等[16]對既往 VBA 研究及纖維束示蹤的空間統計（tract-based spatial statistics, TBSS）研究分別進行 Meta 分析后發現，在 VBA 研究中，ADHD 患者左側扣帶束中部至胼胝體體部以及胼胝體前部的 FA 值較對照者升高，而扣帶束前部 FA 值表現為異常降低；在 TBSS 研究中，ADHD 患者在胼胝體峽部及體部后份的 FA 值均低于對照者。這些差異可能與數據分析方法、頭動控制及樣本特征（如性別、年齡、用藥情況及合并癥等）等因素有關。在本研究中，ADHD 患者的胼胝體異常點主要位于峽部，其內纖維束以連接雙側感覺-運動皮質為主。盡管該腦區 FA 值與患者的臨床表現無相關性，但是該發現與 ADHD 患者伴發不同程度運動問題的實際情況相符[21]。既往任務態功能性 MRI（functional MRI, fMRI）研究發現，ADHD 患者在執行連續手指敲擊任務時存在頂上小葉及初級運動皮質活度異常減低[22]，提示其運動問題與反應抑制能力有關；靜息態 fMRI 研究發現，ADHD 患者感覺運動皮質與半球內及半球間其他腦區存在異常功能連接模式[23]。扣帶束作為扣帶回內主要的白質纖維束，主要參與情緒控制以及認知信息處理。最近一項大樣本纖維示蹤研究發現，ADHD 患者在右側扣帶束的微觀結構損害與其多動-沖動表現相關[24]。因此，本研究發現 ADHD 患者胼胝體峽部及右側扣帶束 FA 值異常或與其運動抑制功能損害有關，繼而發生多動、沖動及不自主運動過度等行為問題。
兩組亞型之間的直接比較發現，ADHD-C 型患者較 ADHD-I 型患者在右側額中回白質的 FA 值升高，且該腦區在 SVM 分析中同樣具有顯著區分效能。既往研究已證實額葉在 ADHD 病理生理機制中的重要地位[25]，但聚焦于不同亞型患者額葉改變的研究尚不多見。據我們了解，目前有 4 篇已發表的 DTI 研究對 ADHD-C 型和 ADHD-I 型患者的全腦白質微觀結構進行了直接對比分析[17, 26-28]。Lei 等[26]通過 VBA 方法發現 ADHD-C 型與 ADHD-I 型患者差異主要位于運動回路，包括雙側中央后回、左側輔助運動區、右側丘腦及右側尾狀核，表現為 FA 值升高伴徑向彌散張量升高及軸向彌散張量降低，后兩者同樣為 DTI 技術衍生的彌散參數圖，分別反映了垂直和平行于軸突方向上的水分子彌散程度；Ercan 等[27]及 Svatkova 等[17]通過 TBSS 方法發現，兩種亞型患者在胼胝體大鉗及額葉-紋狀體-小腦回路存在徑向彌散張量或軸向彌散張量的差異，而 FA 值無明顯異常；Hong 等[28]通過纖維示蹤成像技術發現，ADHD-C 型患者在右半球多個腦區的 FA 值低于 ADHD-I 型患者，如額上回、前扣帶束及輔助運動區。雖然上述研究對于 FA 值的報道并不一致，但均證實了兩種亞型的腦白質結構存在微觀層面的差異。近期一項針對多模態 MRI 研究的 Meta 分析發現，盡管宏觀結構影像學研究結論存在爭議，但 DTI 和 fMRI 研究均指向 ADHD-C 型患者以額葉-紋狀體-丘腦回路異常為主，而 ADHD-I 型患者以額葉-頂葉回路異常為主[29]，提示兩種亞型雖然都涉及額葉的異常，但是其潛在的神經通路及病理生理機制不盡相同。因此，結合本研究發現，我們推測額中回可能是兩種亞型 ADHD 患者在額葉的區分點。此外，本研究 SVM 分析還發現左側中央前回、中央后回、頂下小葉及額上回等額頂葉腦區白質對兩種亞型患者具有顯著區分效能，雖然兩組直接比較未能發現這些腦區，但考慮前述 Meta 分析發現，我們推測這些腦區或與 ADHD-I 型患者的神經機制有關，但由于涉及腦區體積較小，故未能通過基于體素的全腦統計分析。
總體而言，本研究發現 ADHD-C 型和 ADHD-I 型患者在腦白質微觀結構改變方面既存在共性也存在異質性，其中雙側顳葉矢狀層和胼胝體峽部的腦白質損害可能反映了 ADHD 疾病本身的病理生理基礎，是不同臨床表型 ADHD 患者共同的生物學標志，而不同亞型患者在額葉區域，尤其額中回的腦白質損害及其相關的神經回路異常或存在特異性的改變。由于本研究未能收集單純的 ADHD-H 型患者，且橫斷面研究設計限制了觀察白質微觀結構改變在腦發育過程中的變化，未來還需要更多的針對 ADHD 亞型的大樣本、縱向多模態影像學研究，從腦網絡及其纖維束連接層面著手，幫助闡明 ADHD 亞型及其癥狀可變性的神經生物學基礎。
利益沖突：所有作者聲明不存在利益沖突。
