基于复杂网络时空特性的成人烟雾病功能模型构建与分析

Cerebral hemodynamic disturbance is deemed to be the cause of cognitive impairment in adult moyamoya disease (MMD). The stability of brain functional interactions is involved, but the detailed mechanism is unclear. Reasonable and stable models are difficult to construct because of disease complexity, making it a difficult and hot spot in the field. Based on graphical theory, our previous work indicates that adult MMD with cognitive impairment exhibits a specific spatial pattern of functional network. To follow real brain interactions, the present study will cover both network spatial and temporal dimensions, and result in several vulnerable modules as targets. Gathering local perfusion/metabolism values of targets and neuropsychological test scores, a function model can be constructed. Considering hemodynamic complexity and individualization, we will take advantage of machine learning and intelligent algorithm to train and test the model, and to improve its scientificity and reliability based on MMD database in our hospital. Finally, we fuse the optimized model with intraoperative navigation system to examine its applied value in surgical treatment of cognitive impairment. The model may offer us an opportunity to both understand the impact of MMD on network stability, and provide theoretical and methodological basis for individualized precise evaluation and treatment of cognitive impairment.

烟雾病的脑血流动力学异常被认为是其认知障碍的始动因素，并与脑网络的稳定性有关，但具体机制不明。疾病的复杂性导致难以构建合理且稳定的研究模型，使之成为烟雾病认知障碍机制研究的难点与热点。我们在前期研究中基于复杂网络理论，已证实烟雾病认知损害在网络空间上的改变。本课题在此基础上，增加了网络时间属性的分析，更符合疾病真实状态，同时筛选网络中功能改变较大的模块作为易损靶点，结合靶点局部的灌注／代谢负荷以及认知评分，初步构建疾病认知障碍的研究模型。鉴于烟雾病脑血流动力学的复杂性及个体差异，本课题利用医院已有的烟雾病数据库，基于机器学习的思想和智能算法对模型进行训练优化和验证，提高所建模型的科学性与可靠性。最后将该疾病模型与术中导航技术结合，评价模型在认知损害外科治疗中的应用价值。这一疾病模型的建立为烟雾病脑网络稳定性研究提供切入点，也为认知功能的个体化精准评估和治疗提供理论基础和方法学支持。

烟雾病的脑血流动力学异常被认为是其认知障碍的始动因素，但疾病的复杂性导致难以构建合理且稳定的研究模型，使之成为烟雾病认知障碍机制研究的难点与热点。本课题利用复杂网络的时空特性，结合多模态影像技术构建认知障碍的研究模型，并借助机器学习算法训练优化和验证模型，获得了较高的准确度、敏感度、特异度。. 本课题的主要研究成果及科学意义包括：（1）基于复杂网络理论和多模态影像，构建了成人烟雾病脑功能模型。申请人首先尝试构建烟雾病脑电模型，通过对出血型、缺血型烟雾病及对照组进行脑电及网络参数的比较，成功构建了烟雾病的脑电模型，同时发现其不同亚型的神经交互模式存在差异。随后通过结合脑电与磁共振，分析烟雾病复杂网络的时空特性，探索出多模态影像结合以构建烟雾病脑功能模型的方式。（2）筛选并优化适用于复杂脑血管病的机器学习算法。申请人首先对适合DSA结构和时相的机器学习算法进行筛选和优化，后尝试利用机器学习算法结合功能磁共振和复杂网络理论，成功构建具有高准确度、敏感度和特异度的认知障碍识别模型，同时总结出适用于烟雾病的机器学习算法和模型构建经验。（3）建立术中影像结合机器学习算法的疗效评价模型。申请人分别构建了机器学习结合吲哚氰绿血管造影和皮层脑电的模型，成功识别烟雾病脑血流重建手术过程中复杂的脑血流改变，并证实术中凭模型手术的疗效优于凭经验手术。. 综上，本课题初步明确了基于多模态影像、复杂脑网络理论和机器学习算法构建认知障碍研究模型的可行性和科学性，并初步评价了模型的临床应用价值，为认知功能的个体化精准评估和治疗提供理论基础和方法学支持。