首页 > 前沿资讯 > 正文

病灶症状脑图(LSM):从病灶定位到回路映射

2026-11-08 21:10

深度解析医学证据,lxfs.net为你支撑决策

论坛导读:病灶症状脑图技术试图回答神经科学的一个核心问题:脑损伤为何会产生特定症状。过去二十年间,该领域经历了从基于体素的单变量定位,向基于连接体的网络映射的范式转型。以病灶网络映射(lesion network mapping, LNM)为代表的网络因果进路,将异质性病灶投射至规范化人类连接组,把症状定位的单元从脑区替换为环路,在幻觉、病理性哭笑、运动障碍等传统定位难题上取得了实质性突破,并开始反哺神经调控靶点的识别。然而,2025年以来围绕LNM特异性的大规模方法学争论表明网络进路并非病灶定位的简单升级,其统计推断的有效性高度依赖于对照设计与零模型选择。

局灶性脑损伤与临床症状之间的关系是临床神经病学最古老也最根本的问题之一。一个多世纪以来,临床推理的基本范式是在脑影像上找到病灶,将其解剖位置与已知的功能区进行比对,从而建立病变-症状的因果链条。这一逻辑在皮质脊髓束损伤导致偏瘫、初级视觉皮质损伤导致视野缺损等情形中运作良好。然而,当症状更为复杂,如幻觉、病理性哭笑、忽视或卒中后抑郁等病灶往往散布于解剖上并不重合的多个位置,定位便陷入困境。更根本的困难在于局灶性损伤不仅破坏受损部位本身,还通过断连和机能联系不能(diaschisis)对远隔但相连的脑区产生功能性影响。这意味着仅以病灶中心坐标来推断症状机制在原理上就是不充分的。

病灶症状脑图技术正是为应对这一困境而发展起来的方法论集合,其共同目标是将脑结构损伤的定量信息与症状/行为评分进行统计关联,从而在人群或个体水平上推断哪些脑组织,或哪些连接,对特定功能至关重要。近十年的关键转折在于分析单元从位置转向了回路:症状不再被假定映射于某一皮层或皮层下节点,而被假定映射于一个分布式功能网络,损害网络中任意关键节点均可产生相似表现。近年来,随着大规模脑连接组数据集的公开与网络映射方法的成熟,该领域正经历从体素定位向网络定位的深层转型。这一转向不仅重塑了神经科学对脑—行为关系的理解,也为临床定位和神经调控靶点选择提供了新的操作框架。

graphic file with name ga1.jpg

doi: 10.1016/j.nicl.2025.103895.

方法学演进:从体素到网络的范式迁移

体素病灶症状映射(VLSM)

VLSM的核心操作是将每位患者的病灶掩膜配准至标准空间,对全脑每一体素检验有病灶与无病灶患者组间在行为评分上的差异,通常以广义线性模型实现。相较于更早的病灶重叠热图,VLSM的进步在于消除了预先划分感兴趣区和按行为分组的主观性,能够在全脑体素水平上分析连续行为变量,且不依赖先验解剖假设。这使其在失语症、空间忽视、执行功能障碍等研究领域迅速成为标准工具,在卒中人群中积累了迄今最为丰富的人—行为对应证据。

然而,VLSM的局限同样源于其质量单变量逻辑,它检验的是每一个体素独立地与症状的关联,但脑损伤并非随机分布。卒中病灶受血管供血区约束,肿瘤生长遵循白质路径,不同患者的病灶在空间上高度共线。当多个相邻体素总是同时受损时,统计上无法干净地区分它们各自的贡献。更重要的是VLSM本质上将症状归因于被损伤的灰质或局部组织,而难以捕捉白质通路中断所产生的远隔效应。这恰恰是许多复杂症状定位失败的根源。

连接组病灶症状映射(CLSM)与断连组

CLSM将病灶不再仅视为组织坏死的集合,而视为坏死与断连的复合体。其操作路径通常以病灶为种子嵌入规范化的结构或功能连接组,追踪与病灶相连的远端脑区或穿过病灶的白质纤维束,从而识别那些功能上被切断的连接。断连组映射则进一步利用弥散成像衍生的结构连接组,为每位患者生成个体化的断连概率图,并检验断连程度与行为缺损的关联。在卒中运动障碍中基于断连组的预测模型已被证明优于仅依赖病灶位置的模型。

这一推进的临床意义在于它使看不见的损伤变得可量化。在低级别胶质瘤患者中,皮质区域可能因神经可塑性而被切除或受压而短期内不表现出明显缺损,但白质通路的断连却是认知功能持续下降的稳健预测因子。CLSM与断连组因此将病灶症状脑图从哪里坏了推向哪条线路断了,为手术规划中的通路保护提供了比传统脑区定位更贴近功能后果的靶标。

病灶网络映射(LNM)

LNM的逻辑更为激进。如果不同位置的病灶产生同一症状,那么这些病灶所对应的功能连接模式应当在某个共同脑网络中汇聚。具体实现上以每个病灶为种子,利用来自健康被试的静息态功能连接数据,计算该病灶与全脑各体素的功能连接强度,再寻找与症状严重程度或症状存在与否相关的连接模式。自2015年提出以来,LNM已被应用于40种以上症状或症状复合体,涵盖从幻觉、抽动、病理性哭笑到抑郁、焦虑和慢性疼痛等传统定位方法难以处理的临床实体。

LNM的核心贡献不在于提供了又一种统计工具,而在于它为同症异位提供了一个可检验的网络解释。以卒中后抑郁为例,致病病灶可能远离左侧背外侧前额叶这一传统抑郁相关区域,但它们可能共同连接至一个涉及亚属前扣带与默认网络节点的回路。这一框架的临床吸引力在于其直接的转化指向,如果症状映射于一个回路,那么对该回路中任一便捷可及的节点进行神经调控,理论上即可产生治疗效应。LNM在震颤、抑郁和成瘾中识别出的病灶-刺激靶点汇聚,正是这一逻辑的初步验证。

Fig. 1

doi: 10.1016/j.nicl.2026.104052.

临床应用图谱

卒中:从症状定位到预后建模

卒中因其病灶明确、行为后果丰富,构成病灶症状脑图技术最成熟的应用场域。VLSM在卒中后语言障碍、空间忽视、运动缺陷等经典症状的定位研究中持续产出证据,而CLSM则进一步揭示了对功能恢复具有贡献的远端网络节点。LNM在卒中预后预测中的表现提供了一个重要的负面证据:一项纳入565例患者的研究显示基于NIHSS子项生成的七个症状网络虽能反映症状的空间拓扑,但网络损伤评分并未在临床变量之外提升对3个月或12个月功能结局的预测效能。这一发现提示症状网络的建模价值在机制阐释层面较为明确,但在替代或超越现有临床预测工具之前,仍需更严格的验证。

脑肿瘤:术前风险的空间刻画

脑肿瘤的位置异质性使其成为检验病灶症状映射逻辑的天然样本。在脑膜瘤相关癫痫中VLSM对532例患者的分析将癫痫风险的空间异质性定量化:额顶叶过渡区被识别为脑侵袭相关癫痫的核心热点区域,而瘤周水肿则主要驱动额叶凸面与蝶骨嵴肿瘤的癫痫风险,两者具有可分离的空间驱动模式与术后转归差异。在胶质瘤中VLSM与影像组学特征的融合已用于构建更具泛化性的诊断与分级模型,而结合Allen脑图谱的分析则尝试将肿瘤位置、级别与预后纳入统一的空间解释框架。这些工作共同指向一个临床可操作的远景:将病灶位置从描述性变量转化为可量化的风险图层,服务于术前评估与个体化治疗边界的确定。

癫痫与神经精神疾病:超越局灶性病变

在癫痫领域中病灶症状脑图技术的应用正在从致痫灶定位扩展至致痫网络刻画。肿瘤相关癫痫的临床符号学与受累脑叶的相关性早已被认识,而网络映射方法为理解致痫区与症状产生区之间的连接关系提供了统计工具。在精神疾病与神经退行性疾病中,常规结构MRI常为阴性,病灶的定义因此转向萎缩灰质区域或推断的功能断开模式。CLSM在阿尔茨海默病中的应用显示患者萎缩区域与内侧颞叶、楔前叶及角回之间存在一致的功能连接模式,为疾病时空进展的网络模型提供了人体验证。在精神分裂症、抑郁与双相障碍中,基于病灶导出的躯体症状网络已被尝试用于跨诊断的个体化萎缩模式生成,尽管其临床效用尚待前瞻性检验。

挑战与批判性审视

解剖特异性之争

LNM的核心承诺是识别症状特异性网络,但这一承诺并非无条件成立。有研究者曾指出常用的LNM流程可能收敛于连接组的非特异性低维属性,而非真正的症状相关网络。近期一项纳入2,950例卒中患者的多中心研究对此作出了关键澄清:当采用病例−对照设计与恰当的统计推断(如症状标签置换或参数双样本检验)时,LNM能够产生具有解剖特异性和领域区分度的网络图谱;反之,仅汇总患者病灶连接图而不设对照的单样本方法,确实会重现非特异性收敛。这一发现的方法学含义是明确的:LNM的效度不取决于技术本身,而取决于研究设计的推断逻辑。将LNM的阳性结果不加批判地等同于症状网络的发现是一种需要警惕的推论跳跃。

从统计关联到临床决策的距离

VLSM与LNM产生的是群体水平的统计关联,而临床决策面对的是个体患者。二者之间的鸿沟至少体现在三个层面:①病灶掩膜的空间归一化精度、多中心扫描异质性以及症状量表的测量误差,均会衰减关联信号的稳健性;②当前多数研究的效应量停留在群体推断水平,个体化预测所需的校准与验证尚不充分;③LNM衍生的网络损伤指标在卒中预后预测中并未展现出超越年龄与临床评分的增量价值。这并不意味着该技术缺乏临床意义,而是要求对其当前定位作出诚实界定:它首先是一种机制发现工具,其次才是一个处于验证早期的转化候选。

结语与展望

病灶症状脑图技术的演进折射出神经科学一个更深层的认识论转变:脑功能定位的单位从点移向了网络,而症状也不再被视为某一脑区损伤的直接读出,而是网络扰动在特定行为维度上的投影。VLSM提供了统计严谨的体素级基线,CLSM与LNM则将断开与远端效应纳入解释框架,使该技术得以处理那些在解剖上不收敛却在连接上收敛的症状现象。在临床中卒中、脑肿瘤与癫痫中的应用已经展示了从症状空间建模到术前风险分层的现实潜力,而精神与神经退行性疾病中的探索则指向更广泛的跨诊断前景。

然而,从有价值的临床研究工具到可靠的个体化决策依据,仍有若干关键台阶需要跨越。解剖特异性依赖于研究设计的严格性,预后预测的增量价值尚未确立,个体化映射的可靠性仍需前瞻性队列的检验。未来的推进方向或许不在于追求更复杂的网络算法,而在于三个更为朴素的环节的协同:多模态影像与行为数据的标准化整合、以个体化推断为目标的统计框架重建,以及在设计之初即嵌入临床终点的前瞻性验证。唯有如此,病灶症状脑图才能从一幅解释脑功能组织的科学地图成长为临床实践中可依赖的决策图层。

参考文献

  • Joutsa J, et al. Lesion network mapping for symptom localization: recent developments and future directions. Curr Opin Neurol. 2022 Aug 1;35(4):453-459. doi: 10.1097/WCO.0000000000001085.

  • Akdeniz A, et al. Lesion Network Mapping of Acute Neurological Deficits and Its Prognostic Value After Ischemic Stroke. Neuroimage Clin. 2025;48:103895. doi: 10.1016/j.nicl.2025.103895. 

  • Nabizadeh F, et al. Functional and structural lesion network mapping in neurological and psychiatric disorders: a systematic review. Front Neurol. 2023 Jun 30;14:1100067. doi: 10.3389/fneur.2023.1100067.

  • Yu Y, et al. A lesion-derived brain network of somatic symptoms for transdiagnostic individual application. BMC Med. 2026 Jul 2;24(1):510. doi: 10.1186/s12916-026-05044-y. 

  • Nave R, et al. Beyond one-to-one mappings: Modelling distributed lesion-symptom relationships with multilayer networks. Neuroimage Clin. 2026;51:104052. doi: 10.1016/j.nicl.2026.104052.

  • Khalilian M, Roussel M, Godefroy O, Aarabi A. Predicting functional impairments with lesion-derived disconnectome mapping: Validation in stroke patients with motor deficits. Eur J Neurosci. 2024 Jun;59(11):3074-3092. doi: 10.1111/ejn.16334.

声明:本文为模板演示用示例文稿,不构成任何医疗建议;如有健康问题请咨询专业医师。
广告位