数据整合与质量控制
汇编五项精神疾病及AD的多中心影像与临床数据并进行质量控制，以检验跨站点一致性。
从公开数据库和本地数据中共收集133项研究、165个独立扫描站点数据，仅纳入每个诊断组至少20名参与者且经质量控制后图像达标的站点。SBM分析最终纳入66个站点、3,091名病例及3,002名对照；VBM分析纳入42个站点、2,427名病例及2,353名对照。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
精神病学障碍中MRI形态测量表型的跨站点可重复性
The cross-site reproducibility of MRI morphometric phenotypes in psychiatric disorders
实验完整度
高论文包含两个独立证据层级（多站点精神障碍与AD对照人群数据），并利用多种分析处理方法（体素和表面形态测量法、阈值法、平滑、分区）及统计模型（空间自相关和置换检验），验证了低跨站点一致性结论的稳健性。
主要模型
精神障碍患者（精神分裂症、分裂情感性障碍、自闭症谱系障碍、重度抑郁症、双相情感障碍） 阿尔茨海默病患者
重点核对
每种障碍的站点数量、病例数和对照数 采用SBM和VBM方法时使用的平滑核大小 统计分析中使用的协变量（年龄、性别、总颅内体积） 数据是否经过ComBat协调处理 样本量大小对跨站点一致性的影响
摘要
数十年的结构磁共振成像（MRI）研究记录了精神疾病中灰质形态测量的改变，但该领域未能识别出任何一致性的疾病表型。在此，我们通过评估五种精神障碍（精神分裂症、分裂情感性障碍、自闭症谱系障碍、重度抑郁症和双相情感障碍）的59个研究站点中获得的灰质体积和皮质厚度差异的全脑图谱的一致性，来考察当前方法是否能够趋同于此类表型，共涉及2,437名患者和2,065名对照。我们发现跨站点一致性较低（中位数r≤0.16）；与阿尔茨海默病（r=0.54）相比显著降低；无法用人口统计学、临床或扫描仪差异解释；并且对分析选择具有稳健性。通过自举法，我们观察到精神分裂症每组的样本量≥200时，一致性可能会提高，但其他疾病可能需要更大的样本。我们的研究结果表明，当前结构MRI的广泛实践不太可能为精神障碍识别出稳健的形态测量表型。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 当前结构MRI研究的常用实践（如小样本、多位点分析）是否能最终趋同于基于现有诊断系统的精神障碍的稳健形态测量表型？
- 核心机制
- 与阿尔茨海默病相比，精神疾病组间皮层厚度和灰质体积的差异模式在不同站点间一致性低，可能反映了疾病表型信噪比低，样本量需极大增加才能达到类似AD的一致性水平。
- 主要证据
- 基于2,437名患者和2,065名对照的数据，分析显示五种精神障碍组间图普的跨站点中位相关性r≤0.16，显著低于AD的r=0.54，且用不同处理方法（阈值、平滑、分区）和统计检验均有此发现。
- 研究意义
- 研究结果表明，目前依赖小型独立研究的结构MRI实践不太可能产生精神障碍的可靠表型，未来需要合作倡议、大型数据存储库以及替代性的表型分析方法。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
灰质测量和统计映射
在统一预处理协议下，在各站点估计病例与对照的皮质厚度与灰质体积差异，生成站点特异性统计图谱，以评估可达到的最大跨站点一致性。
利用FreeSurfer 7.1.0进行SBM分析估计皮质厚度；CAT12（SPM12）进行VBM分析估计灰质体积，并运用ComBat协调站点效应，然后以年龄（SBM和VBM）及总颅内体积（VBM）等作为协变量建立一般线性模型，生成z-统计图（SBM）和t-统计图（VBM）。
跨站点一致性量化
采用多种相关分析指标和统计推断，检验一致性是否高于随机水平。
计算配对站点间未阈值化差异图谱的相关性以得出CSC，用二值相关的阈值化图谱（P<0.05未校正和校正）及复制率检验阈值处理影响，并通过特征自编码（eigenstrapping）、BrainSMASH和置换检验构建零假设模型评估显著性。
平滑和分区对一致性的影响
考察数据处理和分析选择（平滑、分区）是否影响跨站点的可重复性。
在SBM和VBM分析中，分别在皮质厚度（灰质体积）图谱中应用多种不同程度的平滑核（SBM：15和20mm；VBM：8和12mm FWHM），使用Desikan-Killiany和Schaefer-100/500/1000分区执行分区水平分析再计算一致性。
样本和MRI特征与跨站点一致性关联分析
评估人口统计学、临床、图像质量、采集方式等因素能否解释不同疾病组跨站点的一致性差异。
构建每一个包括人口统计学、临床和MRI特征在内的19个特征的跨站点相似度矩阵，并与对应的CSC矩阵进行Spearman秩相关分析，并使用Mantel检验评估相关性。
样本量对跨站点一致性影响分析
评估每种疾病在一定样本量下是否可提高跨站点的一致性，并估计所需要的研究样本量阈值。
使用自举法，从每种疾病中合并所有病例和对照组数据，随机抽取两两样本（预定的样本数）形成pseudo-sites，计算两组的差异图（皮层厚度）的相关性（及阈值化后的二值相关和复制率），多次重复获得分布。用仿真分析观察在不同信噪比（SNR）下一致性随样本量的变化趋势。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证形态测量差异图谱
统计分析
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 皮质厚度估计 | FreeSurfer 7.1.0 | -- | -- |
| 灰质体积估计 | 计算解剖学工具箱 (CAT12) 8.1版 | -- | -- |
| 统计分析 | SPM12 | -- | -- |
| 图像预处理 | MRIQC | -- | -- |
| 数据协调 | neuroCombat | -- | -- |
| 数据分析 | MATLAB R2021a和R2023b | MathWorks | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| SBM分析（基于表面的形态测量） | 皮质厚度估计使用FreeSurfer 7.1.0，组间分析（GLM）中纳入年龄和性别作为协变量，平滑核大小为10mm FWHM（主分析），并经ComBat协调去除站点效应。 阅读提示：Methods: SBM部分，包括Quality control procedures、SBM-based estimation of cortical thickness、Statistical analysis；ComBat调整步骤参见'Adjusting for site effects'。 |
| VBM分析（基于体素的形态测量） | 灰质体积估计使用CAT12（SPM12），GLM分析包含年龄、性别和ICV作为协变量，平滑为6mm FWHM（主分析），并经ComBat协调，且分析限于灰质概率≥0.2的共有mask。 阅读提示：Methods: VBM部分，涵盖Quality control procedures、Data processing and volume estimation及Statistical analysis。 |
| 跨站点一致性度量 | 计算配对站点未阈值差异图的Pearson相关（CSC）。对阈值化图谱（P<0.05未校正和聚类校正）计算二值相关及复制率；并须考虑到各种零模型的生成方法（如eigenstrapping、BrainSMASH）用于统计推断。 阅读提示：Methods: 'Quantifying CSC'和'Statistical inference on CSC'段落，以及Figure legend 1和2对指标的定义。 |
| 数据预处理和站点效应去除 | 质量控制标准：SBM使用MRIQC主成分分析及Euler数阈值（z>3.5和Euler数均值低3.29 SD）；VBM基于IQR评分（>2.8为排除）。站点效应使用ComBat模型协调，且模型中协变量包含年龄、性别和诊断。 阅读提示：Methods: 'Data quality control'各项及'Adjusting for site effects'；关于SBM和VBM质量控制的具体参数参考各自的Quality control procedures部分。 |
| 样本量效应评估 | 需要明确各精神疾病和阿尔茨海默病的总病例数和总对照数，以及用于自举抽样的最小和最大样本量（N），并说明重复自举抽样的次数（100次）。仿真模型需确定SNR值等参数。 阅读提示：Methods: 'Examining the effects of sample size'及'Simulating the effects of sample size'，同时参考Table 1的数据汇总。 |