超越运动皮层：功能网络映射重新定义新生儿中风后的脑瘫预测

亮点

• 传统的基于病变的分析往往无法完全预测脑瘫（CP）的结果；病变网络映射（LNM）提供了一个更全面的预测框架。
• 新生儿动脉缺血性中风后发展为脑瘫显著与远超主要运动皮层的功能区域中断相关。
• 在与脑瘫相关的网络中识别的关键非运动区域包括丘脑、基底节、小脑和岛叶。
• 将常规临床成像与来自发育人类连接组项目（Developing Human Connectome Project, dHCP）的大规模规范连接组数据结合，提高了预后准确性。

引言：新生儿中风的临床挑战

新生儿动脉缺血性中风（AIS）是终身神经功能障碍的重要原因，发生率约为每2300至4000名活产婴儿中有1例。其中最令人担忧的后遗症之一是脑瘫的发展，这是一组永久性的运动和姿势障碍。几十年来，临床医生一直依赖急性神经影像学检查——主要是弥散加权磁共振成像（MRI）——来估计预后。然而，中风病灶的解剖位置或大小与最终临床结果之间的相关性仍然不完美。许多看似小病灶的婴儿出现严重的运动缺陷，而其他有广泛损害的婴儿则表现出惊人的恢复力。这种差异突显了我们对新生儿大脑功能结构及其对损伤反应的基本理解不足。

传统成像的局限性

传统的预后模型侧重于“病灶位置”映射，假设临床缺陷是特定功能区受损的直接结果，如皮质脊髓束或主要运动皮层。虽然这些结构无疑至关重要，但这种局部观点忽略了大脑作为一个高度整合网络的现实。在成熟大脑中，众所周知，局灶性病灶可以通过一种称为离断性抑制（diaschisis）的过程导致远处解剖结构完整区域的功能障碍。在迅速发展的新生儿大脑中，这些网络水平的中断可能更具影响力，因为中风发生在突触生成和通路精炼的高峰期。Kelly等人的研究通过将重点从病灶本身转移到病灶组织所属的更广泛的功能网络来解决这一局限性。

研究设计：利用大规模连接组学

这项多中心研究利用了两个主要的儿科中风登记数据：瑞士儿科中风登记（2000-2013年招募）和澳大利亚儿童中风研究（2003-2014年招募）。研究人员确定了199名足月出生的有症状AIS新生儿队列，其中85名符合高质量成像和纵向随访的严格纳入标准。

方法：病变网络映射（LNM）

本研究的核心创新在于使用病变网络映射。研究人员没有依赖于中风患者自身的静息态功能磁共振成像（rs-fMRI）——这在急性临床环境中往往难以获得——而是利用了“规范连接组”。该连接组是从发育人类连接组项目（dHCP）中的足月出生新生儿的3特斯拉rs-fMRI数据中得出的。

通过将临床队列中的中风病灶与dHCP模板共配准，团队可以计算体素级相关性。这使他们能够识别每个患者的中风发生区域通常与哪些大脑区域功能连接。这种方法实际上是在问：“无论病灶在哪里，它可能中断了哪些功能网络？”

关键发现：中断的连通性地图

在最终分析中包含的85名新生儿（65%为男性；中位MRI年龄为4天）中，33%在中位年龄2.1岁时被诊断为脑瘫。线性回归分析揭示了一个与脑瘫发展相关的独特功能网络。

非运动网络参与

研究发现，发展为脑瘫的参与者其病灶在功能上与几个特定的灰质区域高度相关（1721个体素；t: 5.4-7.4；P < 0.05，FWER校正）。这些包括：

• 皮下结构：基底节和丘脑，这两个结构都是运动和感觉信号的关键中继站。
• 小脑：传统上被视为协调中心，小脑在脑瘫网络中的参与表明其在早期运动电路成熟中的重要作用。
• 额叶和颞叶区域：包括上额回、颞极和内侧颞叶区域（海马和杏仁核）。
• 岛叶：涉及感觉运动整合和情感处理的区域。

这些发现表明，脑瘫不仅是由于“运动带”的损伤，而是由于支持运动计划、执行和反馈的复杂分布式网络中断所致。

专家评论：儿科神经学范式转变

这项研究的含义对于预后和治疗都具有深远影响。通过确定小脑和丘脑等非运动区域是脑瘫网络的中心，研究为一些非运动皮层中风的儿童仍患有运动障碍提供了生物学基础。

机制见解

从机制角度来看，这项研究支持新生儿中风中断远端脑区发育所需营养支持和信号传导的理论。如果中动脉领地的病灶中断了与小脑相连的网络，即使小脑未直接受到缺血的影响，也可能无法发展其正常的功能结构。这种“网络层面的脆弱性”是医师科学家在设计神经保护或康复策略时需要考虑的关键概念。

临床普适性和局限性

尽管该研究利用了大规模数据，但需要注意的是，规范连接组是基于健康足月出生的婴儿。刚遭受急性中风的大脑的实际连接可能有所不同。此外，尽管LNM在预测方面显示出巨大潜力，但其在实时临床决策中的实施需要在前瞻性队列中进一步验证，并开发自动化的病灶分割和网络分析工具。

结论：迈向精准预后

Kelly等人的工作标志着新生儿神经学向精准医学迈出了重要一步。通过证明脑瘫的发展与涉及运动和非运动区域的更广泛功能网络中断有关，该研究提供了对中风后结果的更细致理解。这种以网络为中心的观点最终可能使临床医生能够更早地识别高风险婴儿，从而在最大神经可塑性窗口期内实施针对性的强化治疗。

参考文献

1. Kelly CE, Chen J, Beare R, 等. 预测新生儿中风后结局：利用大规模数据的病变网络映射研究. Stroke. 2026;57(3):e112-e125. PMID: 41859782.
2. Boers L, 等. 病变网络映射：理解脑-行为关系的新工具. Nature Reviews Neurology. 2020;16(8):443-454.
3. 发育人类连接组项目（dHCP）. 数据发布2.0. http://www.developingconnectome.org/