新生儿缺氧缺血性脑病(hypoxic ischemic encephalopathy, HIE)是新生儿早期死亡和终身残疾的主要原因之一[1]。在发达国家中，新生儿HIE的发生率约为2～3/1000,且在全世界的范围内，围产期的HIE所致残疾占所有致残因素比例最高，约为十分之一[2]。尽管轻度HIE的患儿新生儿期无阳性表现，但他们仍具有远期不良结局的风险[3,4]。因此，对HIE患儿进行预后评估，进而为临床治疗提供影像学标记物十分重要。

新生儿行为神经评估(neonatal behavioral neurological assessment, NBNA)和Gesell婴幼儿发展量表(Gesell Developmental Schedules)是临床上常用的评估婴幼儿发育情况的量表。NBNA可以全面地评估HIE患者的神经系统，并在一定程度上揭示HIE患者的脑损伤程度[5]。Gesell婴幼儿发展量表不仅能够评估婴幼儿的正常发展过程，而且相对于其他量表对脑损伤患儿的预后评估也具有极大价值[6,7]。

扩散峰度成像(diffusion kurtosis imaging, DKI)是扩散张量成像(diffusiontensorimaging, DTI)的进一步发展，已经有多项研究证实了DKI在探查脑组织微观结构改变中的应用价值。但现有的研究多为基于动物模型的研究，临床研究则多为DKI对HIE的诊断及治疗方面的应用价值。但在HIE患儿预后预测方面的研究尚少。本研究旨在探究DKI衍生参数对新生儿HIE的神经发育结局的预后预测价值。

1、资料与方法

1.1 一般资料

以2020年5月至2022年6月在我院医学影像科进行MRI检查且被临床诊断为HIE的新生儿66例为研究对象(男35例，女31例；胎龄36～40周；出生体重2500～3800 g; 检查时体重2600～5290 g)。HIE组纳入标准[8,9]为：(1)孕周≥36周；(2)有明确的可导致胎儿宫内窘迫的异常史及严重的胎儿宫内窘迫表现，或在分娩过程中有明确的窒息史；(3)至少有以下其中一项：出生后10 min, 阿普加(Apgar)评分≤5分；在出生10 min以后需要继续复苏的，包括气管内通气或面罩通气；出生后60 min内酸中毒(脐带、动脉或毛细血管pH值<7.00);在出生后60 min内，脐带或任何血液样本(动脉、静脉或毛细血管)的碱缺失≥16 mmol/L。根据Sarnat-Sarnat分类系统[10],将66例HIE组新生儿分为三个亚组：(1)轻度组(n=35)(烦躁，肌张力正常或者增高，进食不良);(2)中度组(n=27)(嗜睡、肌张力减退、频繁的癫痫发作);(3)重度组(n=4)(昏迷、肌肉松弛、反射消失和癫痫发作)。

1.2 研究方法

扫描方法：所有HIE新生儿均在检查前30 min肌肉注射苯巴比妥(5 mg/kg),熟睡后接受磁共振检查，MRI检查时患儿的日龄均≤28天。医用棉球放置于双侧外耳道内，隔音海绵垫放置于头部两侧，在新生儿磁共振检查期间有一名监护人陪同，以预防新生儿惊醒或者意外情况的发生。此外，检查期间，须由相关科室的医师或进行麻醉的护士进行持续的监护，以确保新生儿的安全。在MRI 检查前获得监护人的书面知情同意书。本研究经过我院伦理委员会批准。

应用GE3.0T磁共振扫描仪(SIGNA.Pioneer; GE Healthcare, Waukesha, WI, USA)进行扫描。扫描序列包括颅脑常规MRI和DKI:轴位T2PROPELLER、轴位T2FLAIR、轴位T1FLAIR、轴位DWI800、矢状位T1FLAIR及轴位DKI25dir2B。先行颅脑常规的MRI扫描，再行DKI扫描(具体扫描参数为：轴位T2PROPELLER扫描参数为：层数 20、视野(FOV) 200 mm×200 mm、层厚4.0 mm、层间距1.0 mm、Auto重复时间(TR) 4371.0 ms、回波时间(TE)104.8 ms; 轴位T2FLAIR扫描参数为：层数20、FOV 200 mm×200 mm、层厚4.0mm、层间距1.0 mm、TR 8000.0 ms、TE 100.0 ms; 轴位T1FLAIR扫描参数为：层数20、FOV 200 mm×200 mm、层厚4.0 mm、层间距1.0 mm、TR 1750.0 ms 、 TE 24.0 ms; 轴位DWI 800扫描参数为：层数20、FOV 200 mm×200 mm、层厚4.0 mm、层间距1.0 mm、Auto TR 3439.0 ms、TE Minimum; 矢状位T1FLAIR扫描参数为：层数20、FOV 200 mm×200 mm、层厚4.0 mm、层间距1.0 mm、Auto TR 2000.0 ms、TE Min Full。再行DKI扫描，具体参数为：层数27、FOV 200 mm×200 mm、层厚4.0 mm、层间距0.0 mm、TR 8200.0 ms、TE Minimum, 方向 25个，b值=0,1000,2000 s/mm2。常规MRI扫描时间为6 min 33 s, DKI扫描时间为7 min 23 s)。

图像后处理及分析：将原始序列导入后处理工作站，利用iQuant软件(GE Healthcare, 北京，中国)自动计算生成DKI定量参数图。

采用基于感兴趣区域(regionof interest, ROI)的方式进行分析。ROIs由一位有5年影像学经验的放射科医师手动勾画，并由一位有10年以上影像学经验的资深放射科医师进行确认。放射科医师对研究对象的临床信息、分组等情况均不知情，在勾画过程中屏蔽图像中与患者相关的基本信息并重新编号，用来防止评估中出现偏见。使用ITK-SNAP软件(3.8.0版)手动勾画ROIs。所有ROIs在通过基底节和半卵圆中心水平层面的白质和灰质上进行勾画(图1),包括中央白质[内囊后肢(posterior limbs of internal capsule, PLIC);内囊前肢(anterior limbs of internal capsule, ALIC);胼胝体压部(splenium of the corpus callosum, SCC);胼胝体膝部(genu of the corpus callosum, GCC)]、外周白质[半卵圆中心水平的额叶白质(frontal white matter, FWM)、顶叶白质(parietal white matter, PWM)、中央白质(central white matter, CWM)]和深部灰质[尾状核头部(head of caudate nucleus, CN);苍白球(globus pallidus, GP);壳核(putamen, PUT);丘脑(thalamus, TH)]。根据年龄和位置大小，ROI的大小控制在10 ～ 150 mm2之间，镜像对称ROI的大小保持一致。将每个ROI放置于相应解剖位置的中心。每个ROI测量三次，取其平均值，并且将两个对称ROI的参数值再取平均值，然后软件自动将绘制的ROIs转移到每个研究对象的平均扩散峰度(mean kurtosis, MK)图、轴向扩散峰度(axial kurtosis, Ka)图、径向扩散峰度(radial kurtosis, Kr)图、平均扩散系数(mean diffusion, MD)图，径向扩散系数(radial diffusion, Dr)图和轴向扩散系数(axial diffusion, Da)图上。

临床随访：NBNA评分是一种无创且方便的检查方法，可反映新生儿的神经行为发育情况，具有较高的敏感度和特异度。NBNA评分主要包括以下几个方面[5,11]:一般状况、动作行为、肌张力及原始反射，每一项的分值为0～2分。进行检查时，环境保持安静，室内的温度保持在适当的温度(24℃～28℃),所有的评估均在喂食后1小时进行(睡眠状态)。NBNA评分人员需经过2周的训练，并至少检测过20个新生儿且经鉴定合格者才可进行评估。本研究中，根据得分将研究对象分为两组，≥37分为预后好组，<37分为预后差组。

Gesell婴幼儿发展量表主要是从运动行为(大运动和精细运动)、语言行为、适应性行为及个人社会行为几个方面对婴幼儿的发育情况进行评估[10],目前在国内外已广泛用于评估婴幼儿的发展情况[12]。在临床上，常常通过记录和分析患儿的发育商(development quotient, DQ)来指导预后和调整治疗方案，从而进一步改善患儿的功能障碍情况。Gesell评分由两名经专业培训的儿童保健科医师在不知患儿临床表现及MRI结果的情况下完成，并达成一致意见。在本研究中，以总DQ 75分为界，将研究对象分为预后好组和预后差组，DQ>75分为预后良好组，DQ≤75分为预后不良组。

统计学方法：所有分析均采用SPSS统计学软件(IBM SPSS Statistics 21.0)进行统计分析。所有计量资料采用均数±标准差

来表示，检验水准均采用P<0.05为差异具有显著的统计学意义。

利用Spearman秩相关来分析NBNA评分、大运动DQ、精细动作DQ、适应能力DQ、语言DQ、社交行为DQ、总DQ与DKI衍生参数间的相关性。采用非参数检验(Mann-Whitney U秩和检验)比较预后好组与预后差组间DKI衍生参数的差异，并利用受试者工作特征曲线(receivero perating characteristic curve, ROC curve)来分析DKI衍生参数的预测预后效能，并计算曲线下面积(area under curve, AUC)、约登指数(Youden index )、灵敏度(sensitivity)、特异度(specificity),并确定各参数的最佳截断值。

2、结果

2.1 随访结果

临床预后评估包括NBNA评分和Gesell评分。NBNA评分：在出生后14天左右(以下简称14天)进行，共有66例进行评估。Gesell评分：在出生后6个月左右(以下简称6个月)进行第一次Gesell评分，共有41例在本院进行评估；在出生后12个月左右(以下简称12个月)进行第二次Gesell评分，共有31例在本院进行评估。

对轻度组、中度组和重度组间预后评分的差异进行比较，结果见表1。各组间的NBNA评分的差异具有显著的统计学意义，而各组间6个月和12个月时Gesell评分的差异无明显的统计学意义。

2.2 NBNA评分、Gesell评分与DKI衍生参数间的相关性

在分析NBNA评分与HIE组DKI衍生参数间的相关性时，仅对鉴别轻度组和中度组间差异具有统计学意义的参数进行分析，结果见表2。CN-MK值、SCC-MK值、CN-Ka值、GCC-Ka值、GP-Kr值、PUT-Kr值、CWM-FA值与NBNA评分间存在显著的相关性(P<0.05),其中，GP-Kr值的相关系数最高(r=0.394,P=0.001)。

表1不同程度HIE组的随访评分

表2 NBNA评分与DKI衍生参数间的相关性

在分析Gesell评分与HIE组DKI衍生参数间的相关性时，仅对鉴别轻度组和中度组间差异具有统计学意义的参数进行分析，结果见表3、4。

在6个月时Gesell评分与DKI衍生参数的相关性分析中，大运动DQ与TH-Da值间具有显著相关性(r=0.325,P=0.038);适应能力DQ与SCC-MK值间具有显著相关性(r=0.310,P=0.049);社交行为DQ与SCC-MK值、SCC-Kr值、ALIC-Da值间具有显著的相关性(r=0.312,P=0.047;r=0.391,P=0.012;r=-0.342,P=0.029);总DQ与SCC-MK值和SCC-Kr值间存在显著相关性(r=0.325,P=0.038;r=0.312,P=0.047);精细动作DQ、语言DQ与DKI衍生参数间未见明显的相关性。

在12个月时Gesell评分与DKI衍生参数的相关性分析中，精细动作DQ与SCC-MK值、TH-Da值间具有显著相关性(r=0.432,P=0.015;r=0.381,P=0.035);语言DQ与SCC-MK值、FWM-MK值和SCC-Kr值间具有显著相关性(r=0.367,P=0.042;r=-0.378,P=0.036;r=0.376,P=0.037);社交行为DQ与GCC-Ka值间存在显著相关性(r=0.367,P=0.042);总DQ与TH-Da值间存在显著相关性(r=0.376,P=0.037);大运动DQ、适应能力DQ与DKI衍生参数间未见明显的相关性。

2.3 DKI衍生参数对神经发育结局的预测分析

NBNA评分： 根据14天时NBNA评分将研究对象分为预后好组(n=44)和预后差组(n=22),比较两组间DKI衍生参数的差异，结果如图2所示。在峰度参数中，两组间的CN-MK值、SCC-MK值、CN-Ka值、GP-Kr值及PUT-Kr值差异具有统计学意义(P<0.05),且预后好组的参数值均大于预后差组的参数值。在扩散参数中，两组间仅有CWM-FA值的差异具有统计学意义(P<0.05),且预后好组的参数值明显高于预后差组的参数值。

对两组间差异具有统计学意义的DKI衍生参数进行ROC分析，结果详见图3。在峰度参数中，GP-Kr值的预测预后效能最高(AUC=0.763,灵敏度86.4%,特异度61.4%),其次为CN-Ka值、PUT-Kr值、SCC-MK值及CN-MK值(AUC依次为0.716、0.696、0.670、0.656)。在扩散参数中，CWM-FA值的预测预后效能最高(AUC=0.720,灵敏度77.3%,特异度70.5%)。

以上参数的诊断效能均未达到0.800以上。因此，将CN-MK值、SCC-MK值、CN-Ka值、GP-Kr值、PUT-Kr值及CWM-FA值进行联合分析，发现其预测预后的AUC达到了0.815,在所有参数中最大，约登(Youden)指数为0.568,灵敏度为81.8%,特异度为75.0%,最佳截断值为0.338(图4)。

Gesell评分： 6个月和12个月时预后好组和预后差组间DKI衍生参数的比较结果如图5～8所示。

根据6个月时的Gesell评分将研究对象分为预后好组(n=30)和预后差组(n=11),比较两组间DKI衍生参数的差异，结果如图5所示。仅有SCC-Kr值的差异在预后好组和预后差组间有显著的统计学意义(r=0.021),且预后好组的SCC-Kr值明显高于预后差组(预后好组0.719±0.102;预后差组0.641±0.059)。

表3 6个月时Gesell评分与DKI衍生参数间的相关性

表4 12个月时Gesell评分与DKI衍生参数间的相关性

对两组间差异具有统计学意义的DKI衍生参数进行ROC分析，结果详见图6。在6个月时的Gesell评分中，两组间仅SCC-Kr值的差异具有统计学意义，AUC为0.738,Youden指数为0.433,灵敏度100.0%,特异度43.3%,截断值为0.736。

根据12个月时的Gesell评分将研究对象分为预后好组(n=27)和预后差组(n=4),比较两组间DKI衍生参数的差异，结果如图7所示。SCC-MK值和SCC-Kr值的差异在预后好组和预后差组间表现出显著的统计学意义(r=0.048;r=0.031),且预后好组的SCC-MK值和SCC-Kr值均明显高于预后差组(MK值：预后好组0.360±0.051,预后差组0.308±0.050;Kr值：预后好组0.703±0.098,预后差组0.602±0.040)。

对两组间差异具有统计学意义的DKI衍生参数进行ROC分析，结果详见图8。在12个月的预后随访中，SCC-MK值和SCC-Kr值的预测效能均较高。SCC-MK值的AUC为0.810,Youden指数为0.528,灵敏度75.0%,特异度77.8%,截断值为0.332。SCC-Kr值的AUC为0.838,Youden指数为0.704,灵敏度100.0%,特异度70.4%,截断值为0.646。

3、讨论

在DKI衍生参数与临床量表的相关性分析中，笔者发现有更多的DKI衍生参数表现出与NBNA评分间的相关性，而与各能区DQ及总DQ间具有相关性的参数较少。大多数参数值与NBNA评分、各能区DQ及总DQ间的相关系数未超过0.400,呈中度相关。同时，NBNA 评分在不同程度HIE组间差异具有统计学意义，而Gesell评分差异则无统计学意义。这可能是由于HIE患儿后期接受了不同的治疗措施、康复手段或家庭看护方式造成的，而Gesell评分反映的是中远期的脑功能情况，受后期多种因素的影响较大。

图1 ROIs绘制示例图

图2 预后好组与预后差组间DKI衍生参数的差异(NBNA评分)

图3 DKI衍生参数预测预后的ROC分析结果(NBNA评分)

图4 联合参数预测预后的ROC分析结果(NBNA评分)

图5 预后好组与预后差组间DKI衍生参数的差异(6个月时Ge-sell评分)

图6 DKI衍生参数预测预后的ROC分析结果(6个月时Gesell评分)

图7 预后好组与预后差组间DKI衍生参数的差异(12个月时Gesell评分)

图8 DKI衍生参数预测预后的ROC分析结果(12个月时Gesell评分)(图2、5、7柱状图为带SD的平均值，条形图顶端为平均值大小，条形图上方“T”形线段的长度为SD值大小;横轴为ROIs，纵轴为DKI衍生参数值，其中Da、Dr的单位为mm2/s。“favorablegroup”为预后好组，“adversegroup”为预后差组。“*”代表P<0.05。)

在NBNA评分中，GP-Kr值与NBNA评分间的相关性最强，且对预后的预测效能最高，其次为CN-Ka 值、CN-MK值、CWM-FA值、SCC-MK值(相关系数均>0.300,AUC均>0.600)。GP和CN是基底节区的重要结构，此区域代谢最为活跃且血流量高，缺氧缺血后容易受到损伤。而且基底节区域涉及到许多具有情绪、联想和认知功能等神经元通路，可接收来自皮质的输入，通过丘脑投射到与运动相关的额叶区域[12]。因此，GP和CN的DKI衍生参数值对预后的预测具有重要的价值。虽然有多个参数能够区分预后好组和预后差组间的差异，但AUC 均未超过0.800。将有意义的参数值合并为联合参数进行分析，发现多参数合并后的AUC达到了0.815,预测效能最高。这提示在单个参数未达到良好的诊断或预测能力时，可采用多参数联合分析提高参数的效能。

在Gesell评分中，6个月时的适应能力DQ、总DQ及12个月时精细动作DQ与SCC-MK值的相关性最强；6个月时社交行为DQ、12个月时语言DQ与SCC-Kr值的相关性最强；12个月时社交行为DQ与GCC-Ka值的相关性最强。而且在预后好组与预后差组的比较中，仅有SCC-MK值可鉴别6个月和12个月时的预后情况，且预测效能均较高，AUC分别为0.738、0.810;SCC-Kr值仅可鉴别12个月时的预后情况，AUC达到了0.838。这可能是因为胼胝体作为脑内最大的连合纤维，连接了左右大脑半球的横行纤维束，对于协调两侧大脑半球的活动具有重要的意义，并且SCC作为胼胝体中先发育和髓鞘化的部分，相比于胼胝体的其他部位，在新生儿发生缺氧缺血后更容易受到损伤[13]。

本研究发现MK值和Kr值在14天时、6个月时和12个月时的预后评估中均具有显著的差异性，预后好组的值明显高于预后差组，且预测效能明显优于其他参数。这说明MK值和Kr值具有预测新生儿HIE预后潜力。虽然目前DKI在新生儿HIE中的应用十分有限，但仍有许多研究都证实了DKI衍生参数在预估神经发育结局中的价值。比如，Wang等[14]的研究发现，DKI对于亚急性创伤性脑损伤中脑白质及脑皮质下的微结构改变十分敏感，表现在MK值的明显降低，且这种降低与认知功能的变化十分相关。He等[15]的研究发现通过新生猪HIE模型发现DKI的衍生参数可反映瘦素(Leptin)治疗HIE后脑组织内发生的变化。与非治疗组相比，治疗组的参数改变明显，且病变面积明显缩小，同时也通过病理证实了治疗后细胞的损伤明显减少。这说明DKI可以反映HIE 治疗后脑组织内微结构的改变情况，能够通过定量参数的变化来反映预后的情况。

综上所述，DKI可以作为临床提供新生儿HIE的预后评估的潜在指标，具有成为影像学标记物的潜力，可为临床医师制定更优治疗方案提供相关依据。

参考文献:

8王雪源,赵鑫,刘祥龙,等.扩散张量成像在早产儿缺氧缺血性脑损伤中的应用[J].临床放射学杂志,2018,37:1557-1560.

9王雪源,赵鑫,刘祥龙,等.DTI在早产儿缺氧缺血性脑损伤预后预测中的应用价值[J].临床放射学杂志,2019,38:1493-1497.

13席艳丽,王瑞珠,盛会雪,等.亚急性期~1H-MRS及DTI对中重度缺氧缺血性脑病新生儿预后评估的价值 [J].临床放射学杂志,2022,41:933-939.

基金资助:国家自然基金资助项目(编号:82371919); 河南省科技攻关资助项目(编号:242102310011); 郑州大学第三附属医院博士科研启动金专项经费(编号:BS20230112);

文章来源:刘祥龙,岳翔,赵鑫,等.DKI衍生参数预测新生儿缺氧缺血性脑病预后[J].临床放射学杂志,2024,43(10):1787-1793.