多发性硬化症(MS)是一种中枢神经系统的炎症性和神经退行性疾病。多发性硬化症最公认的病理特征是炎症性脱髓鞘白质(WM)病变，其形成与复发有关。然而，不可逆转的残疾和进行性多发性硬化症的主要驱动因素被认为是神经变性。现在有许多治疗方法可以减少多发性硬化症复发的风险，但对于进展性多发性硬化症只有两种许可的治疗方法，其疗效似乎主要是在那些仍然显示出持续炎症病变活动证据的人身上。

        神经变性表现为脑萎缩，这可以用MRI测量。在继发性进展性多发性硬化症(SPMS)患者中，深层灰质(DGM)的GM体积损失比皮层快，在皮层中，它优先影响颞部和顶叶区域。然而，区域性和整体性的脑萎缩，以及其他常规的MRI测量，只与进行性多发性硬化症患者的残疾进展有部分关联和预测。这在一定程度上可以解释为病理是在全脑或区域层面上评估的，而残疾的发生是由于临床上有活力的区域和大脑网络之间连接受损的结果。

        多发性硬化症的病理对大脑的某些部分的影响要大于其他部分，理想的情况下，我们应该寻求在最有可能影响临床结果的地方测量病理。基于网络的测量方法有可能为传统的MRI测量方法增加价值，并且已经证明在解释运动障碍方面有希望。数据驱动的GM网络测量方法也是在临床试验中用作预后标记的良好候选方法。数据驱动的大脑网络测量有可能选择那些更有可能进展到丰富的临床试验，从而证明治疗效果。

        独立成分分析(ICA)是一种强大的数据驱动技术，已被用于识别结构性MRI上的大脑网络。空间ICA可以识别体积相近的独立脑区，这些脑区可以通过共同的生物或病理特性联系起来。在一项横断面研究中，Steenwijk等人在一个主要是复发缓解(RR)的MS队列中发现了与临床结果相关的皮质厚度的协变模式。以前的一项关于早期RRMS的研究显示，基线时GM强度的共变模式不能预测10年内的确认残疾进展(CDP)，也不能在10年内区分有CDP和无CDP的患者。这些研究主要针对RRMS，虽然萎缩发生在MS的早期，但它在进展期更为突出，并被认为与临床更为相关。迄今为止，没有任何研究关注基于网络的皮层和DGM基线测量的预测价值。

        藉此， UCL的Elisa Colato等人，应用基于网络的MRI测量GM体积的变化，与传统的区域或全脑体积相比，寻求更好地预测SPMS的残疾进展。

        他们应用空间ICA，从988名SPMS患者的结构性MRI中识别GM的协合模式(covarying patterns)。

        具体研究目标是：(1)在研究开始时确定临床相关的共轭转基因体积的措施;

        (2)确定预测未来残疾进展的共轭转基因体积的模式，并评估这些模式的稳定性和可靠性。

        他们使用了横断面结构MRI，以及基线和纵向数据，包括扩展残疾状态量表、九孔钉测试(Nine-Hole Peg ，9HPT)和符号数字模态测试(SDMT)，这些数据来自988名SPMS患者的临床试验。对T1加权扫描进行处理，以获得GM概率图，并应用空间独立成分分析(ICA)。对400名健康对照者重复了ICA。通过使用生存模型来确定基线模式的共变GM体积测量是否能预测认知和运动的恶化。

        他们发现了15种区域性共生的基因组特征模式。与全脑GM、深层GM和病变体积相比，一些ICA成分与临床结果的相关性更密切。

        基底神经节的成分在基线上与SDMT有最高的相关性，并与认知恶化相关(HR=1.29，95% CI 1.09至1.52，P<0.005)。

        两个ICA成分与9HPT恶化有关(HR=1.30，95%CI 1.06至1.60，p<0.01;HR=1.21，95%CI 1.01至1.45，p<0.05)。与仅包括整体和区域MRI测量的模型(C-index=0.65-0.69，所有比较的P值<0.05)相比，ICA测量可以更好地预测SDMT和9HPT恶化(C-index=0.69-0.71)。

        这个研究的重要意义在于，与单一的区域或全脑措施相比，一些共轭的GM区域模式能更好地预测残疾进展。ICA可能代表了大脑结构网络，可以应用于临床试验，并可能在对最有可能显示治疗效果的参与者进行分层方面发挥作用。