综述：超越灰度范围：TBI神经影像学在微观结构、代谢及人工智能驱动技术方面的进展综述

创伤性脑损伤（TBI）传统影像学易漏诊微观轴索损伤及神经血管异常，2024 NINDS框架倡导临床、生物标志物与多模态神经影像融合诊断。微结构成像（NODDI检测神经重组，QSM量化慢性铁沉积）、功能连接成像（fMRI揭示脑网络分离）及AI辅助分析（处理高维影像数据）突破传统诊断局限，推动精准医学分型

威尔逊·A·查韦斯（Wilson A Chavez）| V·卡洛塔·安德烈乌-阿拉萨（V Carlota Andreu-Arasa）| 宾杜·N·塞蒂（Bindu N Setty）

美国加利福尼亚州斯坦福市斯坦福大学放射科神经放射学分会，斯坦福医疗保健系统

摘要

创伤性脑损伤（TBI）在诊断上存在显著挑战，因为严重的临床症状与常规神经影像学检查中未见异常结果之间存在明显差异。本文综合了多项经过同行评审的文献，探讨了从解剖学诊断向微观结构、生理学及计算诊断方法的转变。我们重点介绍了2024年美国国立神经疾病和中风研究所（NINDS）提出的CBI-M（临床、生物标志物、影像学、修饰因素）框架，该框架推荐采用多模式诊断方法。主要进展包括：利用神经纤维定向扩散和密度成像（NODDI）技术检测微观结构重组；通过定量磁化率成像（QSM）量化慢性铁沉积及间接炎症；通过动脉自旋标记（ASL）评估脑灌注和神经血管健康状况；利用功能性磁共振成像（fMRI）系统性地识别功能连接障碍；以及人工智能（AI）在精准预后中的应用。这些技术共同推动了精准医学的发展，使TBI的诊断更加依赖于具体的生物类型而非简单的严重程度评分。

引言

创伤性脑损伤（TBI）是全球导致死亡和长期残疾的主要原因之一，堪称一种“无声的流行病”，造成了巨大的经济和社会成本。数十年来，TBI的临床分类主要依赖于格拉斯哥昏迷量表（GCS），该量表于1974年开发用于评估意识水平。尽管GCS在急性分诊和确定是否需要立即保护气道方面仍然有效，但它越来越被认为无法充分反映脑损伤的复杂病理生理机制。特别是在将患者分为轻度、中度或重度类别时，这一方法常常无法准确捕捉到轻度TBI患者的病情——这些患者尽管CT和MRI检查结果正常，但仍可能出现严重的认知和情绪障碍。

这种诊断上的空白——通常被称为“隐形损伤”——阻碍了针对性治疗和精准预后的发展。传统影像学方法的局限性在于其分辨率有限，主要适用于检测颅骨骨折、大血肿或中线偏移等宏观结构异常，而对可能导致TBI后遗症的微观轴突损伤和细胞损伤几乎无能为力。

最近的组织病理学和先进成像研究表明，这些“隐形”损伤往往由特定的细胞和生理机制引起，如星形胶质细胞增生（支持细胞的反应性瘢痕形成）、髓鞘退化以及神经血管功能障碍。例如，本杰明尼（Benjamini）等人的研究显示，多维度MRI序列能够绘制活体人脑中的星形胶质细胞增生情况，揭示出以前只能在尸检中观察到的微观瘢痕模式，从而有助于观察大脑的“伤口愈合”过程；拉塞尔-舒尔茨（Russell-Schulz）等人的研究发现，慢性轻度TBI患者存在可量化的髓鞘水分数（MWF）下降，表明髓鞘完整性受到轻微但显著的破坏。此外，损伤还会破坏神经血管耦合（神经元活动与血流之间的精确协调），导致即使结构看似完整仍存在灌注缺陷。这些具体的病理机制是新一代成像技术需要检测的目标，以推动精准医学的发展。

近年来，该领域正从依赖静态宏观结构成像转向能够探测微观结构、代谢状态和功能网络完整性的先进技术。2024年美国国立神经疾病和中风研究所（NINDS）的创伤性脑损伤分类和命名倡议正式推动了这一转变，其影像学工作组提出了一个整合临床体征、血液生物标志物和先进神经影像学的新诊断模型。

部分内容摘要

微观结构成像：揭示“隐形”损伤

标准扩散张量成像（DTI）长期以来一直是评估白质完整性的研究工具。通过测量水分子的扩散情况，DTI可以提供诸如各向异性（FA）等指标，用于评估神经纤维的健康状况。然而，DTI假设扩散过程遵循高斯分布，这简化了大脑复杂的生物学环境。DTI指标往往缺乏特异性，容易将轴突损伤与其他因素（如交叉纤维、水肿或炎症）混淆。

功能与网络成像：失联的大脑

TBI越来越多地被理解为一种大规模脑网络紊乱（即连接病理）。功能性磁共振成像（fMRI）能够绘制这些内在的连接网络。

莱斯基宁（Leskinen）等人的系统综述和荟萃分析整合了76项研究的数据（涉及超过5000名参与者），发现网络损伤存在与损伤程度相关的规律性模式：

• 1. 轻度TBI（“脑雾”症状）：最常出现的变化包括...

人工智能的作用

NODDI、QSM和fMRI提供的数据量庞大且复杂，超出了人类视觉的解读能力。人工智能（AI）成为连接这些大数据与临床应用的关键桥梁。

梅布拉图（Mebrahtu）等人的综述评估了当前机器学习（ML）和深度学习（DL）在TBI诊断和预后中的应用现状。

生物学背景：神经炎症与蛋白质组学

先进成像技术并非孤立存在，它们旨在可视化大脑中的生物学过程。要解读NODDI和QSM所显示的信号，必须了解受损大脑的复杂细胞和分子机制。

吴（Wu）等人的研究详细阐述了TBI中的神经免疫和神经炎症反应的双相特性。

讨论与未来方向

最新研究显示，TBI的诊断正从主观的临床评估转向客观的多模式量化。2024年NINDS的建议为这一转变提供了制度和临床支持，证实单纯的CT扫描已不足以排除严重损伤。

与成人不同，儿童TBI应被视为一种“发育轨迹的改变”。

结论

神经成像从宏观结构检测向微观结构量化转变，标志着临床神经科学的重要进展。NODDI、QSM和AI驱动的分析技术打破了“隐形损伤”的概念，揭示了持续功能障碍的细胞和代谢基础。未来，这些技术将用于识别并绘制每位患者中最易受到机械性和继发性损伤影响的脑区。

关于手稿制作过程中生成式AI和AI辅助技术的声明

在撰写本文时，作者使用了Gemini（谷歌提供的工具）来提升文本的可读性和流畅性。使用该工具后，作者对内容进行了必要的审查和编辑，并对发表文章的内容负全责。

作者贡献声明

威尔逊·A·查韦斯（Wilson A Chavez）：撰写、审稿与编辑、初步研究、数据分析、概念构建。 V·卡洛塔·安德烈乌-阿拉萨（V Carlota Andreu-Arasa）：撰写、审稿与编辑、初步研究、概念构建。 宾杜·N·塞蒂（Bindu N Setty）：撰写、审稿与编辑、初步研究、概念构建。

利益冲突声明

作者声明没有已知的可能影响本文研究的财务利益或个人关系。