
当在体磁共振成像(MRI)上可见到周围血管间隙(PVS)时,它们被视为扩大的周围血管间隙(ePVS)。ePVS 最常见于半卵圆中心和基底神经节,较少见于中脑和海马。解剖学上,PVS 位于大脑血管内皮外侧,但在血管的胶质限制层内。见图3示意图和表1定义。在MRI上可见的PVS通常平行于垂直于脑表面的穿透性脑小动脉。PVS通常被认为是位于内皮细胞和星形胶质细胞之间的充满液体的间隙。在小动脉水平上,一层软脑膜限制PVS,而在毛细血管水平,软脑膜被星形胶质细胞的终足取代,作为血脑屏障的额外一层。从这里,PVS被认为继续通过毛细血管进入小静脉,最终通过静脉排出大脑。PVS周围的结构根据血管树中的位置不同(即小动脉周围有一层软脑膜,小静脉周围有碎片化的软脑膜,而毛细血管周围只有星形胶质细胞的终足作为血管周围边界)。PVS解剖的一般模型显示在图4中。在由胶质细胞介导的淋巴(或胶淋巴)模型中(路径1),PVS被描述为小动脉的平滑肌细胞层和软脑膜层之间以及小静脉的内皮和软脑膜层之间的间隙,其中软脑膜层作为外部PVS壁。这些空间由穿透血管壁基底膜的两层软脑膜限制。图4中的路径2展示了由Albargothy等人提出的IPAD路径模型中描述的PVS清除解剖学,他们详细描述了PVS的微观解剖学。在小动脉水平,几层交替的基底膜和平滑肌以编织、扭曲的方式包绕内皮。IPAD路径通过分布在平滑肌细胞(SMCs)之间的基底膜网络进行。平滑肌收缩的强度似乎推动了IPAD。在SMCs的外侧是另一层基底膜,紧邻软脑膜和软脑膜-胶质基底膜。从血管腔到实质的层次顺序包括内皮、基底膜、几层由基底膜分隔的平滑肌细胞、基底膜、额外的同心基底膜层、软脑膜、基底膜/血管周围间隙和胶质限制层(图4)。使用注射到啮齿动物大池的示踪剂,证明示踪剂沿着软脑膜-胶质基底膜进入大脑实质。在毛细血管水平,间质间隙与血管周围间隙相连。人类大脑区域中PVS解剖学的主要差异在于,皮质小动脉(源自软脑膜表面和软脑膜血管)获得一层软脑膜,而深层皮质下结构和白质中的穿透小动脉则有两层软脑膜。这种解剖学差异可能解释了ePVS主要位于皮质以外区域的原因。解剖学差异也可能是脑MRI上常见的基底神经节ePVS与白质ePVS之间形态差异的原因,其中基底神经节中的ePVS直径通常较大(除非在极少数情况下出现大规模扩大的PVS)(图1A和B)。皮质中存在血管周围的间隙,脑脊液(CSF)和溶质沿着这些间隙进入和离开大脑,但这些间隙被认为比血管周围间隙更小。大脑血管及其血脑屏障结构极其复杂,深入了解其微观结构和分子功能对于增加我们对血管周围间隙在大脑健康和疾病中作用的认识至关重要。
图1脑MRI可见ePVS的区域形态学差异
(A)基底节区血管周围间隙(ePVS)增大的轴向切片。(B)同一参与者的矢状面切片,描绘了白质的ePVS。注意基底节区ePVS的直径比白质区ePVS大。这种形态差异是典型的,可能是由于皮质动脉有一层软脑膜,而基底神经节穿通动脉有两层软脑膜。(C)虽然不常见,但ePVS可以长得比3mm大得多,在一些罕见的病例中,ePVS可以遍及大脑的大片区域。
图2未固定脑组织可见ePVS
脑淀粉样血管病患者未固定的脑组织。组织样本显示清晰而广泛的血管周围间隙(ePVS)遍布白质,并伴有皮质微出血(黑色箭头)。
流体动力学
上述解剖描述对应于两种不同的PVS生理学模型。如图4所示,第一种途径被称为淋巴模型,它提出脑脊液沿着动脉旁间隙进入大脑(用黑色箭头突出显示),与实质中的间质液(ISF)混合(包括代谢废物),并沿着环绕小静脉和静脉的静脉旁间隙离开大脑。淋巴引流中的PVS位于小动脉的SMCs外,但位于胶质界限内(星形细胞终足);内皮外,但位于小静脉的胶质界限内图4中的第二种途径,即IPAD模型,表明脑脊液从蛛网膜下腔沿动脉和小动脉壁外部的神经胶质基底膜浸润大脑(用绿色箭头突出显示)。然后脑脊液在小动脉水平进入脑实质,与ISF和细胞碎片混合,并沿着小动脉和动脉的SMC基底膜离开脑实质表2突出了glymphatic通路和IPAD通路的主要异同。
脑脊液可能自由扩散到PVS,但这是由脑室中脑脊液产生的压力梯度驱动的,并由动脉搏动刺激在小动脉或毛细血管处水平,脑脊液通过胶质细胞界限被运输到实质,水通道蛋白-4(一种透水蛋白)可能在促进这种液体运输中起作用,尽管目前尚不清楚。一旦进入实质,脑脊液与ISF和其他废物混合并扩散到整个实质,到达毛细血管水平的血脑屏障。然后,液体混合物穿过毛细血管水平进入基底膜,沿着小动脉壁的IPAD通道行进,与血液流动方向相反,或者沿着与血液流动方向一致的静脉引流通道行进。脑脊液、ISF和废物的混合物然后穿过蛛网膜下腔进入淋巴管,最终在颈部淋巴结过滤。
允许血管周围排水的流体动力学是一个有争议的话题,但Diem等人的研究表明,SMCs产生一种与血液流动方向相反的收缩波,迫使流体通过小动脉中的IPAD基膜,类似于蠕动。van Veluw等人最近的一项研究显示,在人脑淀粉样血管病(CAA)样本中,微动脉旁纳米颗粒在血流相反方向被清除(尽管数据需要重复),β-淀粉样蛋白在血管SMCs的管腔基底膜中积累,这表明IPAD受损。
除了IPAD通路外,有证据表明,小静脉和静脉周围的PVS在将ISF运输出大脑方面也起作用。在小鼠模型中,Iliff等表明,注入大池的示踪剂通过动脉PVS进入大脑,并在1小时内出现在小静脉壁上。此外,当示踪剂直接注射到大脑纹状体时,它出现在小静脉的相同PVS室中。总的来说,这些发现为静脉引流途径提供了证据。相比之下,Albargothy等人认为ISF的主要外排途径是通过IPAD途径,这在小静脉壁上不存在,小静脉壁上不存在SMCs,其基底膜网络在小静脉中基本不存在。给予30分钟的时间在整个系统中流动,β-淀粉样蛋白主要沉积在IPAD通路中SMCs周围的环状结构中,而在小静脉周围的pv中几乎不存在。这让人联想到β-淀粉样蛋白在CAA的膜中沉积的环状图案,表明IPAD的失败可能导致CAA。MRI上可见的ePVS更可能是动脉或小动脉周围的空间,而不是小静脉或静脉,原因有两个。首先,发生在基底节区的ePVS通常与穿透性细纹状动脉密切相关;其次,发生在半卵圆中心的ePVS通常与CAA相关的影像学表现和CAA病理相关,种情况主要影响动脉和小动脉。Jochems等人发表的其他MRI可见PVS对应动脉和小动脉的证据显示,在3T脑MRI上,PVS和小静脉之间的空间重叠程度很低。然而,ISF外排是否可以同时沿动脉旁和静脉旁通路发生,还需要进一步的研究。
表2 两种可能的代谢废物引流途径比较
途径1:淋巴途径 | 途径2:IPAD途径(壁内动脉周围引流) |
在血管平滑肌细胞收缩的刺激下,脑脊液沿着动脉和小动脉的PVS流入大脑 | 脑脊液在血管平滑肌细胞收缩的刺激下,沿着动脉和小动脉的PVS,在脑脊液和神经胶质界限之间流入大脑 |
脑脊液可能通过小动脉/毛细血管水平的水通道-4通道进入实质 | 脑脊液可能通过小动脉/毛细血管水平的水通道-4通道进入实质 |
脑脊液在实质中与ISF和代谢废物混合 | 脑脊液在实质中与ISF和代谢废物混合 |
CSF/ISF混合物在薄壁组织中扩散,并可能通过水通道蛋白-4通道在毛细血管水平进入PVS | CSF/ISF混合物在薄壁组织中扩散,并可能通过水通道蛋白-4通道在毛细血管水平进入PVS |
这种混合物沿着小静脉和静脉的PVS流出大脑 | 这种混合物通过基底膜网络流出大脑,基底膜网络与平滑肌细胞沿着小动脉和动脉交织在一起 |
图5血管周围空间放大电子显微图与血管周围空间放大理论模型
(A)扫描电镜显示基底神经节动脉周围的血管周围空间(ePVS)增大(软脑膜外层为绿色)。增大的血管周围间隙出现在两层软脑膜之间。图片由Roy Weller博士提供(B)主动脉脉波速度(PWV)增加导致更高的脉波传播到基底节区穿通动脉,导致血管壁损伤和血管周围空间扩大。显示基底神经节,动脉壁受到搏动性损伤,留下更宽的空间,充满间质液,可能还有脑脊液(蓝色)。©Ikumi Kayama/Studio Kayama LLC. (C)上游血管淀粉样蛋白积累增加可能造成阻塞,导致白质中的ePVS。©Ikumi Kayama/Studio Kayama LLC. CAA =脑淀粉样血管病。
在一项对健康老年男性的研究中,基底神经节和半卵圆中心的ePVS与WMHs相关,并与较差的非语言推理和视觉空间能力相关。基底神经节和半卵圆中心ePVS评分为1-20的参与者在视觉空间任务中的表现比没有ePVS评分的参与者差。我们最近在一个以社区为基础的无临床痴呆的老年人队列中发现,ePVS与较差的信息处理和执行功能有关然后,我们测试了ePVS和其他SVD标志物(即WMHs,腔隙,脑微出血)作为相互竞争的预测因子,发现ePVS对多种认知结果有独立的影响。与其他SVD标记相比,ePVS在预测执行功能表现方面的方差最大,这项工作提供了重要的证据,证明ePVS可能对某些认知功能有重要的贡献,并通过独立于WMHs的途径对认知产生不利影响。在一项为数不多的评估纵向后果的研究中,随着时间的推移,较大的ePVS(>3毫米)负担预示着信息处理速度的急剧下降。总的来说,在单张脑轴向图像上,白质中存在超过20个ePVS与患AD和相关痴呆的风险增加有关。基底神经节的ePVS似乎与执行功能和信息处理速度的认知领域有关。
一些已发表的研究没有发现ePVS与认知有关。在5项研究的荟萃分析中,发现ePVS与认知没有显著关联。虽然这项研究包括了2,806名参与者的强大样本,但不同研究的方法并不统一(例如,1.5T和3T MRI,不同的MRI序列,以及使用不同的认知测试)。在一项纵向研究中,基线ePVS负担不能预测5年随访期间的处理速度、执行功能或全球认知能力下降。ePVS偶尔出现在海马体中,但一项对无痴呆的老年人的研究发现,海马体中的ePVS与记忆功能无关。ePVS研究面临的挑战之一是不同研究使用的量化方法的可变性,这种可变性给对文献做出结论性陈述带来了困难。稍后将讨论标准化量化的新方法。
ePVS与疾病的联系
ePVS可以在受影响的大脑区域普遍存在,并且难以通过MRI切片跟踪,这使得人工量化变得困难。迄今为止,半定量方法(即顺序量表评级)是评估ePVS严重程度最广泛的方法。最常用的系统之一是Patankar et al量表,它分别对基底节区和半卵圆中心的ePVS进行评分。Hansen等人采用了另一种类似的量化方法,改编自Doubal等人的方法。使用这种方法,对半卵圆中心中央和基底节区分别进行评分。ePVS最多的切片和侧面是手动识别和评分的。这些顺序评级系统是手动编码大型数据集的有效选择,但它们最大限度地减少了参与者之间的个体差异,引入了天花板效应,并限制了纵向ePVS评估。实际上,如果没有全面的自动化或半自动化方法,对于这两个区域,Patankar等人和Hansen等人手动系统对于捕获ePVS变异性是有效的。
新的方法正在出现,允许自动化和改进的半自动量化ePVS,使连续测量成为可能,而不仅仅是顺序计数。例如,Boespflug等人建立了一种自动化方法,可以在多个图像序列之间执行逐体素比较,以识别与ePVS相似的体素。通过整合多个序列,包括t1加权、t2加权、流体衰减反演恢复和质子密度,可以对ePVS编码做出更稳健的决策。体素强度用于识别潜在的ePVS,然后使用识别的体素簇的形态学来确定该簇是否为ePVS.Boespflug等方法为量化整个脑区ePVS的总量和计数提供了极好的机会。虽然这种方法需要获得多个MRI序列,但它提供了整个大脑ePVS负担的更全面的图像。另一种很有前途的方法是使用3D过滤来分割ePVS一个有序的logit模型和ePVS负担的先前顺序,视觉评分告知在给定的大脑中可能存在多少ePVS。在t1加权图像中应用Frangi滤波(适用于识别血管样结构)参数和阈值来识别ePVS。顺序视觉评级,如Hansen或Patankar分数,然后在模型中交叉引用,以使用具有给定ePVS数量的图像的可能性来优化过滤参数。引入和完善自动化、定量和可重复的ePVS负担测量方法将有助于更好地了解ePVS的病因和临床后果。ePVS负担的半自动评估也将允许更全面地了解患者的临床情况。
虽然半自动的ePVS评估方法对临床医生来说是有用的工具,但更全自动的方法正在开发中,只需要1或2个MRI序列和最少的人工编码。我们的团队和其他团队正在应用深度学习方法来分割ePVS,并获得整个大脑的体积和计数测量。这种方法需要50个手动编码的图像作为训练数据集,但是一旦模型被成功训练和测试,ePVS的体积和计数测量可以在几个小时内生成。深度学习量化ePVS可能是临床医生全面评估整个大脑ePVS负担的最简单和最有效的方法。
由于ePVS与神经退行性疾病(如AD)的关联,PVS是一个快速增长的兴趣领域。在这篇综述中,我们综述了PVS的临床后果、解剖、生理、病因和定量方法。虽然以前被认为是良性的,但新兴文献表明,ePVS在临床痴呆发病前具有重要的临床后果。大多数ePVS的研究都依赖于人工定量方法。利用计算机科学和技术的进步,转向更强大、自动化和可重复的方法,将推动这一领域的发展,并提高我们对ePVS病因和临床后果的理解。鉴于ePVS的临床后果,更好地了解PVS动态对于未来有效的预防和治疗策略至关重要。因此,需要用不同的实验方法进行新的研究,从不同的角度来询问普遍存在的问题,以帮助该领域走向对pv的一个有凝聚力的、综合的理解。

声明:脑医汇旗下神外资讯、神介资讯、神内资讯、脑医咨询、Ai Brain 所发表内容之知识产权为脑医汇及主办方、原作者等相关权利人所有。