功能磁共振成像

脑活动的成像可以用功能磁共振成像或正电子发射断层扫描（PET）来完成。这些方法对我们理解帕金森病的病理生理学做出了重要贡献。该领域已经从关注孤立脑区（如壳核）的异常任务相关活动发展到显示帕金森病患者内在的大规模网络（如皮质-纹状体回路）之间的异常相互作用。帕金森病患者花费更多的时间在“大脑状态”中，这种状态的特点是大脑网络之间的相互作用增加，而牺牲的是连接更稀疏、分离的大脑状态。从单一大脑区域到大规模网络的转变带来了新的困难：数据变得多维，这使得提取有意义的模式更加困难。目前的挑战是提取生物相关的参数捕捉整个网络的功能。

一种已经使用了很长时间的现有方法是帕金森病相关模式，即一种特定于帕金森病的代谢协方差模式（或网络），可以使用PET和功能磁共振成像数据计算。这种方法的有效性已经在世界各地的不同中心得到了证明，尽管它还没有转化为标准的临床实践。这可能是因为它最适合PET，而PET并没有广泛的应用。第二种，也是最近发展起来的处理多维数据的方法是使用生成模型，即在给定一组关于网络配置的先验和假设的情况下，估计如何生成观测（功能磁共振成像）数据的计算模型。这种方法是在动态因果模型中实现的，其优点是可以在一个组内或两个组之间比较不同的脑功能竞争模型（使用贝叶斯模型选择）。在帕金森病中，动态因果模型被用来测试网络交互如何引起震颤和（异常）自愿性行为。特定脑功能模型统计证据的个体间差异可用于定义（和临床验证）基于成像的帕金森病表型，甚至通过贝叶斯模型选择支持鉴别诊断。最后，第三种方法是从多维成像数据中提取具有生物学意义的特征。例如，利用静息状态的功能磁共振成像数据，可以计算出反映跨纹状体亚区皮质-纹状体连接梯度的参数。这些参数（如梯度的方向和陡度）在生物学上是有意义的，因为它们反映了多巴胺的基本结构和分布。此外，我们可能对皮质-纹状体连通性的变化很敏感，这种变化已知发生在帕金森病。这些数据可用于建立标准模型（类似于“生长曲线”），以确定个体是否偏离正常模式。如果经过临床验证，这些方法可能有助于诊断和疾病监测。

第二个发展可能在于改进功能磁共振成像序列，使大脑成像在高时间和/或空间分辨率。尽管功能磁共振成像（功能磁共振成像）被认为太慢，无法测量脑震荡，但考虑到它依赖于血流的缓慢变化，最近的研究使用了7特斯拉的超快速功能磁共振成像（功能磁共振成像）扫描来测量高频率视觉刺激后0.75 Hz的视觉皮层振荡。进一步的研究表明，在高达2.5 Hz的频率下，静息状态下的连接性。尽管这些信号所携带的信息是否不同于较慢的BOLD波动还有待观察，但未来的发展可能使我们能够用功能磁共振成像测量病理性振荡（如震颤）。此外，高空间和时间分辨率的成像使得能够检测小脑干核的异常波动，同时充分校正快速的非神经元噪声（例如脑干周围的心脏和呼吸波动）。鉴于帕金森病的病理生理学特征是脑干中几种神经递质系统的退化，这些新技术使检测这些细胞核的活动和功能连接的改变成为可能（Helmich, et al. 2018.）。