大脑血流代谢杂志。2016年1月；36(1): 228–240.
脑小血管疾病MRI标记物的进展：临床试验的样本量考虑
,
1,* ,1,* ,1 ,2 ,1 ,三 ,1 ,4 ,1和三 菲利普·本杰明
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
伊娃·泽斯特拉滕
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
克里斯蒂安·兰伯特
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
Irina Chis斯特尔
2英国伦敦圣乔治大学感染与免疫研究所
欧文·威廉姆斯
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
巴维尼·帕特尔
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
安德鲁·麦金农
4英国伦敦圣乔治NHS医疗信托机构Atkinson Morley区域神经科学中心
托马斯·巴里克
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
1英国伦敦圣乔治大学心血管和细胞科学研究所神经科学研究中心
2英国伦敦圣乔治大学感染与免疫研究所
三英国剑桥大学临床神经科学
4英国伦敦圣乔治NHS医疗信托机构Atkinson Morley区域神经科学中心
通讯作者。 *这些作者为这项工作做出了同等贡献。
2015年2月2日收到；2015年4月18日修订；2015年4月30日验收。
- 补充材料
补充材料
GUID:8A3914FC-7BCE-4BF1-9730-3B494A5CE7BF
摘要
在脑小血管疾病（SVD）的试验中，使用认知变化来检测治疗效果一直具有挑战性，这使得磁共振成像（MRI）等替代标记物的使用具有吸引力。我们确定了MRI对SVD变化的敏感性，并使用此信息计算临床试验的样本量估计值。采用前瞻性SCANS（St George’s Cognition and Neuroimaging in Stroke）研究的数据，对有症状的腔隙性卒中和融合性白质疏松症患者进行研究(n个 = 121). 99名受试者在一个或多个时间点返回。在3年内每年进行一次多模态MRI和神经心理学测试。我们在弥散张量成像（DTI）上评估了脑容积、T2白质高密度（WMH）容积、腔隙和白质损伤的变化。在3年多的时间里，所有MRI标志物都可以检测到变化，但认知测量没有变化。WMH体积和DTI参数对变化最敏感，因此样本量估计值最小。MRI标记物，尤其是WMH容积和DTI参数，对短时间内SVD进展比认知更敏感。尽管需要从纵向和干预研究中进一步验证，但这些标记物可以显著减少试验规模，以筛选治疗SVD的疗效。
关键词：脑小血管疾病，临床试验，弥散张量成像，磁共振成像，血管认知障碍
介绍
脑小血管病（SVD）是一个术语，用于描述一组影响穿行的脑小动脉和毛细血管的病理过程，导致大脑皮层下灰质和白质损伤。1可发生许多脑实质病变，包括小的深部梗死、微出血、弥漫性胶质增生、缺血性脱髓鞘和轴突丢失（对应于放射性脑白质疏松区域），以及弥漫性脑萎缩。2临床上SVD表现为腔隙性卒中，约占所有缺血性卒中的20%，也是血管性认知障碍的主要原因。此外，它似乎与阿尔茨海默病相互作用，加剧了临床损害的程度。三因此，SVD是一个巨大的健康负担，会导致神经和认知功能显著下降。尽管它很重要，但很少有有效的SVD治疗方法。其原因包括缺乏对发病机制的了解，以及在这种情况下进行大规模临床试验的挑战，包括认知评分对变化的不敏感。4替代标记物的使用很有吸引力，在大规模临床终点试验之前，可以评估新治疗的潜在疗效，磁共振成像（MRI）被建议作为替代物。
MRI对SVD的诊断至关重要。常规MRI常见的特征包括腔隙、T2白质高信号（WMH）、脑微出血（CMB）、血管周围间隙和脑萎缩。2使用扩散张量成像（DTI）的更先进技术已被证明对组织损伤敏感，表现出明显正常的白质异常。5,6MRI上的这些异常可能是潜在有用的替代疾病标记物，可用于评估治疗方法。如果这些MRI参数在临床试验中用作可靠的替代标记物，它们必须满足以下标准：（1）它们必须能够预测临床结果，因为替代标记物治疗引起的变化预计会反映临床意义终点的变化；（2） 替代标记的变化必须是可预见的；（3）在临床试验中，显示疗效所需的样本量应该是可行的。7样本量取决于许多因素，包括可预期检测到的标记物变化幅度和测量值的可变性。
已知SVD中的几种潜在MRI标记物可以预测临床结果测量的变化（例如，认知障碍、进展为痴呆或残疾；). 在几个横截面上，全脑容积与认知障碍密切相关8,9和纵向10研究。脑容量变化也与大脑常染色体显性动脉病伴皮层下梗死和白质脑病（CADASIL）（SVD的一种遗传形式）的残疾评分有关。11T2 WMH通常在横断面上与认知障碍有显著关联8纵向和纵向，4尽管在有症状的SVD和脑白质疏松症患者中相关性较弱或有时不存在8,9(). 在许多SVD队列中，正常白质的DTI参数一直被证明与认知表现相关。5,12,13最后，腔隙也是SVD认知障碍的重要预测因子。14众所周知，偶发性腔隙患者的认知能力下降速度更快。15
表1。
纵向研究调查SVD的MRI标志物及其与临床测量的关系。
| 书房 | 参与者 | N（随访期） | 临床试验 | MRI测量 | 调查结果 |
|---|
| T2白质高强度 |
| Garde等人。41 | 丹麦健康受试者>50岁 | 698（3-5年） | 韦氏成人智力量表 | 自动定量 | WMH量的增加与语言智商的下降相关 |
| Holtmann-spotter等人。5 | CADASIL公司 | 62（23-31个月） | Rankin（残疾）量表、Barthel指数、全球认知功能 | 半自动定量 | WMH变化与临床评分无相关性 |
| Van den Heuvel等人。42 | PROSPER研究（老年人） | 554（3年） | 心理处理速度 | 半自动定量 | 室周WMH进展与处理速度下降相关 |
| Liem等人。33 | CADASIL公司 | 25+13控制（7年） | 全球认知功能、记忆、执行功能、处理速度、语言、智力 | 半自动定量 | WMH与认知能力下降无关 |
| Schmidt等人。4 | LADIS研究 | 394（3年） | 血管性痴呆评估量表 | 视觉评分量表（鹿特丹进展量表） | WMH进展与认知功能恶化有关 |
|
| 大脑容积 |
| Schmidt等人。43 | 奥地利中风预防研究 | 329（6年） | 记忆力、学习能力、概念推理、注意力、速度、视觉实用技能 | 自动定量（SIENA） | 脑容量损失是记忆、视觉实践和注意力/速度表现下降的最强预测因子 |
| Peters等人。11 | CADASIL公司 | 76（2年） | Rankin（残疾）量表、Barthel指数、全球认知功能 | 自动化定量 | 脑容量变化与所有残疾和整体认知功能指标显著相关 |
| Jokinen等人。10 | LADIS研究 | 477（3年） | MMSE、VADAS、处理速度、执行功能、内存 | 基于视觉模板的视觉评分量表 | 全球萎缩预测MMSE、VADAS、速度和执行功能下降 |
|
| 扩散张量成像 |
| Holtmannspötter等人。5 | CADASIL公司 | 62（23-31个月） | Rankin（残疾）量表、Barthel指数、全球认知功能 | 平均MD | 平均MD变化与身体残疾和整体认知功能恶化显著相关 |
| Charlton等人。34 | 老年受试者 | 84（2年） | 执行功能、工作记忆、信息处理速度 | MD中值 | MD中位数的变化与工作记忆恶化有关 |
|
| 拉库内斯 |
| Jokinen等人。15 | LADIS研究 | 387（3年） | 执行功能、处理速度、全局认知功能 | 新缺陷数量 | MRI上出现的缺陷与执行功能和精神运动速度下降的速度相同 |
大脑成像异常通常在症状出现之前很久就存在，并且可能比认知结果测量的进展速度更快。使用它们作为替代标记物可以显著减少SVD临床试验的规模、持续时间和成本。在这项研究中，我们使用多模式序列脑（MRI）来前瞻性评估这些拟议的MRI标记物在已建立的SVD中的变化率；尤其是脑萎缩、T2 WMH、腔隙和DTI参数。然后，我们使用这些数据来确定在假设的临床试验中证明这些MR异常进展速度降低所需的样本量，并将这些估计值与使用认知测量的估计值进行比较。
材料和方法
患者
SVD患者被招募为前瞻性St George’s Cognition and Neuroimaging in Stroke（SCANS）研究的一部分。8招募人员来自伦敦南部邻近集水区三家医院（圣乔治、国王学院和圣托马斯医院）的急性卒中单元或门诊卒中诊所。纳入标准包括临床腔隙性卒中综合征16MRI上除了融合的WMH外，还有一个解剖上对应的腔隙性梗死（Fazekas等级⩾2）。17排除标准为：除SVD以外的中风机制的任何原因（例如，心脏栓塞源或中心外或中心内动脉狭窄>50%）、其他主要中枢神经系统疾病、主要精神疾病、任何其他白质疾病原因、MRI禁忌症或英语不流利。该研究得到了Wandsworth研究伦理委员会的批准，所有患者都出具了书面知情同意书。最后一次中风后至少3个月进行MRI采集和认知评估，以排除对认知的急性影响。所有患者还筛查了心血管危险因素，包括高血压（定义为收缩压>140 mmHg或舒张压>90 mmHg，或使用降压药物治疗）、高胆固醇血症（定义为血清总胆固醇>5.2 mmol/l或使用他汀类药物治疗），糖尿病和吸烟。
受试者每年都会被邀请回来进行认知测试和MRI扫描。在本分析中，使用了第三次随访之前的随访数据，每个人最多提供四个数据点。
MRI采集
图像是在1.5 T Signa HDxt扫描仪（美国威斯康星州密尔沃基市通用电气公司）上采集的，最大梯度振幅为33 mT/m，并配有专用头线圈。所有图像序列均在整个大脑中采集，总成像时间约为45分钟。患者被放置在头部线圈中的中立位置，在鼻梁处放置一个对齐标记，以标准化头部位置。通过在前额使用泡沫垫和尼龙搭扣带，确保了最小的运动。
成像方案包括：（1）流体衰减反转恢复序列-TR/TE/TI=9000/130/2200 ms，视场（FOV）=240×240 mm2，矩阵=256×192，28个轴向切片，厚度为5mm。（2） 破坏梯度回波T1加权（SPGR）三维冠状序列TR/TE=11.5/5ms，FOV=240×240mm2，矩阵=256×192，翻转角度=18o个176个1.1mm厚的冠状切片重建为1.1mm的平面内分辨率。（3）获取DTI-轴向单次激发自旋回波平面图像（EPI；TE=93.4ms，TR=15600ms），以实现全脑覆盖（2.5mm三各向同性体素；视野=240×240毫米2，采集矩阵=96×96），四次采集后无扩散加权(b条 = 0 s/mm），通过应用梯度获得扩散增敏图像(b条 = 1000 s/mm），25个非共线方向。重复此操作以获得另外四个b条 = 0 s/mm图像和25个方向的负片。使用FSL线性图像配准工具（FLIRT，FMRI软件库，FSL版本4.1；FMRIB分析小组，英国牛津，网址：http://www.fmrib.ox.ac.uk/fsl). 取正采集和负采集的几何平均值来消除梯度交叉项。第八个b条 = 对0 s/mm图像进行联合配准和平均，得到T2加权回波平面图像（以下简称b条0).
纵向脑容积变化的估计
使用全自动程序SIENAX（使用萎缩归一化进行跨节段结构图像评估；网址：www.fmrib.ox.ac.uk/fsl)在T1加权图像上。该程序计算相对于标准化颅骨大小的大脑体积。使用自动图像分析工具SIENA（使用萎缩归一化进行结构图像评估；网址：www.fmrib.ox.ac.uk/fsl).18该工具用于SVD是一种弥漫性神经退行性疾病，SIENA提供了全球体积损失的敏感测量。在多发性硬化症的临床试验中，SIENA脑容量变化也被证明是一种可行的结果测量方法19和阿尔茨海默病。20SIENA估计两个输入图像之间的脑容量变化百分比（PBVC），并应用于提供每个时间点之间PBVC的全局估计。然后使用基线脑容量和每个时间点之间的PBVC计算每个时间点的脑容量。
扩散MRI分析
在FSL中使用DTIfit在每个体素处拟合扩散张量元素网址：www.fmrib.ox.ac.uk/fsl计算了平均扩散率（MD）和分数各向异性（FA）图。
然后使用以下方法获得白质中的扩散参数直方图。使用SPM12中的New Segment将T1加权图像分割为各向同性（1 mm三体素分辨率）灰质（GM）、白质（WM）和脑脊液（CSF）组织类别。使用SPM12中的Shoot工具箱，这些分段用于估计从数据队列生成的组平均模板的变形。21使用阈值为0.1的分割对T1加权和FLAIR图像进行颅骨切片，并将其扭曲为通用的组平均模板。这些数据用于使用修改后的高斯多元混合物创建特定人群的组织概率图（TPM）。22该技术提高了整个队列的分割精度，并从FLAIR和T1加权图像中为WMH提供TPM，允许在单个级别进行自动分割。这些TPM用于替换默认的SPM TPM，并在本地空间图像上重新运行新段，以生成GM、WM和CSF的改进分段，同时还提供WMH组织类别。通过手动检查每个结果，以确保准确对应，WMH分割图在单独设置的阈值下进行二值化。执行二值化阈值时没有参考以前的时间点。如有必要，对结果进行手动优化，以优化准确性，并具有良好的组内和组间可靠性（Pearson的组内相关系数分别为0.98和0.99，在两个评分员（CL和EZ）之间随机选择的20次扫描组中定义）。另外一个步骤是修复组织损伤区域的节段。这是由于观察到受病理影响的区域在常规分割过程中经常被错误分类。例如，胶质增生区域被错误地归类为CSF，WMH区域被错误归类为GM，从而导致错误的变形估计以及随后在估计群平均空间的扭曲时的不准确。因此，WMH区域被自动重新分类为WM，任何错误分类的组织都会从GM和CSF分割图中删除。14
通过将T1加权图像配准到b条0个受试者的图像，并应用于上述分割图，以获得b条0个空格。如果是GM或WM或WMH的概率大于0.5，则将体素包含在遮罩中。使用基于CSF扩散特性的阈值去除CSF体素（MD值>0.0026 mm2/s被认为含有CSF，并被排除在分析之外）。本研究评估了WM组织类别的扩散特征。
计算代表WM的体素中的MD和FA直方图。对于每个受试者，计算MD和FA的直方图（仓宽度：MD 0.000004 mm2/s、 FA 0.01；上限：MD 0.004 mm2/s、 FA 1.0）用于WM掩模图像识别的每个DTI体素。为了校正大脑体积的差异，每个直方图都通过WM掩码中的体素总数进行了标准化。对于每个MD直方图，获得峰值高度像素的归一化频率（MD NPH），并用于进一步分析，因为这些被认为是最稳定的测量值。横断面研究表明，这些参数与SVD人群的认知能力有关。8
WMH纵向体积变化的估计
WMH口罩是使用上述技术从FLAIR图像中创建的。通过对二值化校正分割进行求和，计算每个时间点在单个主题空间中的体积。计算了三个测量值，即大脑总体积（灰质（GM）+白质（WM））、WMH体积和WMH体积占大脑总体积的百分比（WMH/大脑总体积×100）。后一个值用于进一步分析，因为脑容量随时间而变化，例如，WM容量减少可能会低估WMH的增长。在接下来的一步中，我们对两名患者进行了扫描-再扫描测试，以确定改变头部位置对WMH容积的影响，并使用自动化技术发现这些影响是相同的。
Lacunes的鉴定
神经放射科医生顾问使用T1加权、T2加权和FLAIR图像在每个时间点在本地受试者空间手动识别Lacunes。腔隙被定义为脑脊液填充的腔，直径3至15毫米，周围有FLAIR高强度边缘。16选择空洞大小阈值是因为直径<3mm的病变比腔隙更可能是血管周围间隙，而直径>15mm的空洞不太可能反映潜在的SVD病因。16对于纵向分析，首先将图像注册到组平均模板。我们的神经放射科医生使用这些注册图像来识别新的腔隙。
神经心理评估
认知评估每年使用成熟的标准化测试进行一次，包括对SVD相关认知损害模式敏感的测量。使用国家成人阅读测试重新标准化评估病前智商。23任务被分为广泛的认知功能：执行功能和处理速度。
执行功能：试卷测试（矩阵B）（Reitan 1996）改良威斯康星卡片分类测试，24和语音流利性（FAS）。25
处理速度：韦氏成人智力量表-III（韦氏，1997年a）数字符号替换，26信息处理任务的速度，27和槽钉板任务。28
任务绩效使用手动发布的标准数据进行年龄缩放，转换为z（z）-分数，并通过对每个受试者的成分测试测量值进行平均来聚合以构建认知指数。有关认知评估的更多详细信息，请参阅Lawrence等人。8
统计分析
由于每个患者多次测量数据的继承层次性，我们使用线性混合效应（LME）模型估计随访期间MRI标记和认知测量的变化。29在对原始数据进行图形检查后，可以合理假设多元正态分布以及随时间变化的线性。具体来说，我们使用了一个随机截距和随机斜率模型，该模型允许估计整个队列的平均斜率，同时考虑到了诱导间的变异性。29平均斜率表示测量中的平均年变化，可用于估计样本大小。使用贝叶斯方法进行统计推断，并将参数估计总结为其分布的平均值，将不确定性总结为其95%可信区间（95%CI）。这种推断方法考虑到随访期间患者退出，并假设未观察到的测量值随机丢失（MAR）。WinBUGS软件包（1.4.3版，英国剑桥大学剑桥生物医学校区剑桥公共卫生学院MRC生物统计学组）用于估算。
使用R 3.02版中的长功率统计软件包对脑容量、WMH容量、DTI测量和认知进行样本量估计(网址：http://www.R-project.org/)通过使用截距方差、斜率方差和残差方差的估计值。30,31这些计算的输入见.
表3。
使用随机截取和随机斜率模型估计的MRI和认知指数变化符合数据。
| 参数 | 平均截距 | 平均斜率 | 斜率方差 | 残差方差 |
|---|
| MRI测量 |
| 脑容量（ml） | 1295.00 (1279.00, 1312.00) | −8.83 (−10.61, 7.01) | 28.15 (5.63, 54.68) | 182.10 (145.90, 227.40) |
| 白质高强度（%） | 3.72 (3.16, 4.28) | 0.80 (0.67, 0.95) | 0.43 (0.27, 0.65) | 0.12 (0.09, 0.15) |
| MD峰值高度 | 0.015 (0.015, 0.016) | −3.87 × 10−4(−4.51 × 10−4, −3.24 × 10−4) | 1.55 × 10−4(8.59 × 10−5, 2.81 × 10−4) | 5.16 × 10−4(4.62 × 10−4, 5.77 × 10−4) |
|
| 认知指数 |
| 执行职能 | −0.92 (−1.12, −0.73) | 0.0362 (−0.083, 0.0 10) | 0.020 (0.053, 0.0384) | 0.13 (0.10, 0.16) |
| 处理速度 | −0.81 (−0.98, −0.64) | 0.014 (−0.053, 0.024) | 0.013 (0.022, 0.026) | 0.092 (0.073, 0.126) |
对于腔隙，我们将该事件定义为出现的腔隙数超过基线值，并且数据被建模为二元结果。我们估计了该事件的比值比，该比值比与基线时的鞋带数量相关，因此预测了比基线时发现的鞋带数量更多的鞋带发生的概率。然后确定随访期间某个时间点出现新腔隙的比例，并计算样本量，以降低3年随访期间出现一个或多个新腔隙平均概率的百分比。
在临床试验中，MRI数据通常只能从基线和最终随访这两个时间点获得。因此，我们仅使用两个时间点（基线和2年、基线和3年）的数据，使用LME模型估计平均斜率。所有患者均被纳入上述模型。使用两个时间点的数据进行样本量估计，并与使用所有四个时间点数据的样本量进行比较。
我们还研究了缺失数据对MAR假设下提供的原始估计值的影响，方法是使用一个同时模型，将最初考虑的随机效应模型作为组件，并使用一个以“缺失”为响应的随机效应逻辑模型（二进制纵向响应，其中1表示出于任何原因没有测量，0表示存在测量）。这种方法使我们能够调查随访时缺失数据与基线测量值以及斜率之间的关系。
结果
患者人口统计
在SCANS研究的121名基线参与者中，99名受试者在一个或多个时间点返回：第一年98名，第二年77名，第三年70名(). 一名受试者参加了基线检查，错过了第一年的随访，但参加了随后的所有课程。四名受试者错过了第二年的随访，但随后在第三年参加了随访。在22名没有进行MRI随访的受试者中，7名受试者死亡，10名受试人正式退出研究，4名失去随访，1名拒绝进一步MRI检查.因任何原因退出研究的患者的腔隙负荷较高(P（P） < 0.013），平均Rankin残疾分数较高(P（P） < 0.026）和较低平均值的简易心理测试(P（P） < 与参加所有时间点的患者相比，基线得分为0.004）。然而，在基线脑容量、扩散参数或其他人口统计学特征方面没有显著差异。
表2。
| 人口统计和风险因素 | N=120 |
|---|
| 平均年龄（s.d.），年 | 70 (9.8) |
| 简易精神测试分数（平均值（标准差）） | 27.6 (2.7) |
|
| 性别 |
| 女性 | 42 (35.0%) |
| 男性 | 78 (65.0%) |
|
| 高血压 |
| 不 | 9 (7.5%) |
| 是的 | 111 (92.5%) |
|
| 高胆固醇血症 |
| 不 | 17 (14.2%) |
| 是的 | 103 (85.8%) |
|
| 吸烟者 |
| 从未 | 55 (45.8%) |
| 当前 | 23 (19.2%) |
| 戒烟者 | 42 (35.0%) |
|
| 治疗糖尿病 |
| 是的 | 22 (18.3%) |
| 不 | 96 (80.0%) |
| 饮食控制 | 2 (1.6%) |
|
| Rankin残疾评分 |
| 0 | 38 |
| 1 | 48 |
| 2 | 15 |
| 三 | 16 |
| 4 | 三 |
|
| 基线时的MRI测量（每个受试者） |
| 平均（95%CI）腔隙数 | 4 (4, 5.1) |
| 平均（95%CI）WMH负荷占正常化脑容量的百分比 | 3.72 (3.16, 4.28) |
| 平均（95%CI）标准化脑容量（ml） | 1295 (1279.00, 1312.00) |
大脑容积
在观察期内，有强有力的证据表明脑容量下降。年平均脑容量变化（95%可信区间）等于−8.86 m/s（−10.67，−7.05或−0.69%基线值/年；;).
显示磁共振成像（MRI）标记物个体轨迹的曲线图显示，在3年的随访期内，平均扩散率（MD）标准化峰值高度（MD NPH）降低，脑容量减少，白质高强度容积（WMH）增加。时间点显示在x轴上。平均斜率以红色显示，并带有可信区间。在同步模型中考虑缺失数据时，斜率只有最小的变化（以蓝色显示）。MAR，随机丢失。
WMH体积
基线时WMH量越大，生长速度越快。在观察期内，有强有力的证据表明WMH量在增长。WMH量的平均年变化率（95%可信区间）为0.80%（0.67，0.95；;).
扩散成像
MD NPH：有强有力的证据表明，在观察期内，MD NPH下降。平均（95%可信区间）年变化等于−3.87×10−4(−4.51 × 10−4, −3.24 × 10−4)（或每年基线的−2.54%）(;).
拉库内斯
分别有98、77和70名受试者在时间点1、2和3具有合适的T1加权图像。98名受试者中有16名在随访1年后出现一个或多个新的缺陷；77名受试者中有17人在2年随访后出现一个或多个新的缺陷。70名受试者中有20人在3年随访后出现一个或多个新的缺陷。基线时的漏血次数与随访时出现新漏血的概率较高呈正相关。使用泊松分布对基线数据建模后，基线缺陷的平均数（95%可信区间）估计为4（4.2，5.1）。然而，50%的受试者在基线检查时有⩽2个腔隙。在3年的随访期内，预计出现>4个腔隙的概率为0.21（0.13，0.31）。
认知
执行功能：没有证据表明执行功能发生变化(Z轴-分数）。平均（95%可信区间）年变化等于−3.62×10−2(−8.33 × 10−2, 1.07 × 10−2;).
处理速度：处理速度没有变化的迹象(Z轴-分数）。平均（95%可信区间）年变化等于−1.44×10−2(−5.35 × 10−2, 2.47 × 10−2;).
样本量计算
计算为期3年的假设试验的样本量，每年平均进行测量。假设采用平衡设计。对于脑容量、WMH生长和MD NPH，估计了在80%功率下检测30%、25%、20%和15%治疗效果所需的每只手臂的最小样本量。结果如所示.
表4。
假设一项为期3年的假设性临床试验采用平衡设计，每年平均按时进行测量，以测试干预组30、25、20、15和10%的假设治疗效果，则每只手臂的预测最小样本量（用于MRI和认知测量）（幂=0.0.8，1型误差=0.05）。
| 用于测试以下治疗效果的样本量（每只手臂）：
|
|---|
| 参数 | 30% | 25% | 20% | 15% |
|---|
| MRI测量 |
| WMH体积 | 124 | 178 | 279 | 496 |
| 大脑容积 | 145 | 208 | 325 | 578 |
| 拉库内斯 | 572 | 842 | 1,345 | 2,442 |
| MD标准化峰值高度 | 128 | 185 | 289 | 513 |
| 认知指数 |
| 执行职能 | 6,135 | 8,834 | 13,803 | 24, 539 |
| 处理速度 | 26,369 | 37,972 | 59,331 | 105,478 |
对于lacunes，样本量是根据随访时出现>4个lacunes的平均概率的百分比减少来计算的。在为期3年的试验期间，检测80%功率下30、25、20和50%治疗效果所需的最小样本量为572；842; 1,345; 和2442；分别().
假设试验期间只进行了两次MRI扫描，样本量估计如所示。给出了2年和3年随访试验的估计值。在所有时间点上，特别是使用3年随访数据时，估计值与使用LME模型的估计值没有太大差异。
表5。
使用所有可用数据（四个时间点）估算MRI标记物的样本量，与仅使用两个时间点的数据估算样本量相比。
| 变量 | 坡度的百分比差 | 每个手臂的最小样本量（使用所有四个时间点） | 每个手臂的最小样本量（仅使用基线和3年数据） | 每个手臂的最小样本量（仅使用基线和2年数据） |
|---|
| WMH体积 | (30%) | 124 | 61 | 72 |
| (25%) | 178 | 88 | 104 |
| (20%) | 279 | 137 | 162 |
| (15%) | 496 | 244 | 287 |
| MD净现值 | (30%) | 128 | 138 | 261 |
| (25%) | 185 | 199 | 375 |
| (20%) | 289 | 311 | 587 |
| (15%) | 513 | 553 | 1,044 |
| 大脑容积 | (30%) | 145 | 106 | 97 |
| (25%) | 208 | 152 | 140 |
| (20%) | 325 | 238 | 219 |
| (15%) | 578 | 423 | 388 |
敏感性分析
考虑到“缺失”的同时模型并没有显示MRI测量的平均变化率的显著变化。95%可信区间（截距和斜率）与原始MAR模型在很大程度上重叠（补充表S1；图1）。MD NPH的同步模型显示，与原始MAR斜率估计的最大偏差为−0.039（−0.045，−0.032）至−0.075（−.07，−0.018）（补充表S1，图1）。
分析表明，年龄较大的患者更有可能退出研究。没有强有力的证据表明基线WMH容量、脑容量或弥散参数可以预测退出，但我们发现WMH容量增加较快的患者在随后的时间点退出的可能性更大（补充表S1）。
基线WMH量与WMH增长率呈正相关。基线时大脑体积越大，萎缩速度越快。然而，基线扩散参数与其变化率之间没有关系（补充表S1）。
讨论
这项针对症状性SVD的前瞻性纵向研究表明，在3年的随访期内可以检测到MRI标记物的变化。相比之下，在同一时间段内，没有证据表明认知测量结果发生了变化。年龄对认知和MRI测量的影响被认为可以忽略不计。因此，当使用MRI标记作为终点时，对在介入试验中证明治疗效果所需的患者数量的样本量估计要小得多。
认知功能缺乏改变与SPS3试验的近期结果一致，该试验对大约3000名经MRI证实的腔隙性卒中患者进行了研究。32在3年的中位随访中，认知变化很小。在横断面研究中，高比例的个体很容易检测到认知改变，为什么在这样的队列中很难检测到认知变化8尚不清楚。可能的因素包括测量误差、实践效果和重要的快速下降的患者退出研究，这在我们的SCANS队列中是有证据的。此外，不同的患者队列中的发病率可能不同，处于认知障碍更高级阶段的患者往往下降得更快。然而，无论是什么原因，检测认知变化的困难凸显了需要更敏感的方法来检测变化，并允许在较少的数量和较短的随访期内筛选新的疗法。
一个有用的替代标记物需要对变化敏感，并与有意义的临床结果相关。在本研究中，WMH体积和扩散参数MD NPH对变化最敏感，因此样本量估计值最小。与之前一项随访时间较短的小型研究相比，12DTI标记需要比WMH稍大的样本量，但需要进一步的数据来说明这两种测量方法对白质损伤的相对敏感性。
现有证据表明，本研究中研究的MRI标记物确实与引言中概述的临床结果相关。尽管WMH量已被证明与认知障碍相关，但这些关联并不一致且很弱，5,33尤其是在研究开始时患有更严重疾病和合并WMH的患者。12这也是本研究中使用的SCANS队列基线数据的情况。8脑容量和DTI参数与认知障碍有较强的相关性，8,34提示它们可能代表具有临床意义的替代标记物。决定哪些标记物最有用，只能通过将其纳入临床试验并确定哪些标记物与使用临床终点测量的治疗效果最密切相关来进行最终评估。结合这些MRI测量（即综合评分）可以提供更敏感的方法；然而，这种参数是否能够纵向预测临床结果测量的变化尚待确定。此外，需要在随访时间较长的较大队列中评估临床终点的相对敏感性，如进展到残疾和痴呆。
由于纵向随访的限制和临床试验中MRI扫描的成本，收集2个以上时间点的MRI数据通常不实用。因此，我们进行了额外的分析，以确定仅使用两个时间点的MRI数据是否会影响样本量估计。我们发现，仅考虑基线和3年随访的数据时，WMH的样本量估计值似乎稍小，但脑容量和MD NPH的数据基本相似。这表明这种方法是可行的，并且在临床试验中具有类似的功效；然而，重要的是要意识到，这两个时间点模型更容易受到噪声和数据MAR的影响。在仅使用两个时间点通过MRI数据的研究中，间隔必须足够长，以便累积足够的变化，并在进行测量时不可避免的噪声之上可以检测到。这一点从2年与3年随访的较高估计样本量中可以明显看出。
仔细定义和确定SVD临床试验的合适病例非常重要。SVD的异构性是这方面的主要障碍。脑小血管可受到多种病理学的影响，包括脑淀粉样血管病、免疫介导疾病和遗传性SVD，如CADASIL。1然而，最常见的类型是年龄相关和血管风险因素相关的SVD。越来越多的证据表明，即使是这种SVD也可能有多种病理。有人认为至少有两种潜在的动脉病变：微动脉瘤，主要导致较大的、通常是孤立的腔隙性梗死，以及弥漫性动脉病，其特征是小动脉硬化、脂肪透明症或纤维蛋白样坏死（取决于异常的严重程度），这被认为主要由高血压引起，并与多发性较小腔隙性梗死和脑白质疏松症有关。35,36病理学、放射学和危险因素数据支持这一区别。37考虑到这些可能的差异，为了研究一组同质患者，我们仅招募了经MRI证实的有症状的腔隙性脑梗死和融合性白质疏松症患者。
CMB是SVD的一个特征，据认为其分布因潜在疾病过程而异，16尽管它们的预后意义仍不确定。我们分析了基线数据中的CMB，并显示出与认知的弱相关性，38但该分析没有CMB的纵向数据。因此，我们无法根据该成像参数确定样本量。
这项研究的一个主要局限性是，我们的辍学率相对较高，尽管这与之前关于老龄化的纵向研究一致。39未完成随访的患者往往年龄较大，残疾较多。这可能导致低估MRI标记物和认知的变化率。最佳试验设计必须仔细考虑辍学率等问题，并相应增加样本量。当试图以标准化的方式量化MRI标记物时，图像处理和配准中的错误是不可避免的。这将增加数据中的噪音，并降低对变化的敏感性。例如，SIENA报告的误差为0.15%。因此，当组间平均差异小于0.2%时，这是不可靠的。此外，当这些标记物在多中心试验中使用，并在不同扫描仪上成像时，测量误差可能会更高。由于疾病的异质性，在一些患者中，MRI标记物可能已经稳定到最大损伤，或尚未发生明显变化（分别为上限和下限效应）。随访时间较长的研究可能能够识别这些患者，并捕捉变化的潜在非线性方面。最后，这些数据是在1.5-Tesla MRI扫描仪上获得的。通过使用具有各向同性体素维度、较高分辨率和MRI场强的序列获取数据，可以提高数据的质量和精度。40
总之，MRI有望成为SVD的潜在替代标记物。在相对较短的时间内，它对变化比认知测量更敏感。优化和验证这些标记可以显著减少临床试验的规模、持续时间和成本。需要在纵向研究中进一步研究评估这些标记物，尤其是将其与临床和认知结果联系起来，这最好在随机临床试验的背景下进行。
确认
作者感谢Lalit Kalra博士和Tony Rudd博士在招募方面的帮助。作者还感谢托马斯·威利斯博士对神经心理学评估的帮助。
基金
作者透露，获得了以下财务支持，用于本文的研究、作者身份和/或出版：SCANS的研究得到了威康信托基金的资助（081589）。SCANS研究的招募得到了英国国家卫生研究院（NIHR）临床中风研究网络的支持。Hugh Markus获得了NIHR高级研究员奖的支持，他的工作得到了剑桥大学医院NIHR生物医学综合研究部的支持。安德鲁·劳伦斯（Andrew Lawrence）得到了英国阿尔茨海默病研究所（ARUK-PG2013-2）的项目拨款支持。
利益冲突声明
作者声明，与本文的研究、作者身份和/或出版没有潜在的利益冲突。
作者的贡献
Philip Benjamin Concept，数据的获取，数据的分析和解释，文章的起草。Eva Zeestraten——分析和解释数据，起草文章。克里斯蒂安·兰伯特——数据分析和解释。Irina Chis Ster-统计分析。Owen A Williams-数据分析和解释。安德鲁·劳伦斯（Andrew J Lawrence）——数据采集、数据分析和解释。Bhavini Patel-数据采集、数据分析和解释。Andrew D MacKinnon数据分析和解释。Thomas R Barrick——监督人，文章的关键修订，最终批准。休·S·马库斯（Hugh S Markus）——监督人，概念，文章的关键修订，最终批准。
工具书类
1潘托尼L。脑小血管疾病：从发病机制和临床特征到治疗挑战.柳叶刀神经病学2010;9: 689–701. [公共医学][谷歌学者] 2Patel B，Markus HS。脑小血管疾病的磁共振成像及其作为替代疾病标志物的应用.国际卒中杂志2011;6: 47–59. [公共医学][谷歌学者] 三。Van Norden AGW、Van Dijk EJ、de Laat KF、Scheltens P、OldeRikkert MGM、de Leeuw FE。痴呆症：阿尔茨海默病病理与血管因素：从相互排斥到相互作用.Biochim生物物理学报2012;1822: 340–349. [公共医学][谷歌学者] 4Schmidt R、Berghold A、Jokinen H、Gouw AA、van Flier WM、der、Barkhof F等人。LADIS频率、临床效果和样本量计算中的白质病变进展.(打、击等的)一下2012;43: 2643–2647. [公共医学][谷歌学者] 5Holtmannspötter M、Peters N、Opherk C、Martin D、Herzog J、Brückmann H等人。扩散磁共振直方图作为CADASIL患者疾病进展的替代标记和预测因子：一项为期两年的随访研究.中风J小脑循环2005;36: 2559–2565. [公共医学][谷歌学者] 6Lawrence AJ、Chung AW、Morris RG、Markus HS、Barrick TR。结构网络效率与小血管疾病的认知障碍相关.神经病学2014;83: 304–311.[PMC免费文章][公共医学][谷歌学者] 7Fleming TR、DeMets DL。临床试验中的替代终点：我们被误导了吗？
内科学年鉴1996;125: 605–613. [公共医学][谷歌学者] 8Lawrence AJ、Patel B、Morris RG、MacKinnon AD、Rich PM、Barrick TR等。脑小血管疾病中认知功能障碍的机制：St George’s Cognition and Neuroimaging in Stroke（SCANS）研究的多模态MRI结果.公共科学图书馆一号2013;8：e61014。[PMC免费文章][公共医学][谷歌学者] 9Arani Nitkunna SL公司。脑萎缩与脑小血管疾病：一项前瞻性随访研究.中风J小脑循环2011;42: 133–138. [公共医学][谷歌学者] 10.Jokinen H、Lipsanen J、Schmidt R、Fazekas F、Gouw AA、van der Flier WM等。LADIS研究显示，脑萎缩加速了脑小血管病患者的认知功能下降.神经病学2012;78: 1785–1792. [公共医学][谷歌学者] 11Peters N、Holtmannspötter M、Opherk C、Gschwendtner A、Herzog J、Sämann P等人。CADASIL脑容积变化：纯皮层下缺血性血管病的系列MRI研究.神经病学2006;66: 1517–1522. [公共医学][谷歌学者] 12Nitkunna A、Barrick TR、Charlton RA、Clark CA、Markus HS。脑小血管疾病的多模态MRI及其与认知和随时间变化敏感性的关系.(打、击等的)一下2008;39: 1999–2005. [公共医学][谷歌学者] 13Van Norden AGW、de Laat KF、Van Dijk EJ、Van Uden IWM、Van Oudheusden LJB、Gons RAR等。脑小血管疾病的扩散张量成像与认知：RUN-DMC研究.Biochim生物物理学报2012;1822: 401–407. [公共医学][谷歌学者] 14Benjamin P、Lawrence AJ、Lambert C、Patel B、Chung AW、MacKinnon AD等。脑小血管病中的策略性缺陷及其与认知功能障碍的关系.神经影像临床2014;4: 828–837.[PMC免费文章][公共医学][谷歌学者] 15Jokinen H、Gouw AA、Madureira S、Ylikoski R、van Straaten ECW、van der Flier WM等人。事件缺陷影响认知下降：LADIS研究.神经病学2011;76: 1872–1878. [公共医学][谷歌学者] 16Wardlaw JM、Smith EE、Biessels GJ、Cordonnier C、Fazekas F、Frayne R等人。小血管疾病研究的神经影像学标准及其对衰老和神经变性的贡献.柳叶刀神经病学2013;12: 822–838.[PMC免费文章][公共医学][谷歌学者] 17Fazekas F、Kleinistrate R、Offenbacher H、Schmidt R、Klenistrate G、Payer F等。偶发性MRI白质信号高强度的病理相关性.神经病学1993;43: 1683–1689. [公共医学][谷歌学者] 18Smith SM、Jenkinson M、Woolrich MW、Beckmann CF、Behrens TEJ、Johansen-Berg H等人。功能和结构MR图像分析的进展以及作为FSL的实现.神经影像2004;23：S208–S219。[公共医学][谷歌学者] 19Altmann DR、Jasperse B、Barkhof F、Beckmann K、Filippi M、Kappos LD等。继发性进展性多发性硬化试验中脑萎缩结果的样本量.神经病学2009;72: 595–601.[PMC免费文章][公共医学][谷歌学者] 20Anderson VM、Schott JM、Bartlett JW、Leung KK、Miller DH、Fox NC。灰质萎缩率作为AD疾病进展的标志.神经生物学衰老2012;33: 1194–1202.[PMC免费文章][公共医学][谷歌学者] 21Ashburner J，Friston KJ。基于测地打靶和Gauss-Newton优化的微分配准.神经成像2011;55: 954–967.[PMC免费文章][公共医学][谷歌学者] 22Lambert C、Lutti A、Helms G、Frackowiak R、Ashburner J。使用改进的Gaussians多变量混合的多参数脑干分割.神经影像临床2013;2: 684–694.[PMC免费文章][公共医学][谷歌学者] 23.Nagahama Y、Okina T、Suzuki N、Matsuzaki S、Yamauchi H、Nabatame H等人。威斯康星卡片分类测验改良版的因子结构：阿尔茨海默病执行缺陷和轻度认知障碍的分析.老年痴呆症认知障碍2003;16: 103–112. [公共医学][谷歌学者] 24Delis DC、Kaplan E、Kramer JH。Delis-Kaplan执行功能系统德克萨斯州圣安东尼奥：心理公司，2001年。[谷歌学者] 25.韦克斯勒D。Wais-III，韦氏成人智力量表，第三版：WMS-III，韦氏记忆量表1997年第3版技术手册。德克萨斯州圣安东尼奥市心理公司。[谷歌学者] 26考夫兰A、奥迪M、克劳福德J。BIRT存储器和信息处理电池（B-MIPB），英国威克菲尔德：脑损伤康复信托（BIRT），2009年。[谷歌学者] 27Matthews C、Klove H。成人神经心理测试组使用说明书威斯康星州麦迪逊：威斯康星大学医学院，1964年。[谷歌学者] 28Diggle PJ、Heagerty P、Liang K-Y、Zeger SL。纵向数据分析牛津大学出版社，2002年。[谷歌学者] 29Liu G，Liang K-Y.刘刚，梁庆英。相关观察研究的样本量计算.生物计量学1997;53: 937–947. [公共医学][谷歌学者] 30Lu K、Luo X、Chen P-Y。缺失数据随机临床试验重复测量分析的样本量估计.国际J生物统计2008;4、第9条: 1–16. [公共医学][谷歌学者] 31Pearce LA、McClure LA、Anderson DC、Jacova C、Sharma M、Hart RG等。长期降压和双重抗血小板治疗对近期腔隙性卒中患者认知功能的影响：来自SPS3随机试验的二次分析.柳叶刀神经病学2014;13: 1177–1185.[PMC免费文章][公共医学][谷歌学者] 32列姆·MK。Lesnik Oberstein SJ、Haan J、van der Neut IL、Ferrari MD、van Buchem MA等人。CADASIL患者认知功能下降的MRI相关性：一项7年随访研究.神经病学2009;72: 143–148. [公共医学][谷歌学者] 33Charlton RA、Barrick TR、McIntyre DJ、Shen Y、O'Sullivan M、Howe FA等人。弥散张量成像上的白质损伤与年龄相关性认知功能下降相关.神经病学2006;66: 217–222. [公共医学][谷歌学者] 34费希尔CM。腔隙下的动脉病变.神经病理学学报（柏林）1968;12: 1–15. [公共医学][谷歌学者] 35Boiten J、Lodder J、Kessels F。两种临床上不同的腔隙性梗死实体？一个假设.(打、击等的)一下1993;24: 652–656. [公共医学][谷歌学者] 36Khan U、Porteous L、Hassan A、Markus HS。脑小血管疾病及其亚型的危险因素谱.神经外科精神病学杂志2006;78: 702–706.[PMC免费文章][公共医学][谷歌学者] 37Patel B、Lawrence AJ、Chung AW、Rich P、MacKinnon AD、Morris RG等。症状性小血管病患者的脑微出血与认知功能.(打、击等的)一下2013;44: 356–361. [公共医学][谷歌学者] 38Glymour MM、Chéne G、Tzourio C、Dufouil C。认知老化纵向研究中的脑MRI标记物和辍学.神经病学2012;79: 1340–1348.[PMC免费文章][公共医学][谷歌学者] 39Vrenken H、Jenkinson M、Horsfield MA、Battaglini M、van Schijndel RA、Rostrup E等人。多发性硬化纵向研究中改进脑损伤负荷和萎缩成像和分析的建议.神经学杂志2013;260: 2458–2471.[PMC免费文章][公共医学][谷歌学者] 40Garde E、Lykke Mortensen E、Rostrup E、Paulson OB。智力下降与白质高强度容积进展有关.神经外科精神病学杂志2005;76: 1289–1291.[PMC免费文章][公共医学][谷歌学者] 41Van den Heuvel DMJ、ten Dam VH、de Craen AJM、Admiraal-Behloul F、Olofsen H、Bollen ELEM等人。非痴呆老年人脑室周围白质高强度增加与心理处理速度下降平行.神经外科精神病学杂志2006;77: 149–153.[PMC免费文章][公共医学][谷歌学者] 42.Schmidt R、Ropele S、Enzinger C、Petrovic K、Smith S、Schmidth H等人。白质病变进展、脑萎缩和认知能力下降：奥地利卒中预防研究.神经病学年鉴2005;58: 610–616. [公共医学][谷歌学者] 
