引用本文： 羅貝琳, 張藝芬, 何順坡, 朱仁敬, 陽清偉, 鄭玉琴, 黃富治, 蘇華妹. 基質金屬蛋白酶-2、9 及組織金屬蛋白酶抑制物-1 與腦小血管病患者腦白質高信號的相關性研究. 華西醫學, 2024, 39(5): 723-731. doi: 10.7507/1002-0179.202404251 復制
版權信息： ?四川大學華西醫院華西期刊社《華西醫學》版權所有，未經授權不得轉載、改編
腦小血管病（cerebral small vessel disease, CSVD）是一組由腦內小動脈異常引起的疾病，以 MRI 上異常信號為特征，包括腦白質高信號（white matter hyperintensity, WMH）、近期皮質下小梗死、腔隙、血管周圍間隙、腦微出血、腦皮質表面鐵沉積、腦出血及其他出血標志、腦萎縮[1]。其臨床癥狀包括突發性腦卒中、頭暈、認知功能下降和姿勢步態異常等。CSVD 約占所有腦卒中的 25%，造成巨大醫療資源負擔[2]。WMH 在 MRI 上表現為 T1 加權序列略低信號，T2 加權或液體抑制反轉恢復（fluid attenuated inversion recovery, FLAIR）序列高信號。一項基于社區的隊列研究顯示，WMH 嚴重程度與多種因素相關，既包括廣泛認知的因素，如年齡、血管危險因素[3-4]，也包括生物標志物，如白細胞介素-6（interleukin 6, IL-6）、超敏 C 反應蛋白（high sensitivity C-reactive protein, hs-CRP）、同型半胱氨酸（homocysteine, Hcy）等[5-6]。基質金屬蛋白酶（matrix metalloproteinase, MMP）家族中的明膠酶（即 MMP-2 與 MMP-9）破壞細胞外基質，組織金屬蛋白酶抑制物-1（tissue inhibitor of metalloproteinase-1, TIMP-1）有助于保護細胞外基質不受 MMP 介導降解。MMP 與 TIMP-1 之間表達失衡被認為是 WMH 發生發展的機制之一[7]。現同時考慮 MMP-2、MMP-9、TIMP-1 與 WMH 相關性的探討有限，結論矛盾[8-11]。多數研究僅依賴 Fazekas 分級評估 WMH，未進一步精細量化 WMH 體積[12]。鑒于此，本研究在分析變量與 Fazekas 分級相關性的基礎上進一步分析其與 WMH 總體積關聯性，旨在揭示 WMH 形成與進展的關鍵因素及機制，期望為 CSVD 評估及防治提供新依據。
1 對象與方法
1.1 研究對象
前瞻性收集 2022 年 1 月—2024 年 2 月在廈門大學附屬中山醫院神經內科門診就診的 WMH 患者。納入標準：① 年齡 50～85 歲；② 神經系統體格檢查時無神經功能缺損癥狀。排除標準：① 既往大面積腦梗死或腦出血的神經疾病史；② 有全身性感染或腫瘤；③ 存在嚴重肝病和/或腎病，包括但不限于肝硬化、活動性肝炎、肝功能衰竭，以及慢性腎病晚期或需透析的腎功能不全；④ 不能完成 MRI 檢查；⑤ 頭顱 MRI 提示擴散加權成像高信號病灶；⑥ 既往有腦部脫髓鞘疾病；⑦ 拒絕參與本項研究。本研究已獲廈門大學附屬中山醫院倫理委員會審核批準，研究對象均自愿參與并簽署知情同意書。
1.2 研究方法
1.2.1 一般資料收集
收集人口學信息及既往病史。病理狀態遵循標準指南定義及患者自我報告的吸煙和飲酒習慣[13-21]。
1.2.2 WMH 嚴重程度評估
采用 Fazekas 量表和 WMH 總體積評估 WMH 嚴重程度[22]。影像數據來自患者入院 7 d 內的 MRI 檢查。
① Fazekas 分級定性分析。采用 FLAIR 序列行視覺評估，獲取 Fazekas 評分和分級。具體方法：A. 腦室周圍 WMH：0 分，無；1 分，帽狀或鉛筆樣薄層病變；2 分，平滑光暈病變；3 分，不規則片狀，且延伸至深部。B. 深部 WMH：0 分，無；1 分，點狀病灶；2 分，病灶開始匯合；3 分，大面積融合。將腦室周圍 WMH 和深部 WMH 的得分相加，得出 Fazekas 總分，分值為 0～6 分。根據總分分級，Fazekas 0 級：0 分；Fazekas 1 級：1～2 分；Fazekas 2 級：3～4 分；Fazekas 3 級：5～6 分。Fazekas 分級數字越大，表示 WMH 越嚴重[23]。
② WMH 總體積定量分析。軟件測量 WMH 總體積，具體如下：經 FSL 5.0 工具箱標準化后 FLAIR 序列，后經 LST 3.0.0 工具箱病變預測算法（lesion prediction algorithm, LPA）自動分割 WMH。
1.2.3 檢測血清中 MMP-2、MMP-9、TIMP-1 等生物標志物水平
所有研究對象于清晨（06:30－07:30）空腹采集 5 mL 肘靜脈血。血液樣本于 4℃、離心半徑 10 cm、轉速
1.3 統計學方法
采用 R 4.3.2 軟件進行數據分析。根據 Fazekas 分級、WMH 總體積水平的四分位數進行分組，正態性檢驗采用 Shapiro-Francia 檢驗，正態分布的計量資料以均數±標準差（x±s）表示，非正態分布的計量資料以中位數（下四分位數，上四分位數）［M（QL，QU）］表示，計數資料以例數和/或百分數表示。單因素分析中，正態分布的計量資料使用單因素方差分析，非正態分布的計量資料使用 Kruskal-Wallis H 秩和檢驗，分類資料使用 χ2 檢驗或 Fisher 確切概率法。將單因素分析中有統計學意義的指標作為調整變量納入多分類 logistic 回歸模型中，進一步分析明確 WMH 嚴重程度獨立相關因素，計算比值比（odds ratio, OR）及其 95% 置信區間（confidence interval, CI）。采用雙側檢驗，檢驗水準 α=0.05。
2 結果
2.1 一般資料
本研究共納入 144 例研究對象，患者入組流程見圖1，詳細的人口學信息、生物標志物和 WMH 總體積信息見表1，典型病例 Fazekas 分級評定見圖2，WMH 總體積計算見圖3。
圖1
入組流程圖
DWI：擴散加權成像；WMH：腦白質高信號；MMP：基質金屬蛋白酶；TIMP-1：組織金屬蛋白酶抑制物-1；IL-6：白細胞介素-6；hs-CRP：超敏 C 反應蛋白；Hcy：同型半胱氨酸；HbA1c：糖化血紅蛋白；LDL-C：低密度脂蛋白膽固醇
表1
納入患者臨床資料匯總（n=144）
圖2
臨床上用于評估 Fazekas 分級的 T2 序列及 FLAIR 序列
Fazekas（1）：患者女，65 歲，右利手，雙側側腦室旁見多發對稱分布片狀稍長 T2 信號，為 Fazekas 1 級；Fazekas（2）：患者女，85 歲，右利手，雙側側腦室旁見散在斑片狀稍長 T2 信號，為 Fazekas 2 級；Fazekas（3）：患者男，60 歲，右利手，半卵圓區見多發斑片狀長 T2 信號，雙側側腦室旁見片狀稍長 T2 信號，為 Fazekas 3 級。上行為 T2 序列，下行為液體抑制反轉恢復（FLAIR）序列
圖3
LPA 計算后可視化 3D WMH
紅色為 WMH 區域，顏色越深，變性越嚴重。LPA：病灶預測算法；3D：三維；WMH：腦白質高信號
2.2 Fazekas 分級相關因素分析
單因素分析顯示，年齡、糖尿病、高尿酸血癥、缺血性心臟病、慢性腎臟病、IL-6、Hcy、HbA1c、LDL-C、MMP-2、TIMP-1、MMP-9/TIMP-1 在不同 Fazekas 分級患者間差異有統計學意義（P<0.05），見表2。
表2
不同 Fazekas 分級患者臨床特征比較
以 Fazekas 分級為因變量，以 MMP-2、TIMP-1、MMP-9/TIMP-1 為自變量（均為連續變量），將單因素分析中其他有統計學意義的指標作為調整變量（連續變量直接納入，分類變量賦值為 0 表示無、1 表示有），進行多因素分析。因未通過有序多分類 logistic 回歸分析的平行線檢驗（P<0.05），故采用無序多分類 logistic 回歸分析。結果顯示，在調整了混雜變量后，MMP-2、TIMP-1、MMP-9/TIMP-1 與 Fazekas 分級獨立相關（P<0.05），見表3。
表3
Fazekas 分級的無序多分類 logistic 回歸分析結果
2.3 WMH 總體積相關因素分析
按 WMH 總體積四分位數將患者分為 4 組。單因素分析顯示，年齡、入院時收縮壓、吸煙、飲酒、高尿酸血癥、缺血性心臟病、慢性腎臟病、IL-6、hs-CRP、Hcy、HbA1c、MMP-2、TIMP-1、MMP-9/TIMP-1 在 WMH 總體積四分位數分組之間差異有統計意義（P<0.05），見表4。
表4
不同 WMH 總體積四分位分組患者臨床特征比較
以 WMH 總體積四分位數分組為因變量，以 MMP-2、TIMP-1、MMP-9/TIMP-1 為自變量（均為連續變量），將單因素分析中其他有統計學意義的指標以及入院時舒張壓作為調整變量（連續變量直接納入，分類變量賦值為 0 表示無、1 表示有），進行多因素分析。因未通過有序多分類 logistic 回歸分析的平行線檢驗（P<0.05），故采用無序多分類 logistic 回歸分析。結果顯示，在調整了混雜變量后，MMP-2、TIMP-1 與 WMH 總體積四分位數分組獨立相關（P<0.05），見表5。
表5
WMH 總體積四分位數分組的無序多分類 logistic 回歸分析結果
3 討論
WMH 是 MRI 中腦白質損傷標志，被認為與認知下降、輕度認知障礙、卒中和死亡風險增加相關，在發展進程中主要影響協調運動、記憶力和社會認知[24]。de Leeuw 等[25]在 60～90 歲健康人群中進行 MRI 掃描顯示，WMH 的發生率隨著年齡增長而升高，女性嚴重程度超過男性；皮質下 WMH 年增長率為 0.2%，腦室周圍 WMH 年增長率為 0.4%。哥德堡大學的一份共識報告顯示，在 CSVD 患者中，MMP-2、MMP-9、TIMP-1 均升高[26]。
MMP-2、MMP-9 由中樞神經系統中神經元、星形膠質細胞和小膠質細胞表達，由多個結構域組成，分解肽鍵損傷組織。其活性通過轉錄、酶原前體的激活、TIMP-1 可逆性抑制調節[27-28]。TIMP-1 抑制細胞外基質分解，具有神經保護和緩解疼痛作用[29]。
本研究顯示，MMP-2、TIMP-1 同時與 WMH Fazekas 分級、WMH 總體積獨立相關，與既往研究一致[9, 30]。京都大學神經病學研究所一項研究顯示，MMP-2 具有比 MMP-9 強約 100 倍降解髓鞘磷脂堿性蛋白的能力，同時較之 MMP-9，MMP-2 參與的微血管重塑過程持續更長時間[31]。急性損傷中 MMP 活化導致后續慢性病程中其他 MMP 廣泛激活，引發繼發性腦白質損傷。這可能解釋 MMP-2、MMP-9 和 TIMP-1 在急性卒中中與疾病顯著相關，并預示不良結局，而在未經歷急性卒中的 WMH 患者中，MMP-9 與腦白質損傷的關聯不顯著[32-33]。
TIMP-1 同時是 WMH Fazekas 分級及 WMH 總體積的獨立正相關因素。Zhang 等[9]研究表明，基底動脈延長的 WMH 患者中，TIMP-1 與 Fazekas 分級相關。波士頓大學一項研究中表明 TIMP-1 水平與 WMH 體積正相關[34]，本研究與先前研究一致。除抑制蛋白酶作用外，其作為新興細胞因子，參與炎癥過程。Bugno 等[35]研究表明，參與使 TIMP-1 表達增加的轉錄因子組包括與炎癥相關的信號轉導和轉錄激活因子-3、核因子 κB 和轉錄因子-1。此外，TIMP-1 的表達能被 IL-6 上調，進一步確認其作為炎癥因子發揮調節免疫和促炎作用[7, 36]。TIMP-1 參與免疫調控。TIMP-1 與 CD63 和 CD74 受體相互作用，觸發不同細胞內信號傳導通路，包括磷脂酰肌醇 3 激酶-蛋白激酶 B 信號通路、細胞外信號調節激酶通路、低氧誘導因子信號通路、p38 絲裂原活化蛋白激酶信號通路、酪氨酸激酶 70 信號通路。因此，TIMP-1 在炎癥反應和免疫調節中具有重要調節作用。既往研究認為，WMH 的發生與炎癥相關[37]。本研究顯示 TIMP-1 與 WMH Fazekas 分級及 WMH 總體積呈正相關，表明其促炎作用在腦白質病變發展中強于其作為抑制劑的保護作用。因此，未來可探討通過調節 TIMP-1 活性作為抑制炎癥的潛在治療策略。
本研究中，年齡與收縮壓與 WMH 嚴重程度相關。隨年齡增長，WMH 發生率顯著上升，在 60 歲人群中約為 20%，在 90 歲以上人群中幾乎達到 100%[37-38]。更高的收縮壓與更嚴重的 WMH 相關。高血壓增加血管壁壓力，損傷血管內膜，促使腦動脈粥樣硬化，導致腦白質慢性缺血[1]。將來，可將控制收縮壓作為預防或延緩 CSVD 發生發展的策略。
本研究顯示，IL-6、Hcy、HbA1c 同時與 WMH 的 Fazekas 分級和總體積相關。IL-6 作為炎癥細胞因子，于感染和組織損傷中瞬時產生，促進急性期反應和宿主防御[39]。Hcy 被認為是心血管疾病的重要危險因素，與氧化應激增加、DNA 損傷、細胞凋亡和興奮毒性等神經變性機制相關[37]。HbA1c 提示近 2～3 個月血糖波動情況，HbA1c 高值者葡萄糖氧化增強，產生大量高活性氧，影響血腦屏障的完整性[40]。
當前研究對阻塞性睡眠呼吸暫停（obstructive sleep apnea, OSA）、慢性腎臟病與 WMH 相關性尚無共識。在一項涵蓋 283 例短暫性腦缺血發作/輕度卒中患者的隊列研究中，未發現 OSA 與 WMH 嚴重程度相關性[41]。本研究顯示，OSA 與 WMH 之間無相關性，與既往研究一致。然而，Song 等[42]研究指出，間歇性低氧血癥增加動脈僵硬度促進 WMH 發展。本研究不支持這一假設。需要注意的是，本研究中 OSA 患者樣本量小，且源自患者自我報告。未來應擴大樣本量，并對 OSA 診斷進行更嚴格驗證，以便準確界定兩者關系。
本研究顯示慢性腎臟疾病與 WMH Fazekas 分級、WMH 總體積相關。這與 ?lmez 等[43]研究一致，考慮以往研究主要基于 Fazekas 分級，建議進一步量化評價。
綜上所述，MMP-2、TIMP-1 同時為 WMH Fazekas 分級和 WMH 總體積的獨立相關因素，提示 TIMP-1 在 CSVD 發生發展中具有多重機制，同時 TIMP-1 和 MMP-2 可能作為評估 CSVD 嚴重程度的新型生物標志物。考慮數據來自單一中心小樣本調查，研究結果普遍性和準確性有限。期待未來研究采用多中心大樣本研究設計，減少偏差，獲得更具代表性和可靠性的結論。
利益沖突：所有作者聲明不存在利益沖突。
腦小血管病（cerebral small vessel disease, CSVD）是一組由腦內小動脈異常引起的疾病，以 MRI 上異常信號為特征，包括腦白質高信號（white matter hyperintensity, WMH）、近期皮質下小梗死、腔隙、血管周圍間隙、腦微出血、腦皮質表面鐵沉積、腦出血及其他出血標志、腦萎縮[1]。其臨床癥狀包括突發性腦卒中、頭暈、認知功能下降和姿勢步態異常等。CSVD 約占所有腦卒中的 25%，造成巨大醫療資源負擔[2]。WMH 在 MRI 上表現為 T1 加權序列略低信號，T2 加權或液體抑制反轉恢復（fluid attenuated inversion recovery, FLAIR）序列高信號。一項基于社區的隊列研究顯示，WMH 嚴重程度與多種因素相關，既包括廣泛認知的因素，如年齡、血管危險因素[3-4]，也包括生物標志物，如白細胞介素-6（interleukin 6, IL-6）、超敏 C 反應蛋白（high sensitivity C-reactive protein, hs-CRP）、同型半胱氨酸（homocysteine, Hcy）等[5-6]。基質金屬蛋白酶（matrix metalloproteinase, MMP）家族中的明膠酶（即 MMP-2 與 MMP-9）破壞細胞外基質，組織金屬蛋白酶抑制物-1（tissue inhibitor of metalloproteinase-1, TIMP-1）有助于保護細胞外基質不受 MMP 介導降解。MMP 與 TIMP-1 之間表達失衡被認為是 WMH 發生發展的機制之一[7]。現同時考慮 MMP-2、MMP-9、TIMP-1 與 WMH 相關性的探討有限，結論矛盾[8-11]。多數研究僅依賴 Fazekas 分級評估 WMH，未進一步精細量化 WMH 體積[12]。鑒于此，本研究在分析變量與 Fazekas 分級相關性的基礎上進一步分析其與 WMH 總體積關聯性，旨在揭示 WMH 形成與進展的關鍵因素及機制，期望為 CSVD 評估及防治提供新依據。
1 對象與方法
1.1 研究對象
前瞻性收集 2022 年 1 月—2024 年 2 月在廈門大學附屬中山醫院神經內科門診就診的 WMH 患者。納入標準：① 年齡 50～85 歲；② 神經系統體格檢查時無神經功能缺損癥狀。排除標準：① 既往大面積腦梗死或腦出血的神經疾病史；② 有全身性感染或腫瘤；③ 存在嚴重肝病和/或腎病，包括但不限于肝硬化、活動性肝炎、肝功能衰竭，以及慢性腎病晚期或需透析的腎功能不全；④ 不能完成 MRI 檢查；⑤ 頭顱 MRI 提示擴散加權成像高信號病灶；⑥ 既往有腦部脫髓鞘疾病；⑦ 拒絕參與本項研究。本研究已獲廈門大學附屬中山醫院倫理委員會審核批準，研究對象均自愿參與并簽署知情同意書。
1.2 研究方法
1.2.1 一般資料收集
收集人口學信息及既往病史。病理狀態遵循標準指南定義及患者自我報告的吸煙和飲酒習慣[13-21]。
1.2.2 WMH 嚴重程度評估
采用 Fazekas 量表和 WMH 總體積評估 WMH 嚴重程度[22]。影像數據來自患者入院 7 d 內的 MRI 檢查。
① Fazekas 分級定性分析。采用 FLAIR 序列行視覺評估，獲取 Fazekas 評分和分級。具體方法：A. 腦室周圍 WMH：0 分，無；1 分，帽狀或鉛筆樣薄層病變；2 分，平滑光暈病變；3 分，不規則片狀，且延伸至深部。B. 深部 WMH：0 分，無；1 分，點狀病灶；2 分，病灶開始匯合；3 分，大面積融合。將腦室周圍 WMH 和深部 WMH 的得分相加，得出 Fazekas 總分，分值為 0～6 分。根據總分分級，Fazekas 0 級：0 分；Fazekas 1 級：1～2 分；Fazekas 2 級：3～4 分；Fazekas 3 級：5～6 分。Fazekas 分級數字越大，表示 WMH 越嚴重[23]。
② WMH 總體積定量分析。軟件測量 WMH 總體積，具體如下：經 FSL 5.0 工具箱標準化后 FLAIR 序列，后經 LST 3.0.0 工具箱病變預測算法（lesion prediction algorithm, LPA）自動分割 WMH。
1.2.3 檢測血清中 MMP-2、MMP-9、TIMP-1 等生物標志物水平
所有研究對象于清晨（06:30－07:30）空腹采集 5 mL 肘靜脈血。血液樣本于 4℃、離心半徑 10 cm、轉速
1.3 統計學方法
采用 R 4.3.2 軟件進行數據分析。根據 Fazekas 分級、WMH 總體積水平的四分位數進行分組，正態性檢驗采用 Shapiro-Francia 檢驗，正態分布的計量資料以均數±標準差（x±s）表示，非正態分布的計量資料以中位數（下四分位數，上四分位數）［M（QL，QU）］表示，計數資料以例數和/或百分數表示。單因素分析中，正態分布的計量資料使用單因素方差分析，非正態分布的計量資料使用 Kruskal-Wallis H 秩和檢驗，分類資料使用 χ2 檢驗或 Fisher 確切概率法。將單因素分析中有統計學意義的指標作為調整變量納入多分類 logistic 回歸模型中，進一步分析明確 WMH 嚴重程度獨立相關因素，計算比值比（odds ratio, OR）及其 95% 置信區間（confidence interval, CI）。采用雙側檢驗，檢驗水準 α=0.05。
2 結果
2.1 一般資料
本研究共納入 144 例研究對象，患者入組流程見圖1，詳細的人口學信息、生物標志物和 WMH 總體積信息見表1，典型病例 Fazekas 分級評定見圖2，WMH 總體積計算見圖3。
圖1
入組流程圖
DWI：擴散加權成像；WMH：腦白質高信號；MMP：基質金屬蛋白酶；TIMP-1：組織金屬蛋白酶抑制物-1；IL-6：白細胞介素-6；hs-CRP：超敏 C 反應蛋白；Hcy：同型半胱氨酸；HbA1c：糖化血紅蛋白；LDL-C：低密度脂蛋白膽固醇
表1
納入患者臨床資料匯總（n=144）
圖2
臨床上用于評估 Fazekas 分級的 T2 序列及 FLAIR 序列
Fazekas（1）：患者女，65 歲，右利手，雙側側腦室旁見多發對稱分布片狀稍長 T2 信號，為 Fazekas 1 級；Fazekas（2）：患者女，85 歲，右利手，雙側側腦室旁見散在斑片狀稍長 T2 信號，為 Fazekas 2 級；Fazekas（3）：患者男，60 歲，右利手，半卵圓區見多發斑片狀長 T2 信號，雙側側腦室旁見片狀稍長 T2 信號，為 Fazekas 3 級。上行為 T2 序列，下行為液體抑制反轉恢復（FLAIR）序列
圖3
LPA 計算后可視化 3D WMH
紅色為 WMH 區域，顏色越深，變性越嚴重。LPA：病灶預測算法；3D：三維；WMH：腦白質高信號
2.2 Fazekas 分級相關因素分析
單因素分析顯示，年齡、糖尿病、高尿酸血癥、缺血性心臟病、慢性腎臟病、IL-6、Hcy、HbA1c、LDL-C、MMP-2、TIMP-1、MMP-9/TIMP-1 在不同 Fazekas 分級患者間差異有統計學意義（P<0.05），見表2。
表2
不同 Fazekas 分級患者臨床特征比較
以 Fazekas 分級為因變量，以 MMP-2、TIMP-1、MMP-9/TIMP-1 為自變量（均為連續變量），將單因素分析中其他有統計學意義的指標作為調整變量（連續變量直接納入，分類變量賦值為 0 表示無、1 表示有），進行多因素分析。因未通過有序多分類 logistic 回歸分析的平行線檢驗（P<0.05），故采用無序多分類 logistic 回歸分析。結果顯示，在調整了混雜變量后，MMP-2、TIMP-1、MMP-9/TIMP-1 與 Fazekas 分級獨立相關（P<0.05），見表3。
表3
Fazekas 分級的無序多分類 logistic 回歸分析結果
2.3 WMH 總體積相關因素分析
按 WMH 總體積四分位數將患者分為 4 組。單因素分析顯示，年齡、入院時收縮壓、吸煙、飲酒、高尿酸血癥、缺血性心臟病、慢性腎臟病、IL-6、hs-CRP、Hcy、HbA1c、MMP-2、TIMP-1、MMP-9/TIMP-1 在 WMH 總體積四分位數分組之間差異有統計意義（P<0.05），見表4。
表4
不同 WMH 總體積四分位分組患者臨床特征比較
以 WMH 總體積四分位數分組為因變量，以 MMP-2、TIMP-1、MMP-9/TIMP-1 為自變量（均為連續變量），將單因素分析中其他有統計學意義的指標以及入院時舒張壓作為調整變量（連續變量直接納入，分類變量賦值為 0 表示無、1 表示有），進行多因素分析。因未通過有序多分類 logistic 回歸分析的平行線檢驗（P<0.05），故采用無序多分類 logistic 回歸分析。結果顯示，在調整了混雜變量后，MMP-2、TIMP-1 與 WMH 總體積四分位數分組獨立相關（P<0.05），見表5。
表5
WMH 總體積四分位數分組的無序多分類 logistic 回歸分析結果
3 討論
WMH 是 MRI 中腦白質損傷標志，被認為與認知下降、輕度認知障礙、卒中和死亡風險增加相關，在發展進程中主要影響協調運動、記憶力和社會認知[24]。de Leeuw 等[25]在 60～90 歲健康人群中進行 MRI 掃描顯示，WMH 的發生率隨著年齡增長而升高，女性嚴重程度超過男性；皮質下 WMH 年增長率為 0.2%，腦室周圍 WMH 年增長率為 0.4%。哥德堡大學的一份共識報告顯示，在 CSVD 患者中，MMP-2、MMP-9、TIMP-1 均升高[26]。
MMP-2、MMP-9 由中樞神經系統中神經元、星形膠質細胞和小膠質細胞表達，由多個結構域組成，分解肽鍵損傷組織。其活性通過轉錄、酶原前體的激活、TIMP-1 可逆性抑制調節[27-28]。TIMP-1 抑制細胞外基質分解，具有神經保護和緩解疼痛作用[29]。
本研究顯示，MMP-2、TIMP-1 同時與 WMH Fazekas 分級、WMH 總體積獨立相關，與既往研究一致[9, 30]。京都大學神經病學研究所一項研究顯示，MMP-2 具有比 MMP-9 強約 100 倍降解髓鞘磷脂堿性蛋白的能力，同時較之 MMP-9，MMP-2 參與的微血管重塑過程持續更長時間[31]。急性損傷中 MMP 活化導致后續慢性病程中其他 MMP 廣泛激活，引發繼發性腦白質損傷。這可能解釋 MMP-2、MMP-9 和 TIMP-1 在急性卒中中與疾病顯著相關，并預示不良結局，而在未經歷急性卒中的 WMH 患者中，MMP-9 與腦白質損傷的關聯不顯著[32-33]。
TIMP-1 同時是 WMH Fazekas 分級及 WMH 總體積的獨立正相關因素。Zhang 等[9]研究表明，基底動脈延長的 WMH 患者中，TIMP-1 與 Fazekas 分級相關。波士頓大學一項研究中表明 TIMP-1 水平與 WMH 體積正相關[34]，本研究與先前研究一致。除抑制蛋白酶作用外，其作為新興細胞因子，參與炎癥過程。Bugno 等[35]研究表明，參與使 TIMP-1 表達增加的轉錄因子組包括與炎癥相關的信號轉導和轉錄激活因子-3、核因子 κB 和轉錄因子-1。此外，TIMP-1 的表達能被 IL-6 上調，進一步確認其作為炎癥因子發揮調節免疫和促炎作用[7, 36]。TIMP-1 參與免疫調控。TIMP-1 與 CD63 和 CD74 受體相互作用，觸發不同細胞內信號傳導通路，包括磷脂酰肌醇 3 激酶-蛋白激酶 B 信號通路、細胞外信號調節激酶通路、低氧誘導因子信號通路、p38 絲裂原活化蛋白激酶信號通路、酪氨酸激酶 70 信號通路。因此，TIMP-1 在炎癥反應和免疫調節中具有重要調節作用。既往研究認為，WMH 的發生與炎癥相關[37]。本研究顯示 TIMP-1 與 WMH Fazekas 分級及 WMH 總體積呈正相關，表明其促炎作用在腦白質病變發展中強于其作為抑制劑的保護作用。因此，未來可探討通過調節 TIMP-1 活性作為抑制炎癥的潛在治療策略。
本研究中，年齡與收縮壓與 WMH 嚴重程度相關。隨年齡增長，WMH 發生率顯著上升，在 60 歲人群中約為 20%，在 90 歲以上人群中幾乎達到 100%[37-38]。更高的收縮壓與更嚴重的 WMH 相關。高血壓增加血管壁壓力，損傷血管內膜，促使腦動脈粥樣硬化，導致腦白質慢性缺血[1]。將來，可將控制收縮壓作為預防或延緩 CSVD 發生發展的策略。
本研究顯示，IL-6、Hcy、HbA1c 同時與 WMH 的 Fazekas 分級和總體積相關。IL-6 作為炎癥細胞因子，于感染和組織損傷中瞬時產生，促進急性期反應和宿主防御[39]。Hcy 被認為是心血管疾病的重要危險因素，與氧化應激增加、DNA 損傷、細胞凋亡和興奮毒性等神經變性機制相關[37]。HbA1c 提示近 2～3 個月血糖波動情況，HbA1c 高值者葡萄糖氧化增強，產生大量高活性氧，影響血腦屏障的完整性[40]。
當前研究對阻塞性睡眠呼吸暫停（obstructive sleep apnea, OSA）、慢性腎臟病與 WMH 相關性尚無共識。在一項涵蓋 283 例短暫性腦缺血發作/輕度卒中患者的隊列研究中，未發現 OSA 與 WMH 嚴重程度相關性[41]。本研究顯示，OSA 與 WMH 之間無相關性，與既往研究一致。然而，Song 等[42]研究指出，間歇性低氧血癥增加動脈僵硬度促進 WMH 發展。本研究不支持這一假設。需要注意的是，本研究中 OSA 患者樣本量小，且源自患者自我報告。未來應擴大樣本量，并對 OSA 診斷進行更嚴格驗證，以便準確界定兩者關系。
本研究顯示慢性腎臟疾病與 WMH Fazekas 分級、WMH 總體積相關。這與 ?lmez 等[43]研究一致，考慮以往研究主要基于 Fazekas 分級，建議進一步量化評價。
綜上所述，MMP-2、TIMP-1 同時為 WMH Fazekas 分級和 WMH 總體積的獨立相關因素，提示 TIMP-1 在 CSVD 發生發展中具有多重機制，同時 TIMP-1 和 MMP-2 可能作為評估 CSVD 嚴重程度的新型生物標志物。考慮數據來自單一中心小樣本調查，研究結果普遍性和準確性有限。期待未來研究采用多中心大樣本研究設計，減少偏差，獲得更具代表性和可靠性的結論。
利益沖突：所有作者聲明不存在利益沖突。
