摘要

方法

结果

结论

1. 引言

轻度认知障碍（MCI）与记忆及其他神经认知功能（包括注意力、视空间能力和执行功能）的进行性丧失有关，其向痴呆的年转化率约为10%。既往研究报道MCI患者多个脑网络存在异常的结构和功能改变，包括默认模式网络、感觉运动网络和中央执行网络的神经活动及连接性降低。结构-功能耦合通过衡量结构连接与功能连接之间的相关性来反映网络间的一致性，可作为检测较低的细微病理异常的标志物。由于认知功能主要由网络而非单一神经基底支持，研究发现SC-FC耦合与记忆和推理等认知能力的相关性强于单一神经基底，且在检测病理异常方面比单一模型更为敏感，并已被证实与MCI个体的认知功能相关。

图论分析能够揭示结构或功能网络的内在属性（如效率、度中心性和小世界性），网络内部的拓扑异常已被证明与MCI患者的认知缺陷相关，例如网络效率和聚类系数的降低，而SC和FC网络的异常拓扑属性可能有助于解释SC-FC耦合值的变化。

计算机化认知训练已被证明是改善神经认知功能的安全有效方法。多项Meta分析研究报道CCT可改善MCI患者的认知功能，并与特定脑区的结构或功能变化相关。在结构变化方面，例如研究发现每周2次、持续12周的CCT可增加MCI患者右侧角回的灰质体积，且与即时记忆功能改善相关；另有研究表明24次CCT可增加MCI患者前扣带回的皮质厚度和各向异性值。在功能变化方面，研究证实7周CCT方案可增强MCI患者左背外侧前额叶皮层与内侧前额叶皮层之间的功能连接；另有报道称6个月的CCT可显著增加MCI患者双侧颞极、岛叶皮层和海马的BOLD信号低频波动振幅。然而，这些研究均采用单模态方法（即结构或功能单一模态），限制了对脑-行为对应关系的解释。与多模态方法相比，单一模态方法必然会低估CCT的治疗效果。因此，本研究采用SC-FC耦合和网络水平拓扑结构，通过随机对照试验方法来阐明8周CCT方案的治疗效果。我们假设CCT将增加SC-FC网络耦合并改善网络的拓扑属性，这些增强的结构和功能网络耦合及拓扑属性将与参与者神经认知功能的积极变化相关，且CCT相关的网络变化将特异于CCT带来的认知改善。研究意义是结果可为CCT对MCI患者认知功能治疗效果的潜在神经机制提供新的见解。

2. 方法

2.1 研究设计与参与者

此研究是一项针对MCI患者的多中心、单盲、随机对照试验。采用数据驱动的方法，利用弥散张量成像（DTI）和静息态功能磁共振成像（rs-fMRI），探讨SC-FC耦合和拓扑属性的变化。所有参与者均从福建中医药大学附属康复医院、附属人民医院和附属第二人民医院的门诊招募。参与者的诊断由两名独立的临床神经科医生根据Petersen的MCI标准做出。由每家医院的一名研究临床医生根据纳入和排除标准对参与者进行筛选。使用计算机生成的序列，一名未参与干预或评估的研究团队成员将参与者，随机分入CCT组和对照组。参与者的纳入标准如下：(1) 符合轻度认知障碍（MCI）的诊断标准；(2) 年龄50至85岁；(3) 蒙特利尔认知评估量表（MoCA）得分≤25分（若受教育年限<12年，则得分≤24分）；(4) 总体衰退量表分期为二期（极轻度认知衰退）或三期（轻度认知衰退）；(5) 自愿参加研究并签署知情同意书；(6) 右利手；(7) 无MRI禁忌症（如心脏起搏器、金属植入物、固定假牙或高热）。

参与者的排除标准如下：(1) 未控制的高血压（服药后收缩压>160 mmHg或舒张压>100 mmHg）；(2) 根据《精神障碍诊断与统计手册》（DSM-V）第五版诊断为痴呆或任何其他精神疾病；(3) 有酒精或药物滥用史；(4) 有精神疾病史；(5) 患有其他可能导致无法配合干预和评估的身体系统疾病，包括严重器官衰竭、心肌梗死或肌肉骨骼疾病；(6) 汉密尔顿抑郁量表（HAMD）得分>10分；(7) Hachinski缺血量表得分≥5分；(8) 在过去2周内服用镇静剂、抗抑郁药、精神兴奋剂或任何其他可能影响认知功能的药物；(9) 参与其他可能影响本研究结果的研究；(10) 无法接受MRI扫描。

2.2 干预措施

于CCT组:接受24次、每次1小时的训练（每周3次，共8周），使用中国食品药品监督管理局批准的认知评估与康复训练机。该机器提供用于神经系统疾病患者康复的临床评估和训练包电子版。CCT使用了该机器的十一个模块的认知训练套件（表S1）。每次训练中，参与者坐在电脑屏幕前，完成康复治疗师分配的培训模块。通常，参与者首先会被分配与筛查时MoCA测试项目所反映的缺陷相对应的训练任务。然后，参与者按数字顺序（从#1到#11）被分配认知训练套件中的其他训练任务。在一项任务中，参与者从第一个难度级别（最简单）开始，当准确率达到80%或以上时，在下一课程中升级到更高的难度级别。相同的任务序列持续整个8周。

 于对照组:通过门诊到医院康复科接受八次、每次1小时的每周健康教育课程。课程内容是根据Barnard等人发表的阿尔茨海默病预防指南整理的，内容包括认知障碍或痴呆的各种风险因素以及基于饮食和生活方式的预防策略。所有课程均由两名接受过内容培训和一对一授课方法培训的康复治疗师进行。对照组的参与者被要求避免参与任何认知训练。

表S1计算机化认知训练（CCT）程序的11个模块说明

2.3 神经心理学测试（在干预前和8周干预结束后1周内进行评估）

主要结果:使用中文福州版MoCA评估整体认知功能，其Cronbach's α和重测信度分别为0.92和0.90。

 次要结果:处理速度:使用数字符号替换测试评估，评分量化为90秒内正确匹配的数量。认知灵活性:使用中文版Stroop色词测试评估，通过命名圆点和词语颜色的准确性和所用时间测量。情景记忆:使用中文听觉词语学习测试评估，量化为在测试不同时间点回忆出的已学词语数量（共15个词）。非语言记忆:使用中文版Rey–Osterrieth复杂图形测试延迟回忆评估，量化为延迟一段时间后回忆出的已学图形数量。

2.4 MRI数据扫描

每位参与者完成两次MRI扫描，一次在开始干预之前，另一次在完成干预后一周内，两次扫描均使用位于一家参与医院的西门子Prisma 3.0-Tesla系统进行。MRI扫描序列参数包括以下内容：

 T1图像使用磁化准备快速梯度回波序列（MPRAGE）采集，扫描参数:矩阵大小256×256，192层连续切片，各向同性分辨率为1 mm，TR=2530 ms，TE=2.51 ms，FA=7°，FOV=256×256 mm²，体素大小=1.0×1.0×1.0 mm³

 DTI图像使用单次激发回波平面成像序列采集，扫描参数:64个扩散方向，b = 1000 s/mm²，FOV=224 mm×224 mm²，TR=8400 ms，TE=64.0 ms，层厚=2.0 mm，层数=75，体素大小=2.0×2.0×2.0 mm³。

静息态fMRI图像扫描参数:FOV=224 mm×224 mm²，体素大小=3.5×3.5×3.5 mm³，37层连续切片（层厚2 mm），TR=2000 ms，TE=30.0 ms，FA=90°。要求:在扫描过程中，参与者被要求闭眼但保持清醒。

2.5 MRI数据处理

2.5.1 MRI数据预处理

 对于DTI数据使用PANDA (http://www.nitrc.org/projects/ panda/)进行处理，将预处理后的弥散图像（DTI）与高分辨率的T1结构像进行共配准，使用MNI_152_T1脑模板，将图像非线性变换到标准的蒙特利尔神经学研究所空间。反向应用上述变换参数，将Schaefer-300图谱从MNI空间反变换回每个被试个体的弥散图像原生空间。

 对于静息态fMRI数据预处理使用DPABI (http://rfmri.org/ dpabi)进行处理，使用6 mm全宽半最大值的高斯滤波器进行空间平滑接下来回归协变量将无关信号（如白质和脑脊液的信号）从数据中回归出去，移除数据中可能存在的线性或非线性趋势，应用0.1至1.0 Hz的带通时间滤波，以保留低频波动信号，滤除高频噪声和低频漂移，如果头动超过3 mm的三维平移或3度的三维旋转，则相应图像被排除在分析之外。

2.5.2 网络建设

结构网络:在预处理数据之后，使用PANDA进行确定性纤维追踪，纤维终止标准是连续移动方向之间的转弯角度 > 45°，任何体素的FA值超出0.2 – 1.0 的阈值范围。通过两个步骤推导FA矩阵：当确定性纤维束的FA值在0.2和1.0之间时，两个节点之间的边被认为是结构连接。然后通过300×300矩阵构建结构网络。

功能网络:预处理后的静息态fMRI数据被分割为300个节点以构建功能连接矩阵。通过计算所有体素上fMRI时间序列的平均值得到每个脑区的时间序列。接下来，我们提取所有ROI的平均时间过程来计算每对区域之间的Pearson相关系数。最后，构建了无向的二值功能连接网络。

 全局网络水平分析:结构-功能耦合:计算结构连接矩阵和功能连接矩阵之间的Pearson相关系数。仅将结构矩阵中的非零边与功能矩阵中对应的正性功能进行相关。每个参与者的相关系数代表全局脑网络的 SC-FC耦合值。

 子网络水平分析:将全脑划分为以下网络：默认网络、背侧注意网络、额顶控制网络、边缘网络、体感运动网络、腹侧注意网络和视觉网络。在子网络水平上，使用节点级别的拓扑属性检测细微变化。

图S1 结构-功能连接和耦合的构建

2.6 图论分析

 图论分析使用GRATNA工具箱计算参与者的拓扑属性在5-50%的稀疏度范围内计算关键的拓扑图形指数（步骤1%），包括网络节点度中心度和节点效率

2.7 统计分析

所有统计分析均由对组分配不知情的独立统计学家在SPSS24.0版本中进行。首先比较了组间人口统计学特征，并采用线性混合模型检验组别×时间点的交互效应。通过设定0.5个标准差作为最小临床重要差异阈值筛选改善显著的参与者，并进行倾向得分匹配。对于次要指标（包括SC-FC耦合和网络拓扑属性），采用广义线性模型(GLM)比较组间差异，同时控制年龄、性别和受教育年限。节点拓扑比较使用GRETNA软件进行Bonferroni校正的双样本t检验。最后通过偏相关分析探究认知变化与MRI指标改变的关系。所有检验均采用双尾P<0.05为显著性标准，鉴于研究的探索性和脑网络功能差异性，除节点拓扑分析外均未进行多重比较校正。

3. 结果

3.1 参与者

 60名MCI患者通过了筛查，其中30人被分配到各组（CCT和对照组）。三名患者因未能完成基线MRI扫描而退出。57名参与者（CCT：n = 29;对照组：n = 28）完成了干预以及两组临床评估和脑部扫描。另外七名患者因MRI数据质量不佳或存在头部运动伪影而被排除在我们的最终分析之外--四名参与者基于DPD数据，三名参与者基于静息状态图像数据。本研究期间未发生不良反应。最终，50名参与者最终被纳入结果分析。

图1 实验流程图

被试的年龄、性别、受教育年限、体重指数、糖尿病、高血压、HAMD评分或日常生活工具性活动评分方面没有显着的组间差异（表1基线人口统计特征差异）。基线时，CCT组和对照组之间的MoCA、CAVLT、Stroop、DTST或Rey CFT评分未观察到显着差异（P > 0.05）。MoCA、CAVLT立即和延迟回忆子测试以及Rey CFT回忆子测试的分数存在显着的组x时间点效应。Stroop或DTST评分没有发现显着影响。在控制年龄、性别和教育年限后，CBP组在MoCA（P < 0.001）、CAVLT立即回忆（P = 0.008）、延迟回忆（P = 0.020）和Rey CFT回忆（P = 0.002）评分上的变化比对照组更大。（表2 组内及组内对神经心理学测试评分影响的比较）。此外，全球网络及其七个组成网络中的SC-FC耦合、MRI头部运动参数（X、Y和Z轴上的最大平移和旋转以及FD_ Jenkinson平均评分）的差异并不显着（P > 0.05）（补充材料，表S2组间基础 SC-FC 耦合比较和S3基线与干预后组头部运动参数比较）。

表1 基线人口统计特征差异（平均±标准差）

表2 组内及组内对神经心理学测试评分影响的比较

表 S2组间基线 SC-FC 耦合比较 （ 平均±SD）

表S3 基线与干预后组头部运动参数比较（均±标准差）

3.2 SC-FC耦合值的变化及其与测试分数的关系

 DMN 在 CCT组中 SC-FC 耦合值的变化较大（F = 4.862，P-未校正（P（unc.） = 0.033）和 SOM（F = 5.938，P（unc.） = 0.019）而对照组则控制年龄、性别和教育年限。相比之下，CCT 组的 VIS 耦合值变化（F = 4.524，P（unc.） = 0.039）比对照组小（见图 2B–D）。在 DOR、FPC、VEN 或 LIM 组间未观察到显著差异。DMN 和 SOM 中 SC-FC 耦合值的增加与 CCT 参与者 MoCA 分数的改善相关（r = 0.440，P（unc.） = 0.046;r = 0.439，P（unc.） = 0.047）（见图 2I，J）。CCT 参与者 VIS 中的 SC-FC 耦合值与 Rey CFT 回忆得分的变化呈负相关（r = − 0.431，P（unc.） = 0.045）（见图 2K）。

图2 CCT 和对照组神经网络 SC-FC 耦合值的变化及其与 MoCA 和 Rey CFT 回忆评分变化的关系

3.3 图论分析及其与测试成绩的关系

3.3.1 全局拓扑属性分析结果

 计算机认知训练组在默认网络与体感运动网络中的SC-FC耦合值变化显著大于对照组（DMN：F=4.862，未校正P=0.033；SOM：F=5.938，未校正P=0.019）。然而，这些网络的网络效率与特征路径长度均未发现显著的组间差异（P>0.05）。此外，视觉网络的聚类系数、网络效率及特征路径长度均未观察到显著的组间差异（P>0.05）（表S4 用于比较各组在功能全局拓扑结构上的差异）。在结构网络方面，默认网络、体感运动网络及视觉网络的聚类系数、网络效率与特征路径长度均未发现显著组间差异（P>0.05）（表S5 对结构整体拓扑中组间差异的比较）。

表S4 用于比较各组在功能全局拓扑结构上的差异

表S5 对结构整体拓扑中组间差异的比较

3.2.2 节点拓扑属性分析结果

在功能性DMN中，观察到与对照组相比，在观察到CCT组右侧背内侧前额叶皮质（dPFCm）的节点程度以及右侧dPFCm和左侧后扣带皮质（PCC）的节点效率方面明显更大（P < 0.05; Bonferroni纠正）。相比之下，在CCT组中，在左顶叶（Par）和右PCC中观察到的淋巴结度和淋巴结效率的变化明显较小（P < 0.05; Bonferroni纠正）（图3A和D）。

在功能性SOM中，左侧躯体运动区（SomMot）的结节度观察到的CCT变化明显大于对照组，但右侧SomMot观察到的变化明显较小（P < 0.05; Bonferroni纠正）。CCT组右侧SomMot的淋巴结效率明显高于对照组（图3C和E）。在功能性VIS内，CCT组左侧视皮质（Vis）的节度变化明显小于对照组（P < 0.05; Bonferroni纠正）。与对照组相比，CCT组左右VIS的淋巴结效率的变化也显着较小（P < 0.05; Bonferroni纠正）（图3B和F）。

3.3.2 节点拓扑属性与测试得分之间的关系

在考虑年龄、性别和教育年限后，功能DMN和SOM聚集系数的变化与MoCA分数之间存在相关性（r = 0.440，P（unc.）= 0.046; r = 0.446，P（unc.）= 0.043）（图3G和H）。右侧PCC的结节度变化与MoCA和Rey CFT回忆评分的变化呈负相关（r =-0.445，P（unc.）= 0.043; r =-0.477，P（unc.）= 0.029）（图3 I和J）。右侧PCC的淋巴结效率也与MoCA评分相关（r =-0.459，P（unc.）= 0.036）（图3 K）。

然而，SOM中右侧SomMot的节点程度与CAVLT立即回忆分数呈负相关（r =-0.451，P（unc.）= 0.040）（图3L）。尽管对多重分析进行修正，则上述所有相关性均未达到统计显着性阈值，（即P < 0.05/76 = 0.0006）。但其效应量均达到中等水平（即r > 0.40）。

图3 CCT 组与对照组各功能网络中节点度数和节点效率的变化及其与神经心理学测试得分的相关性3.4MCID亚组分析结果

本研究又将临床结果测试分数改善更多的较小群体的CCT组与对照组进行比较。关于总体认知功能（MoCA测试），CCT组中的14名参与者显示DMN的SC-FC耦合值增加（F = 0.861，P（unc.）= 0.007）（补充材料，表S6）。关于即时记忆功能（CAVLT即时回忆测试），CCT组中的12名参与者显示SOM的SC-FC耦合值增加（F = 5.331，P（unc.）= 0.037），而FPC网络中的耦合减小（F = 5.842，P（unc.）= 0.030）（补充材料，表S7）。关于延迟记忆功能（CAVLT延迟回忆测试），12名CCT参与者的SOM的SC-FC耦合值显示出较大的变化（F = 5.623，P（unc.）= 0.030）（补充材料，表S8）。关于视觉记忆功能（Rey CFT回忆测试），10名CCT参与者表现出VIS网络的SC-FC耦合值显着下降（F = 9.910，P（unc.）= 0.007）（补充材料，表S9）

表S6 根据 MoCA 评分选择的网络耦合差异比较

表S7 用于比较根据CAVLT即时回忆测试得分选择的网络耦合差异。

表S8 用于比较根据CAVLT延迟回忆测试得分选择的网络连接差异。

表 S9 比较根据 Rey CFT 回忆测试分数选择的网络耦合差异

4. 讨论

这项研究旨在了解8周的CBP对轻度认知障碍患者整体认知和记忆功能的积极影响。在总体认知和记忆功能以及DMN、SOM和LIS网络方面，发现了CBP和对照组之间存在显着差异。

 本研究更有意义的发现是连续CCT导致DMN和SOM网络的SC-FC耦合和全球功能地形增加，但导致VIS网络的耦合减少。此外，CCT参与者在左右半球的淋巴结程度和效率方面表现出不同的变化模式。发现不同功能网络内SC-FC耦合和节点地形的变化与参与者的认知功能增强有关。更重要的是，研究对SC-FC耦合和拓扑结构变化的发现，与解释年龄相关认知下降的常见理论模型一致：即老化中的后向-前向转移（PASA）模型和老年人半球不对称性降低（HAROLD）模型。

 本研究揭示，接受认知训练后，参与者在 DMN 和 SOM 网络的 SC-FC 耦合及全局聚类系数上有所增加，与整体认知和记忆功能的改善相关。相比之下，视觉记忆回忆功能的改善与视觉记忆回忆功能相关联，显示 SC-FC 耦合度下降。CCT 后这些明显的神经变化反映了 PASA 模型中描述的神经活动的后后向前动态。在 PASA 模型中，大脑激活的转变被视为与年龄相关的代偿过程，从视觉和感觉皮层活动的减少到前额叶皮层活动的增加。

 研究结果表明，CCT 可能增强 MCI 患者大脑后部和前部区域之间的神经动态。CCT 的治疗效果将导致结构与功能结构的重组。此外，VIS、DMN 和 SOM 网络中功能与结构网络耦合及网络内节点聚集的变化，可能成为未来衰老研究中的神经标志。并且提出 CCT 的治疗效果将促进结构-功能结构的重组。研究提出的观点得到了以往 MCI 患者在 DMN 和 SOM 网络中 SC-FC 耦合和拓扑性质异常变化的报告支持，这些变化与认知功能下降相关。特别是，DMN网络连接的中断可能导致与认知衰退相关的解耦现象。轻度认知障碍患者中单脑细胞和单脑功能障碍（FC）减少与认知控制功能下降及工作记忆、注意力和算术技能退化相关。其他研究显示，认知障碍个体在 VIS 网络中表现出异常。在 CCT 中，11 个模块涉及以不同速度和不同任务层次编码和处理视觉刺激。参与者反复暴露于视觉刺激会改变 VIS 网络的连接性，而持续参与任务则增强 DMN 和 SOM 的连接性。视觉刺激诱导 VIS 网络功能连接性的变化曾在另一项研究中报道。其他研究也表明出6 个月的基于视觉的认知训练改变了 MCI 患者的拓扑性质，从而提升了信息处理能力。

 节点拓扑结果表明参与者左右偏侧化存在与CCT相关的修改的可能性。这一现象与 Cabeza 等人提出的 HAROLD 模型一致，该模型涉及半球各向异性递减和双侧神经激活增强以补偿年龄相关neurodegeneration.因素。MCI 患者还表现出双侧 PCC 区域显著的灰质萎缩和纤维连接丧失干预后认知提升的积极结果表明，CCT 的效果可能通过调节 DMN 左右偏侧化实现。之前研究报告显示 DMN 左侧化与记忆表现相关。在参与者中，右侧 PCC 节点度和效率的下降与一般认知和视觉记忆功能的改善相关。功能性SOM也观察到 CCT 引起的变化。（变化包括左侧区域的节点度数和效率增加，但右侧区域的下降）后者的减少与参与者即时回忆功能的改善相关。之前的研究发现，感觉运动皮层参与了神经认知处理。功能性 SOM 表现出左侧偏侧化，这类似于 DMN 网络。

事实证明了尽管存在显着的神经元损失和萎缩，但个体仍然可以保持良好的认知能力和成功的日常功能。这可能暗示即使出现结构性萎缩，也会发生功能补偿以维持认知功能。在此项研究中，在CCT干预后DMN和SOM网络耦合增加而VIS网络耦合减少。并且不同的SC-FC变化模式的原因是MCI个体的结构性萎缩。发现灰质萎缩主要位于双侧海马和杏仁核，并延伸至内侧颞叶和楔前叶。白质完整性的丧失发生在与DMN网络内海马和楔前叶相连的海马旁扣带。这些萎缩与功能网络连接性的增加有关。潜在的结构萎缩将削弱DMN和SOM网络中的结构连接性，从而削弱SC-FC关系。CCT后SC-FC耦合的增加将对DMN和SOM网络中因MCI病理而引起的萎缩变化产生作用。相比之下如果VIS网络出现结构萎缩不会像DMN和SOM网络中的结构萎缩那么严重。但是本研究没有直接测量大脑萎缩的程度，因此上述解释还是一个合理的科学推测。

 CCT引起的SC-FC耦合和节点拓扑变化表明了MCI参与者的神经可塑性特征。这些可塑性变化涵盖了功能性默认模式网络（DMN）、躯体感觉网络（SOM）和视觉网络（VIS）。而且这些大脑的变化不是杂乱无章的，它们与患者们在记忆力、注意力等测试分数的实际提升一一对应。这些结果进一步完美地印证了一个名为“衰老与认知的支架理论”的科学理论。参与者认知功能的改善提示CCT可能促发了MCI相关脑功能更良好的代偿性变化。CCT的内容以及本研究的设计，即缺乏健康老年人组，无法进一步在模块层面上探究剂量-反应关系，因此也无法验证所提出的年龄相关补偿逆转。

5. 局限性 

样本量较小：由于严格的研究筛选标准，最终纳入分析的样本量有限（共50名参与者）。特别是在达到“最小临床重要差异”阈值的亚组分析中，样本量更小，这可能降低了统计分析的功效，导致低估了CCT对脑网络参数的影响。

 未对多重比较进行严格校正：选定的次要结局变量未对多重比较和相关分析进行校正。我们在解读脑网络参数变化及其与 CCT 相关认知功能改善关系时需谨慎。

 MCI患者异质性：研究所纳入的MCI患者具有异质性，其认知衰退背后的疾病过程（如早期神经退行性疾病或阿尔茨海默病）并未在纳入组标准中加以区分。因此，将本研究的结果推广到具有特定病理的MCI个体时需要谨慎。

 缺乏长期设计和可能存在学习效应：由于研究设计未包含随访评估，CCT效果的长期持续性仍有待未来研究探索。此外，前后测使用相同的神经心理学测验可能产生学习效应，尽管采用了实验-对照组设计来控制此影响。

6. 意义

参考文献

Wu J, He Y, Liang S, Liu Z, Huang J, Liu W, Tao J, Chen L, Chan CCH, Lee TMC. Effects of computerized cognitive training on structure‒function coupling and topology of multiple brain networks in people with mild cognitive impairment: a randomized controlled trial. Alzheimers Res Ther. 2023 Sep 23;15(1):158. doi: 10.1186/s13195-023-01292-9. PMID: 37742005; PMCID: PMC10517473.

解读：李佳骏