静息状态下自发的脑活动作为有非自杀性自伤行为的青少年自杀意念的神经标志物：一项基于体素分析和机器学习的研究

《Frontiers in Psychiatry》：Resting-state spontaneous brain activity as a neural marker for suicidal ideation in adolescents with non-suicidal self-injury: a voxel-wise and machine learning study

青少年非自杀性自伤行为（NSSI）患者中，左中额回（MFG）静息态功能连接强度与自杀意念严重程度呈显著负相关，基于此的支撑向量回归（SVR）模型可准确预测个体自杀意念得分（r=0.492，p<0.001）。

　　非自杀性自伤（NSSI）是一种与自杀行为密切相关的高风险行为，尤其在青少年群体中更为常见。尽管NSSI本身并不以自杀意图为主，但它往往与严重的自杀念头、抑郁和焦虑症状交织在一起，成为自杀风险评估中的重要指标。当前，临床实践中对NSSI患者的自杀风险评估主要依赖于主观问卷和行为观察，缺乏客观的神经生物学标志物。因此，探索与自杀念头严重程度相关的神经活动特征，对于实现精准的风险预测和干预具有重要意义。

本研究采用静息态功能性磁共振成像（rs-fMRI）技术，结合机器学习方法，试图识别青少年NSSI患者中与自杀念头严重程度相关的神经活动模式。通过分析脑区自发活动的强度，研究人员发现，左中额叶皮层（MFG）的自发活动水平与自杀念头严重程度呈显著负相关。这意味着，当左MFG的活动减弱时，个体的自杀念头往往会变得更加严重。这一发现为NSSI与自杀行为之间的神经机制提供了新的视角，同时也为开发基于神经活动的客观生物标志物奠定了基础。

左MFG是大脑前额叶皮层（PFC）的重要组成部分，而前额叶皮层在情绪调节、认知控制和行为抑制方面发挥着核心作用。在“前额叶-边缘系统失衡”模型的框架下，NSSI和自杀念头被认为与前额叶皮层对边缘系统（如杏仁核、纹状体）过度活跃的调控能力下降有关。这种调控失衡可能导致个体难以有效抑制负面情绪或冲动，从而增加了自伤行为的发生概率。进一步地，如果这种调控功能长期受损，个体可能会逐渐适应自伤行为，降低其对疼痛的敏感性，最终可能演变为更严重的自杀行为。

研究中使用的“低频波动振幅”（ALFF）作为衡量脑区自发活动的指标，能够在无任务状态下反映大脑的内在活动模式。ALFF值的降低被视作前额叶皮层功能受损的标志，可能预示着个体在面对情绪困扰时缺乏有效的认知调节能力。通过与贝克自杀念头量表（BSI）的结合分析，研究团队发现，左MFG的ALFF值与BSI评分之间存在显著负相关。这一发现不仅支持了“前额叶-边缘系统失衡”模型的理论假设，也为理解NSSI与自杀念头之间的神经关联提供了实证依据。

为了验证这一神经活动特征的预测价值，研究团队构建了一个支持向量回归（SVR）模型。该模型以左MFG的ALFF值作为唯一输入特征，成功预测了个体的BSI评分。模型的预测结果在交叉验证中表现出显著的准确性，且通过置换检验进一步确认了其统计显著性。这些结果表明，左MFG的神经活动可以作为个体自杀风险的一个有效生物标志物，为临床提供了一种可量化的评估工具。

此外，研究还探讨了机器学习模型在临床应用中的潜力。与传统的分类模型不同，回归模型能够预测个体的自杀念头严重程度，而不是简单地将患者分为“有风险”或“无风险”两类。这种连续性的预测能力在临床中尤为重要，因为它允许医生根据个体的神经活动特征进行更细致的风险分层，从而制定更具针对性的干预措施。同时，模型的高可靠性也为未来开发基于神经活动的个性化治疗方案提供了可能性。

尽管研究取得了重要的成果，但其局限性也不容忽视。首先，研究采用的是横断面设计，无法明确左MFG活动减弱是自杀念头的潜在病因还是其结果。因此，未来的纵向研究需要跟踪NSSI高风险青少年的长期变化，以厘清神经活动与自杀念头之间的因果关系。其次，研究样本规模较小，且主要由女性患者构成，这可能影响研究结果的普遍适用性。此外，研究未完全控制年龄、疾病持续时间、药物使用等潜在混杂因素，这些变量可能对前额叶皮层的活动产生影响，从而干扰研究结论的准确性。

最后，研究还指出，当前仅依赖单一神经影像学指标（如ALFF）可能限制了模型的预测能力。未来的研究应考虑整合多种神经影像技术，如结构磁共振成像（sMRI）和功能磁共振成像（fMRI），以更全面地刻画大脑病理特征。同时，纳入临床对照组（如无NSSI的抑郁症患者）将有助于区分左MFG活动变化是否特异性地与自杀念头相关，还是与其他精神疾病共有的神经标志物。这些改进将有助于提升研究结果的临床转化价值，使其能够更广泛地应用于NSSI患者的自杀风险评估与干预。

综上所述，本研究揭示了左MFG自发活动水平与青少年NSSI患者自杀念头严重程度之间的显著负相关关系，并成功构建了一个基于该神经特征的预测模型。这一成果不仅深化了对NSSI与自杀行为之间神经机制的理解，也为开发客观、可解释的生物标志物提供了新的思路。随着神经影像技术的不断进步和机器学习方法的广泛应用，未来有望在临床实践中实现对NSSI患者自杀风险的精准评估，从而推动个性化治疗和干预策略的发展。