基于EEG微状态分析揭示伴与不伴自杀意念抑郁症患者认知功能差异的脑网络机制

《BMC Psychiatry》：Association between EEG microstate and cognitive function in depressed patients with and without suicidal ideation

本研究针对自杀意念（SI）与认知功能障碍在重度抑郁症（MDD）中的神经机制尚不明确的问题，通过静息态脑电图（EEG）微状态分析，首次系统探讨了伴有与不伴SI的MDD患者大规模脑网络动态与认知功能的关系。研究发现无SI组患者微状态D覆盖率及从微状态A到D的转换概率显著高于SI组，且这些指标与处理速度呈正相关，提示SI可能与认知控制网络功能减弱有关。该研究为理解自杀风险的神经基础提供了新的电生理证据，为EEG微状态作为潜在生物标志物的开发提供了重要依据。

　　

自杀是全球重要的公共卫生问题，而重度抑郁症（Major Depressive Disorder, MDD）患者自杀风险显著增高，其中自杀意念（Suicidal Ideation, SI）的存在更是自杀行为的关键预测因子。研究表明，高达53.1%的MDD患者存在SI，且有SI者自杀尝试风险是无SI者的近四倍。除情绪症状外，SI常伴随明显的认知功能障碍，如执行功能、认知灵活性和信息处理速度的损害。然而，SI、认知损害与大脑大规模功能网络动态变化之间的内在联系仍不清楚，限制了针对自杀风险客观生物标志物的开发。

传统脑电图（EEG）研究虽揭示了MDD患者某些频段功率异常或事件相关电位（ERP）成分改变与SI相关，但这些指标难以捕捉全脑网络快速动态组织的时序特征。EEG微状态分析作为一种新兴技术，能够刻画大脑全局性神经活动短暂的准稳定状态（通常持续80-120毫秒）。研究已识别出四种典型微状态（A-D类），分别与不同的脑网络相关联，例如微状态C与默认模式网络（Default Mode Network, DMN）相关，微状态D与执行控制网络（Executive Control Network, ECN）相关。在MDD中，微状态D的异常（如持续时间缩短、出现频率降低）与执行功能损害有关。近期有研究发现，伴有SI的青少年MDD患者表现出独特的微状态改变，提示SI可能涉及大规模脑网络动态组织的特异性破坏。此外，微状态参数与多种认知功能（如注意力、工作记忆）存在关联，使其成为探究SI相关认知功能障碍的潜在神经生理窗口。

为此，研究人员在《BMC Psychiatry》上发表了最新研究成果，旨在探讨伴有与不伴SI的MDD患者在EEG微状态特征上的差异，并分析这些特征与认知功能的关系。该研究招募了88名未用药、首次发作的MDD患者，根据贝克自杀意念量表（Beck Scale for Suicidal Ideation, BSSI）评分将其分为SI组（54人）和无SI组（34人），并纳入34名人口学匹配的健康对照（Healthy Controls, HC）。所有参与者均接受MATRICS共识认知成套测验（MATRICS Consensus Cognitive Battery, MCCB）评估认知功能，并进行6分钟静息态闭眼EEG记录。EEG数据经过预处理后，采用忽略极性的k均值聚类方法（k=4）进行微状态分析，计算各微状态的持续时间、出现率、覆盖率及微状态间的转换概率等参数。统计分析采用ANOVA/ANCOVA比较组间差异，Pearson/偏相关分析探讨微状态参数与认知评分及SI严重度的关系，并对多重比较进行错误发现率（False Discovery Rate, FDR）校正。

主要研究方法概述

研究纳入首次发作、未用药的MDD患者及健康对照，通过BSSI划分SI与无SI组。采用MCCB评估包括处理速度、注意力/警觉性、工作记忆、言语学习和视觉学习五个认知域。静息态EEG数据经预处理（滤波、去噪、伪迹剔除）后，进行微状态分析，提取四类经典微状态（A-D）的参数（如覆盖率、持续时间、出现率及状态间转换概率）。统计分析控制抑郁、焦虑症状及激越等混杂因素，以揭示SI特异的神经关联。

研究结果

demographic and clinical characteristics

三组在年龄、性别分布上无显著差异。SI组的HAMD-17（排除激越项目）评分显著高于无SI组，表明其抑郁症状更重。两组MDD患者在激越评分和汉密尔顿焦虑量表（HAMA）评分上无差异。在认知功能方面，HC组在所有MCCB认知域得分均显著高于两个MDD组，但SI与无SI组间认知表现无统计学差异。

intergroup differences in EEG microstates

微状态分析显示，无SI组的微状态D覆盖率显著高于HC组和SI组。在微状态转换概率方面，SI组从微状态A转换到D的概率显著低于无SI组；而无SI组从微状态C转换到D的概率显著高于HC组。在控制了HAMD-17（排除激越项目）、HAMA及激越评分后，SI组较低的微状态D覆盖率和从A到D的转换概率仍显著，且经过FDR校正后效应依然存在。

correlations between EEG microstate characteristics, cognitive function, and SI severity in the SI

在SI组内，微状态D覆盖率及其从A到D的转换概率与符号数字模态测验（Symbol Digit Modalities Test, SDMT）T分数（代表处理速度）呈正相关。SI严重度（BSSI总分）与微状态C覆盖率及从B到C的转换概率呈负相关。然而，在控制混杂因素并进行FDR校正后，这些相关性均未保持显著。

讨论与结论

本研究首次结合EEG微状态分析与认知评估，揭示了MDD患者中SI与大规模脑网络动态变化及认知功能的关系。无SI组表现出微状态D覆盖率增高及从C到D转换更频繁，这可能反映了前额顶叶控制网络和背侧注意网络（Dorsal Attention Network, DAN）代偿性增强，以抑制DMN相关的过度内省（如反刍思维），从而可能作为一种保护性机制降低SI风险。相反，SI组微状态D覆盖率降低及从A（与听觉网络相关，涉及早期感觉处理）到D（与注意控制相关）转换概率下降，提示其感觉信息输入到高级认知控制网络的动态协调能力受损。这种网络整合失败可能导致个体难以将注意力从内部负面思维转移至外部环境，加剧了适应不良的认知循环，构成了SI的神经易感性基础。

在SI组内，微状态D相关参数与处理速度的正相关趋势进一步支持了执行控制网络功能对维持认知效率的重要性。而SI严重度与微状态C（与DMN及情绪调节相关）及B到C转换的负相关（虽未通过多重比较校正）提示DMN功能整合异常可能参与SI的严重程度调节。

该研究的创新点在于首次将EEG微状态作为神经指标链接了SI与认知功能，为理解自杀风险的脑网络机制提供了新的视角。其发现表明，EEG微状态特征有望成为评估MDD患者自杀风险的探索性生物标志物。然而，研究也存在局限性，如样本量有限、横断面设计无法推断因果关系、未区分被动与主动SI、未控制绝望感等混杂因素，以及未分离周期性与非周期性EEG成分可能对微状态的影响。未来需要更大样本的纵向研究结合多模态神经影像技术，验证这些发现的可靠性并探索其临床预测价值。

总之，本研究揭示了伴有与不伴SI的MDD患者存在特异性的EEG微状态动态异常，这些异常与认知处理速度相关，表明大规模脑网络的不稳定性可能是抑郁症自杀相关神经认知功能障碍的重要基础。EEG微状态分析为揭示自杀意念的神经生理机制提供了新途径，为未来开发客观的神经标志物和靶向干预策略奠定了初步基础。