基于EEG微状态分析探索自杀未遂幸存者的大脑网络动力学：从意念到行为的神经标记物

《Brain Topography》：Exploring Brain Network Dynamics in Suicide Attempt Survivors Using EEG Microstate Analysis

本研究针对自杀风险评估缺乏客观生物标记物的临床难题，通过EEG微状态分析技术，首次系统比较了自杀未遂幸存者(SA)、单纯自杀意念者(SI)和正常人群(NP)的大脑网络动态特征。研究发现SA群体在微状态D（背侧注意网络）和E（突显网络）的活跃度显著高于SI群体，且微状态转换概率与自杀风险评分呈正相关。这些微状态参数可作为区分自杀行为与意念的潜在神经标记物，为自杀风险的早期识别提供了电生理学依据。

　　

自杀是全球重大的公共卫生问题，尤其在中国城市化进程中青少年自杀率呈现上升趋势，迫切需要开发有效的早期预警工具。然而当前临床评估主要依赖患者自评量表，存在主观性强、特异性低的局限，难以准确预测个体长期自杀风险。更关键的是，大多数有自杀意念的个体并不会真正实施自杀行为，阐明从意念转向行动的关键神经机制成为自杀预防研究的核心挑战。

传统神经心理学研究虽发现自杀未遂者存在执行功能、决策能力等认知缺陷，但这些行为测量无法捕捉毫秒级的脑状态动态变化。为此，空军军医大学刘琴团队在《Brain Topography》发表研究，创新性地采用EEG微状态分析技术，对31名自杀未遂幸存者(SA)、33名自杀意念者(SI)和33名正常对照(NP)进行静息态脑电记录，通过分析大脑皮层的瞬态电位拓扑图，揭示了不同自杀风险群体的大尺度脑网络动态特征差异。

研究采用64导联脑电采集系统，通过独立成分分析(ICA)去除眼动和肌电伪迹后，利用全局场功率(GFP)峰值聚类生成5类典型微状态模板。通过计算微状态持续时间、出现频率、时间覆盖率和状态间转换概率等参数，结合自杀行为问卷修订版(SBQ-R)和贝克抑郁量表(BDI-II)评分进行相关性分析。

微状态时空特征显示群体特异性模式

研究发现SA和SI组在微状态A（听觉网络）和B（视觉网络）的出现频率和覆盖率上均显著高于NP组，提示感知网络过度激活可能是自杀风险的共性特征。而SA组相较于SI组表现出更显著的微状态D（背侧注意网络）和E（突显网络）活跃度提升，具体表现为微状态E的出现频率提升2倍（SA:2.46±0.10 vs SI:0.81±0.10），覆盖率增加84%（SA:13.67±0.56 vs SI:7.43±1.17）。相反，SI组在微状态C（前默认模式网络）的持续时间（68.67±2.63ms）显著长于SA组（60.62±1.92ms），表明自我参照思维的持续沉浸可能是维持意念状态的关键。

微状态转换动力学揭示网络重组机制

状态转换分析发现SA组从微状态A/B/C向D/E转换的概率显著高于SI组，特别是从微状态E向其他状态的转换概率提升2-3倍。这种高度灵活的网络重组模式与冲动决策的神经模型相符，而SI组则更倾向于在微状态A/B/C之间循环转换，反映认知僵化特征。

微状态参数与自杀风险存在量化关联

相关分析显示，自杀风险评分与微状态D持续时间（r=-0.02, R²=14.4%）、微状态E持续时间（r=-0.05, R²=7.3%）呈负相关，而与微状态E出现频率（r=2.22, R²=23.6%）呈正相关。这些关联在控制抑郁程度后依然显著，证实微状态动态特征对自杀行为具有特异性预测价值。

本研究首次通过EEG微状态动力学视角，揭示出自杀未遂者大脑网络存在"感知网络过度激活-自我参照思维减弱-注意/突显网络亢进"的三阶段失衡模式。微状态D和E的异常活跃可能构成从意念到行动转化的"神经开关"，其毫秒级的动态特性为理解自杀行为的瞬时决策提供了全新解释框架。尽管横断面设计限制因果推断，但研究建立的微状态参数体系为开发自杀风险客观评估工具奠定了理论基础，未来纵向研究可验证这些神经标记物对自杀行为的预测效能。