编辑推荐：
为解决神经精神疾病诊断缺乏客观生物标志物及传统参数拟合技术精度不足等问题，研究人员开展了自适应全脑动力学预测方法与精神疾病相关性的研究。结果表明该方法能有效识别患者与健康对照者脑区差异，为神经精神研究开辟新路径，具有重要临床应用价值。
在神经和精神疾病领域，全球范围内抑郁症、焦虑症、精神分裂症、阿尔茨海默病等病症的患病率居高不下，给数亿人带来痛苦的同时，也造成了沉重的社会和经济负担。当前，这些疾病的诊断大多依赖主观的临床评估，缺乏客观的生物标志物，这使得深入探究疾病机制变得困难重重，也限制了更有效的预防和治疗方法的研发。为了突破这一困境，探寻更精准的诊断和治疗手段，研究人员开展了一系列研究。
此次研究聚焦于自适应全脑动力学预测方法与精神疾病的相关性。研究人员借助基于结构连接性（SC）的 Hopf 全脑模型，试图克服传统专注于结构或功能连接性方法的局限性。该模型通过纳入异质性参数，能够量化健康和患病状态下大脑的动态特征，为研究大脑功能和疾病机制提供了新的视角。研究成果发表在《Research》上。
研究人员采用了多种关键技术方法。在模型构建方面，利用基于扩散 MRI 的结构连接性作为结构支架，构建 Hopf 全脑模型，其局部动力学由超临界 Hopf 分岔的标准形式描述。为验证拟合方法的有效性，使用生成模型产生数据，在多种模拟网络（如反映生物大脑特征的 Watts-Strogatz（WS）模型和 Barabási–Albert（BA）模型）上进行测试。对于实际数据，采用 REST-meta-MDD 项目和 ABIDE-I 平台的数据集，经过严格的数据筛选和预处理后用于分析。在分类和统计分析中，运用支持向量机（SVM）进行分类实验，并通过线性混合模型（LMM）、t 检验和计算 Cohen's d 值等方法来评估组间差异和相关性。
研究结果丰富且具有重要意义。在方法改进与验证部分，研究人员发现传统参数拟合方法存在诸多局限性，如在不同参数范围下定量拟合效果不佳、存在负偏差以及无法充分考虑个体差异等。为此，提出了自适应参数拟合方法。通过确定最优初始值、以低频波动分数幅值（fALFF）收敛为评估标准优化分岔参数、采用自适应步长策略以及构建近似损失函数等一系列改进措施，显著提升了模型的拟合性能、稳定性和参数拟合精度。例如，该方法使参数拟合稳定性提高了 38.94%，与真实参数的相关性增加了 22.58%，数据特征拟合精度提高了 82.51%。
在应用于重性抑郁障碍（MDD）的研究中，研究人员运用自适应 Hopf 全脑模型参数拟合方法，对 666 名 MDD 患者和 648 名健康对照者（HC）的数据集进行分析。结果显示，该方法能有效拟合 BOLD 数据特征，揭示不同病理状态下脑区的动态特征。通过分类实验发现，以分岔参数作为特征的分类性能优于传统的功能连接性（FC）矩阵特征，在区分 MDD 和 HC 时，线性 - SVM 分类准确率达到 69.92%，rbf-SVM 分类准确率达到 70.27%。进一步分析发现，R 海马体、L 辅助运动区和 R 辅助运动区等脑区的分岔参数在统计上显著且效应量突出，可能是区分 HC 和 MDD 的潜在生物标志物。同时，左丘脑的分岔参数与 MDD 症状严重程度（HAMD 评分）呈显著负相关，这表明丘脑在 MDD 中起着关键作用。
在自闭症谱系障碍（ASD）的研究中，研究人员对 332 名 ASD 患者和 412 名 HC 的数据集进行自适应参数拟合。结果表明，该方法能有效捕捉每个参与者脑区的动态特征，且在 ASD 和 HC 组之间，拟合 FCD 的平均 KS 距离无显著差异。分类实验显示，以分岔参数为特征的分类方法在区分 ASD 和 HC 时也具有较高的准确性，线性 - SVM 分类准确率为 71.27%，rbf-SVM 分类准确率为 75.90%。R 距状裂、R 后扣带回、R 楔叶等多个脑区的分岔参数在统计上显著且效应量突出，可能是区分 ASD 和 HC 的潜在生物标志物。此外，右 superior parietal gyrus（SPG）的分岔参数与 ADOS-Social 评分显著负相关，表明该脑区在 ASD 中可能起着重要作用。
研究结论和讨论部分指出，自适应参数拟合方法在 MDD 和 ASD 数据集的静息态 fMRI BOLD 信号分析中展现出卓越的预测准确性，是一种通用且强大的脑状态拟合工具。与现有方法相比，它在适应性、预测准确性和计算效率方面具有显著优势，尤其适用于分析复杂多样的脑图谱信号。这一方法为研究各种精神疾病提供了关键工具和证据，不仅有助于推动神经科学研究的发展，还为临床诊断和治疗规划带来了新的希望。未来，该方法有望扩展到其他神经影像技术（如 MEG、EEG 和近红外光谱），结合多模态生理数据，进一步提升其预测和分类能力。通过识别个体的脑状态模式，有望实现疾病进展的早期预测和个性化治疗策略的制定，为患者提供更精准的治疗建议。
