基于UK Biobank的心电图自主神经特征解析：揭示抑郁症与自杀风险的生理标记与应对策略

本研究通过UK Biobank队列15,768名参与者的心电图数据，首次识别出四种自主神经系统（ANS）活动模式，发现低心率变异性（HRV）伴高副交感张力与高呼吸频率的群体（LRS簇）抑郁症状和自杀行为风险显著增高，而高相对交感张力群体（HRS簇）表现出心理韧性。该成果为抑郁症的生理分型及自杀风险预警提供了新型生物标志物，对发展个性化干预策略具有重要临床价值。

　　

抑郁症与心血管疾病作为全球两大健康负担，其共病机制长期困扰医学界。传统观点认为自主神经系统（ANS）功能紊乱是连接二者的关键桥梁，但关于交感/副交感平衡（sympathovagal balance）在精神疾病中的具体作用模式仍存争议。尤其令人困惑的是，既往研究对心率变异性（HRV）指标的解读存在矛盾：既有报道称抑郁症患者表现为副交感活性下降（HF功率降低），也有证据显示其伴随交感神经过度激活（LF/HF比值升高）。这种分歧提示我们可能需要超越单一生物标记的视角，从系统层面重新理解ANS的调控模式。

更迫切的临床需求来自自杀风险的早期预警。虽然已知ANS功能异常与自杀倾向相关，但现有研究多聚焦于单向的"过度激活"理论，忽视了自主神经动态调节能力的潜在价值。呼吸性窦性心律不齐（RSA）等衍生指标能否提供更精细的风险分层？不同ANS调控模式是否对应特定的心理应对策略？这些问题亟待通过大样本研究予以解答。

苏黎世大学医院的研究团队在《npj Mental Health Research》发表的研究，创新性地采用机器学习方法分析了UK Biobank中15,768名中老年参与者的静息心电图数据。通过整合时域（SDNN、RMSSD）、频域（LF、HF、LFnu）和非线性（Poincaré图SD1/SD2）等16项HRV参数，结合呼吸频率（BR）评估，首次建立了ANS功能的四分类模型，并系统探讨了各亚型与抑郁症状、自杀行为的关联特征。

研究采用的关键技术包括：1）从UK Biobank获取标准化12导联心电图数据；2）使用HeartPy软件提取多维度HRV特征；3）通过K-means聚类识别ANS亚型；4）应用CIDI-SF和PHQ-9量表评估精神症状；5）采用多变量回归控制年龄、性别和BMI等混杂因素。

研究结果部分，"Distinct ANS clusters"小节揭示：最优模型识别出四个特征迥异的群体。其中高副交感簇（HP）表现出最高HRV功率（TP 3204.4±1239.9 ms²）和RMSSD（76.5±29.9 ms），而两个低HRV群体呈现鲜明对比——高相对交感簇（HRS）的LFnu达74.0±15.7，低相对交感簇（LRS）则表现为副交感优势（LFnu 35.5±20.2）伴高BR（0.23±0.05 Hz）。

"Association of classes with depression and suicidality"部分显示：LRS簇成员符合CIDI-SF抑郁症诊断标准的比例显著高于HRS簇（23.13% vs 20.43%），其PHQ-9总分（2.67±3.59）和"兴趣丧失"（0.23±0.56）、"情绪低落"（0.25±0.54）等核心症状评分均最高。在自杀风险方面，LRS簇有4.26%报告自伤史，显著高于HRS簇（2.85%）。

讨论部分指出，该研究突破了传统"单向失衡"理论，提出ANS调控的层级模型：HRS簇虽表现为低HRV，但其高相对交感张力（LFnu）与低BR（0.15±0.04 Hz）的组合可能反映认知调控主导的适应性应对策略；而LRS簇的高副交感张力（HF 127.2±143.9 ms²）伴快呼吸（0.23 Hz）特征，符合"警戒性僵化"假说——即慢性压力导致副交感系统代偿性过度激活，形成生理性应对策略的刚性化。这种动态视角完美解释了为何既往研究会得出看似矛盾的结论。

该研究的临床意义在于：1）建立了可应用于常规心电图的抑郁症风险分层工具，LRS簇的敏感度达61.9%（女性占比）；2）提出呼吸频率作为ANS调控的"顶层开关"假说，为生物反馈疗法提供新靶点；3）为抗抑郁药个性化选择提供依据，如高警觉状态（HRS）患者可能对SSRIs反应更佳。未来研究需通过纵向设计验证这些生理标记的预测价值，并探索ANS模式与特定治疗反应的关联机制。