基于丘脑亚区结构体积的机器学习模型对伴或不伴精神病性症状的儿童双相情感障碍的分类研究

为解决儿童双相情感障碍（PBD）伴精神病性症状（P-PBD）与不伴精神病性症状（NP-PBD）的神经生物学机制差异问题，浙江大学医学院附属儿童医院等机构的研究人员通过3.0T磁共振成像（sMRI）和FreeSurfer 7.4.0软件，分析了54例PBD患者和18例健康对照（HCs）的丘脑亚区体积差异。研究发现，P-PBD患者左侧前丘脑枕核（L_PuA）和左侧内侧腹侧连结核（L_MV-re）体积显著减小，且L_MV-re可作为区分P-PBD与NP-PBD的最佳生物标志物（AUC=0.775）。该研究首次揭示了丘脑亚区结构异常与PBD精神病性症状的关联，为早期干预提供了影像学依据。

　　

双相情感障碍（BD）是一种以情绪极端波动为特征的精神疾病，全球约1-2%的人口受其影响。儿童患者（PBD）常伴随精神病性症状（如幻觉和妄想），这类患者往往预后更差，但背后的神经机制尚不明确。既往研究表明，丘脑作为感觉整合和情绪调节的中枢，其异常可能与精神病症状相关，但针对儿童群体的丘脑亚区研究仍属空白。

为填补这一空白，浙江大学医学院附属儿童医院、中南大学湘雅二医院等机构的研究团队开展了一项创新性研究。他们利用3.0T结构磁共振成像（sMRI）扫描了28例P-PBD、26例NP-PBD和18例健康儿童（HCs），通过FreeSurfer 7.4.0软件精确分割丘脑25个亚区，并结合支持向量机（SVC）模型进行机器学习分析。这项开创性工作发表在《BMC Psychiatry》上，首次揭示了丘脑特定亚区萎缩与PBD精神病性症状的关联。

研究采用三项关键技术：1）基于3.0T MRI的T1加权成像获取高分辨率脑结构数据；2）使用FreeSurfer 7.4.0实现丘脑亚区自动化分割（精度达25个核团）；3）应用留一法交叉验证（LOOCV）的SVC模型进行生物标志物筛选。样本来自中南大学湘雅二医院儿童精神科门诊和当地学校招募的健康对照。

主要结果
体积差异分析：协方差分析（ANCOVA）显示，P-PBD组左侧前丘脑枕核（L_PuA）体积较NP-PBD组显著减小（p<0.05），左侧内侧腹侧连结核（L_MV-re）体积较HCs组显著降低（p<0.001）。这两个区域分别属于丘脑的联合核群和边缘系统通路。

机器学习验证：SVC模型表明，L_MV-re体积对P-PBD与NP-PBD的分类准确率达72.22%（敏感性85.7%，特异性65.4%），其受试者工作特征曲线下面积（AUC）为0.775（p=0.0062）；对P-PBD与HCs的分类AUC达0.744（p=0.0016）。5000次置换检验证实该结果非随机产生。

讨论与意义
本研究首次在儿童群体中发现：1）丘脑枕核（PuA）体积减小可能导致感觉过滤功能受损，这与成人精神分裂症的研究一致；2）内侧腹侧连结核（MV-re）作为前额叶-海马环路的关键节点，其萎缩可能解释P-PBD患者的认知情感失调。这些发现为两项理论提供了实证支持：一是丘脑-皮层回路异常假说，二是多巴胺（DA）/谷氨酸能神经递质失衡假说。

研究的临床价值在于：1）L_MV-re可作为PBD psychosis的潜在影像学生物标志物；2）为开发针对丘脑亚区的经颅磁刺激（TMS）等精准干预策略提供靶点。局限性包括样本量较小和横断面设计，未来需扩大队列并结合多模态影像验证。

这项由Gao Weijia、Zhang Kejing等学者完成的工作，不仅深化了对PBD神经机制的理解，更开创了机器学习辅助儿童精神疾病分型的新范式，为实现个体化治疗迈出关键一步。