双相抑郁脑网络连接组特征及基于连接组的疗效预测模型研究

为解决双相障碍(BD)神经机制不明及疗效预测难题，研究人员通过580例BD患者和116例健康对照(HCs)的静息态功能磁共振(rs-fMRI)数据，构建了基于脑连接组的机器学习预测模型。研究发现BD患者默认模式网络(DMN)、感觉运动网络(SMN)和皮层下网络(SC)存在特征性功能连接(FC)异常，支持向量回归模型成功预测喹硫平治疗反应(r(df=147)=0.4493, p=2×10?4)，为精准治疗提供新靶点。

　　

这项突破性研究揭示了双相抑郁患者独特的脑网络"接线图"奥秘。科研团队采用先进的静息态功能磁共振(rs-fMRI)技术，对580名双相抑郁患者和116名健康志愿者的大脑进行"全景扫描"，发现患者大脑里藏着特殊的通讯故障——默认模式网络(DMN)这个"白日梦系统"过度活跃，感觉运动网络(SMN)和皮层下网络(SC)也出现异常"自说自话"。更惊人的是，这些神经网络与注意控制网络(FPN/VAN)之间的"长途电话"要么信号过强，要么突然中断。

研究团队巧妙运用机器学习算法，打造出能预测抗抑郁疗效的"水晶球"模型。通过对148名接受喹硫平治疗的患者进行脑网络"指纹"分析，模型成功预判药物效果(r=0.4493, p=2×10^?4)，准确度在43人独立验证组再获证实(r=0.3940)。特别值得注意的是，SMN与SC这对"运动-情绪"组合的连线强度，以及FPN、DMN、VAN构成的"认知控制三角"的通讯质量，成为预测治疗反应的黄金指标。

这项研究不仅绘制出双相抑郁的神经特征图谱，更开创性地证明治疗前脑网络连接模式可成为精准医疗的"导航仪"，为开发新型神经调控疗法指明方向。