芳香草药挥发成分调控情绪状态的多系统生理机制研究：基于玫瑰、石菖蒲和香附的实证分析

为解决情绪状态客观评估难题，北京中医药大学团队开展芳香草药挥发成分调控研究，通过32通道EEG联合多参数生理监测构建情绪状态评分卡模型。结果显示玫瑰(R. rugosa)、石菖蒲(A. tatarinowii)和香附(C. rotundus)分别通过前额叶-边缘系统网络、自主神经接口和默认模式网络(DMN)调控特定情绪维度，分类准确率达82.51%-97.23%(AUC>0.90)，为精准草药疗法提供量化依据。

　　

在现代社会快节奏生活中，情绪失调已成为影响公众健康的隐形杀手。传统芳香疗法虽被广泛使用，却长期面临"知其然不知其所以然"的困境——人们能感受到玫瑰的舒缓、石菖蒲的宁神或香附的疏解，但背后的神经生理机制始终蒙着神秘面纱。更棘手的是，当前评估主要依赖主观量表，缺乏客观生物标志物，导致干预效果难以量化，个体化用药更无从谈起。这种"黑箱"状态严重制约了传统草药在现代医学体系中的应用价值。

北京中医药大学中医药信息融合与利用研究所的研究团队在《Complementary Therapies in Medicine》发表创新研究，首次建立"情绪状态评分卡"量化体系。该团队采用32导联脑电图(EEG)同步记录SBP/DBP/MBP等7项心血管参数，结合SCL-90量表，对66名女性受试者进行玫瑰(Rosa rugosa)、石菖蒲(Acorus tatarinowii)和香附(Cyperus rotundus)挥发成分干预前后的多模态数据采集。通过逻辑回归模型将生物信号特征转化为标准化情绪风险评分，实现从传统经验到数据驱动的范式转变。

关键技术包括：1) Emotiv EPOC Flex系统实现32通道EEG全脑覆盖；2) HealForce PC-3000多参数监护仪同步采集自主神经指标；3) 基于信息值(IV)的特征分箱和证据权重(WOE)编码；4) 构建11维度情绪状态评分卡模型(含10个SCL-90因子和总体状态)。

研究结果揭示：

情绪状态评分卡验证
模型对11种情绪状态的分类准确率达82.51%-97.23%，AUC均>0.90。其中躯体化症状识别最佳(AUC=0.99)，强迫症状稍弱(AUC=0.90)，证明生物信号能有效区分情绪维度。

草药特异性调控模式
• 玫瑰显著降低躯体化(效应值-9.0)和敌对情绪，通过调节F7/F8等前额叶θ波活动，实现"疏肝解郁"传统功效的神经可视化
• 石菖蒲对抑郁焦虑效果突出，使DBP降低5mmHg，同步抑制边缘系统T8区过度激活
• 香附针对强迫思维和抑郁，通过稳定默认模式网络(DMN)的Cz节点振荡，验证"调畅气机"理论

预防性干预价值
在健康亚组中，玫瑰预防61.54%的抑郁风险，香附达53.85%，石菖蒲为48.72%，呈现"治未病"潜力。

多系统作用机制
• 中枢调控：玫瑰增强前额叶对边缘系统的抑制，香附稳定DMN-感觉运动网络连接
• 外周效应：石菖蒲降低核心体温0.66°C，玫瑰使呼吸频率(RR)下降1.6次/分，体现"芳香开窍"的自主神经整合

这项研究开创性地构建了"生物信号-情绪状态"定量映射体系，使传统草药应用从经验描述迈向精准医疗。其重要意义在于：1) 首次证实三种草药具有差异化的神经-自主神经协同靶点；2) 开发可临床转化的实时评估工具；3) 为中医"情志致病"理论提供现代诠释。未来可通过扩大样本、延长干预周期进一步验证，并探索活性成分(如玫瑰citronellol)的分子机制，推动传统医学与现代神经科学的深度对话。