综述：定量与定性脑电图在抑郁症诊断和监测中的应用——临床神经生理学的现代方法

这篇综述系统阐述了定量脑电图(QEEG)和传统脑电图(EEG)作为客观生物标志物在抑郁症(MDD)诊断中的创新应用，重点分析了α波不对称性、θ/β波异常等特征性神经电生理模式，为开发精准诊疗策略提供了神经影像学依据。

　　

引言

抑郁症(MDD)作为全球3亿患者的重大公共卫生挑战，其传统诊断依赖主观量表评估的局限性日益凸显。近年来，定量脑电图(QEEG)技术通过数字化分析脑电信号频谱功率、相干性等参数，为揭示抑郁症神经机制提供了全新视角。研究表明，MDD患者存在前额叶α波不对称性、θ/β波活动异常等特征性改变，这些发现为开发客观诊断工具奠定了理论基础。

研究方法

基于PRISMA指南的系统文献检索覆盖PubMed和SpringerLink数据库，筛选标准聚焦成人MDD患者的EEG/QEEG研究。最终纳入98项研究，其中69项进行深度分析。研究重点关注δ(1-4Hz)、θ(4-8Hz)、α(8-12Hz)、β(12-30Hz)和γ(>30Hz)频段的神经电活动特征。

频域分析核心发现

α波异常：MDD患者表现出显著的前额叶α波不对称性（右半球优势），这种模式与情绪调节障碍相关。有趣的是，左侧前额叶α功率降低被证实与自杀倾向存在特异性关联。

θ波特征：额叶θ波活动增强被视为治疗抵抗的预测指标，而顶枕区θ功率升高可能反映认知功能损伤。

γ波改变：γ频段密度降低被认为是MDD的鉴别性特征，音乐干预可显著提升前额叶γ活动，提示其治疗监测价值。

不对称性分析突破

前额叶α不对称性(FAA)的因子分析揭示，低α频段FAA与抑郁症状呈显著负相关。值得注意的是，情绪任务中的FAA测量比静息态更具诊断特异性。自杀风险患者还表现出左后脑区α活动减弱，这种"神经特征"可能成为危机干预的预警信号。

功能性连接研究进展

相位滞后指数(PLI)分析显示MDD患者左半球脑区连接显著紊乱，分类准确率达82.3%。γ波段相干性增强是情绪面孔识别任务中的特征性改变，而SSRI治疗应答者表现为θ波段连接强度降低。这些发现揭示了抑郁症神经网络整合障碍的本质。

空间分析与机器学习应用

LORETA源定位技术发现MDD患者左半球电流密度降低。前沿研究显示，基于前额叶三通道EEG的深度学习模型(DBN)对抑郁检测准确率达76.4%，其中β波绝对功率被证实为最优分类特征。多尺度熵(MSE)分析进一步揭示，治疗应答者在额中央区呈现独特的非线性动力学特征。

临床转化价值

EEG生物标志物可预测抗抑郁药疗效：SSRI治疗前θ活动增强和γ活动降低预示更好应答。值得注意的是，绝经期抑郁患者呈现δ/θ与β波比值升高的特殊模式，这为特定人群诊疗提供了电生理依据。

局限性与展望

当前研究的异质性主要源于：①样本量差异（最小n=8，最大n=1,008）②分析方法不统一（功率谱/相干性/非线性动力学）③药物干扰控制不足。未来需开展多中心研究建立标准化QEEG协议，并探索穿戴式脑电设备的临床应用潜力。

这项系统综述证实，EEG/QEEG技术通过揭示MDD特异的神经振荡模式，正在推动抑郁症诊疗进入"数字化生物标志物"新时代。随着机器学习算法的优化，这项价廉、非侵入性的检测技术有望成为精神科常规诊断工具。