基于规范模型的大规模多中心EEG数据评估框架：注意力功能量化新方法

为解决EEG评估中离散分类忽略神经动态连续性、多中心数据批次效应及电极配置不一致等问题，研究人员开发了基于规范模型(Normative Model)的大规模多中心EEG评估框架。通过构建1,212例健康青年的EEG功能连接网络模型，采用弹性网络回归(ENR)和支持向量回归(SVR)量化注意力表现，结果显示量化秩特征较原始PSI特征具有更高稳定性(ICC>0.9)和解释力，为神经精神疾病的客观评估提供新范式。

　　

在神经科学研究领域，传统脑电图(EEG)评估方法长期面临两大瓶颈：一方面，问卷和观察量表等主观工具易受个体状态波动影响；另一方面，现有EEG分析常将连续的神经活动强行划分为离散状态，忽略了大脑动态变化的本质特性。随着ENIGMA、ABCD等国际脑科学联盟的兴起，多中心EEG数据的整合需求激增，但不同研究机构使用的电极配置差异和批次效应(batch-effect)又成为新的"绊脚石"。这些挑战呼唤一种能兼容大规模异质EEG数据的标准化评估方案。

发表在《Brain Organoid and Systems Neuroscience Journal》的这项研究，创新性地将医学影像领域的规范建模(Normative Modeling)理念引入EEG分析。研究团队整合了来自16个中心的1,212例健康青年静息态EEG数据，通过参考电极标准化技术(REST)统一电极蒙太奇，采用ComBat算法消除批次效应，建立基于广义加性模型(GAMLSS)的EEG规范模型。通过计算相位同步指数(PSI)构建功能连接网络，最终开发出能同时评估分布式注意(DA)和集中注意(FA)的量化框架。

关键技术包括：(1)采用WeBrain平台标准化预处理流程，包含坏道检测、ICA去伪迹和RESIT插值；(2)基于BCT分布构建四参数GAMLSS模型，生成年龄校正的量化秩特征；(3)通过bootstrap稳定性筛选特征，采用弹性网络回归(ENR)和径向基支持向量回归(SVR-RBF)建模；(4)使用Temple University Hospital等公共数据集验证框架泛化性。

3.1.1 批次效应消除

通过ComBat算法校正后，四个独立数据集的α波段PSI分布趋于一致，ANOVA检验显示组间差异消失(q>0.05)，证明该方法在保留年龄相关生物信号的同时有效消除了技术变异。

3.1.2 规范模型构建

典型通道对C3-CP2(θ频段)和C3-CP5(β频段)的模型显示，PSI随年龄呈非线性变化，且数据稀疏区间的百分位带宽更大，反映模型能自适应调整置信区间。

3.1.3 特征选择优化

当相关性阈值设为均值时，特征稳定性指数达0.7，筛选出DA-RT相关的高β频段前-顶叶连接(负相关)和FA-AC相关的γ频段连接(正相关)，与已知注意网络神经机制吻合。

3.2 框架验证

量化秩特征在ENR和SVR中均优于原始PSI特征，组合分析显示相关性显著提高(q<0.05)。前20%注意力表现者的反应时(RT)评估显著优于后20%(q<0.05)，雷达图显示DA与FA的准确率(AC)无差异但RT分离明显。测试-重测信度ICC>0.9，2分钟短时数据与全段结果平均相关>0.65。

这项研究开创性地建立了首个基于EEG规范模型的大规模评估框架，其创新价值体现在三个维度：方法学上，通过量化秩转换解决了EEG特征的非线性年龄依赖问题；技术上，REST和ComBat的组合攻克了多中心数据整合难题；临床上，提供的百分位参考使个体偏离程度可解释为"相当于同龄人群前10%"等直观指标。未来可扩展至情绪、认知障碍等评估领域，为构建标准化的"EEG生物标志物图谱"奠定基础。值得注意的是，虽然当前模型在健康人群中验证良好，但应用于精神分裂症等患者时需重新校准百分位基准，这将是团队下一步重点攻关方向。