脑网络驱动的自杀风险预测神经标志物：基于MEG内网络连接与DIABLO的近期自杀危机识别

《Frontiers in Psychiatry》：Brain network-driven predictive neural markers for suicide risk

　　

背景：自杀是重大公共卫生挑战，强调需要时间精确且客观的生物标志物以识别急性自杀风险。一种潜在生物标志物是由脑磁图（magnetoencephalography, MEG）测量的电生理脑连接。研究人员使用公开可用图谱估计分区水平网络内连接。方法：应用多组学统计方法评估经典网络——包括默认模式网络（default mode network, DMN）、执行控制网络（executive control network, ECN）和突显网络（salience network, SN）——能否区分经历近期自杀危机（高风险）的个体与有自杀未遂史但过去一年未发生自杀未遂/意念者（较低风险）、有抑郁但无自杀风险史临床对照（临床对照）以及无个人或家族精神疾病或自杀行为史者（最低风险）。结果：高风险组在这些网络特定区域内表现出显著较弱的功能连接（ps < .05）。进一步分析显示，近期自杀意念评分与功能性DMN连接（例如楔前叶/后扣带皮层与背侧/内侧前额叶皮层之间）和SN连接（例如内侧额叶皮层与内侧顶叶皮层之间以及顶叶岛盖与外侧前额叶皮层之间）呈正相关（ps < .05）。相反，功能性ECN连接（内侧/后部前额叶皮层与楔前叶之间）与近期自杀意念呈负相关（ps < .05）。结论：这些发现突出关键脑区和网络交互，推进对自杀风险神经机制的理解。利用电生理连接和创新工具可能有助于为自杀高风险者开发靶向干预和早期识别策略。临床试验注册：www.clinicaltrials.gov，标识符 NCT02543983。

论文《脑网络驱动的自杀风险预测神经标志物：基于MEG内网络连接与DIABLO的近期自杀危机识别》解读

研究背景与问题：自杀是全球重大公共卫生问题，每年造成超过700,000例死亡。自杀行为病因复杂，既因对自杀风险机制理解有限，也因通向自杀未遂的路径多样。既往研究使用自评问卷、任务行为和神经标志物等多种指标，并发现自杀风险与结构和功能神经标志物相关，但自杀风险定义异质性带来挑战。时间动态对理解自杀想法和行为机制至关重要：自杀意念（suicidal ideation, SI）随时间波动可预测军人自杀未遂，自杀未遂时点与认知控制及神经认知功能受损有关；有自杀未遂史青少年的认知表现更多随自杀行为近期性变化；机器学习模型加入时间接近自杀未遂的临床和人口学数据后预测准确性提高。研究人员实验室曾发现，急性自杀危机以楔前叶（precuneus, pCun）与岛叶（insula）之间双向谷氨酸能反馈下调为特征。经典脑网络，尤其默认模式网络（default mode network, DMN）、执行控制网络（executive control network, ECN）和突显网络（salience network, SN），可能索引情绪和自杀风险。既往静息态功能磁共振成像（functional magnetic resonance imaging, fMRI）研究提示，DMN、SN、ECN及边缘网络连接可区分自杀未遂史与SI个体；双相障碍中DMN连接与自杀风险正相关，SN和ECN连接与自杀风险负相关。Ordaz和同事发现左侧ECN、前部DMN和SN连贯性降低与终身SI严重度相关，左侧ECN连贯性预测最强。近期无监督学习和连接组预测建模也发现，SI升高与DMN、ECN和背侧SN网络内连接增加、网络间连接降低有关。研究人员指出，网络内平均连接会掩盖网络内区域异质性，急性自杀危机可能与慢性自杀风险状态具有不同神经模式。因此，研究人员开展本研究，检验DMN、ECN和SN特定网络内连接模式是否随自杀风险水平变化。

研究人员开展的研究、结论与意义：研究人员应用Data Integration Analysis for Biomarker discovery using Latent variable approaches for Omics studies（DIABLO）分析静息态MEG数据，估计分区水平网络内连接，比较近期自杀危机（高风险，HR）、有自杀未遂史但过去一年无自杀未遂或意念（较低风险，LR）、无自杀风险史但诊断为焦虑或心境障碍的临床对照（CC）以及无个人或家族精神疾病或自杀行为史者（最低风险，MR）。主要假设是近期自杀危机者因内部网络组织破坏而表现出DMN及可能ECN、SN连接降低；另一问题是危机组内近期SI严重度是否与DMN、ECN和SN网络内连接增加相关。结果部分支持假设：HR组在三个网络特定区域连接较弱；近期SI与DMN和SN部分连接正相关，与ECN部分连接负相关。研究人员认为，这些发现突出关键脑区和网络交互，推进对自杀风险神经机制的理解；基于MEG的内网络连接模式可提供客观神经生理标志物，区分近期自杀危机与历史自杀风险，对自杀预防精准精神病学、网络特异性治疗靶点和纵向风险状态追踪具有重要意义。

关键技术方法概括：样本来自美国国家精神卫生研究所Neurobiology of Suicide方案（NCT02543983），最终纳入77名参与者（47F；30M，平均年龄38.41±14.09岁），按Columbia-Suicide Severity Rating Scale（C-SSRS）等分为HR（n=8）、LR（n=26）、CC（n=22）和MR（n=21）。采集静息态MEG和T1加权MRI并共配准；MEG数据经MNE Python v1.3处理，最小范数估计并投影至2–58 Hz，映射到Schaefer图谱400个分区、17个网络，分区正交化后计算网络内包络相关。DIABLO（mixOmics，R v6.30.0）整合2,628个DMN、1,225个ECN和1,176个SN连接特征，采用监督多块稀疏偏最小二乘模型，并通过设计矩阵比较sPLS和discrimination方法。后续用主成分分析剔除异常值、Lasso回归筛选预测分数、MANCOVA（协变量为性别、年龄和主要诊断）及贝叶斯广义线性混合模型（Bayesian GLMM，brms，MCMC）分析。

研究结果：

3.1 描述性统计：HR、LR、CC和MR组在年龄、性别和族裔方面无显著差异（ps > .05）。但情绪量表MADRS、HAM-D₂₄和HAM-A评分组间差异显著（ps < .05）。以SSI测量当前SI，HR组显著高于LR、CC和MR组；以SSI测量过去SI，HR组显著高于CC和MR组，但与LR组无显著差异。

3.2 DIABLO分析：研究人员同时使用sPLS和discrimination方法，仅discrimination方法显著区分组别（p = .018；sPLS方法p = .319）。模型显示网络特异性组别区分并不完全清晰；箭头图显示LR和CC组内一致性高于HR和MR组；相关圆图提示第一成分连接分数主要为负相关、第二成分为正相关，SN连接分数相似性高于DMN或ECN。ANCOVA以性别和年龄为协变量发现，HR组在DMN、ECN和SN内网络连接降低，但有一例外：与CC组相比，HR组外侧前额叶皮层（lateral prefrontal cortex, lPFC）与顶叶岛盖（parietal operculum, ParOper）之间连接增强。降低包括：DMN中背外侧前额叶皮层（dorsolateral prefrontal cortex, dlPFC）与压后皮层/内侧前额叶皮层（medial prefrontal cortex, mPFC）之间、dlPFC与楔前叶/后扣带皮层（precuneus/posterior cingulate cortex, pCun/PCC）联合区之间；ECN中额顶区域之间（包括pCun）；SN中额区（包括内侧额叶皮层，medial frontal cortex, mFC和lPFC）与感觉/情绪相关区（包括岛叶和顶叶区域）之间。

3.3 指定脑区与临床量表：研究人员用简单线性回归分析有影响的连接特征，以近期SI为预测变量，并报告组别交互效应。与MR组相比，HR组当前自杀想法与DMN连接呈正交互，包括pCun/PCC与dlPFC之间（β=12.42，se=3.58，p = .001）以及dlPFC与mPFC之间（β=7.71，se=1.87，p < .001），同时pCun/PCC与dlPFC另一连接呈负交互（β=-5.57，se=2.76，p = .048）。与MR组相比，HR组当前自杀想法与ECN中后部内侧前额叶皮层（posterior medial prefrontal cortex, pmPFC）和pCun连接呈负交互（β=-5.97，se=2.55，p = .022）。与MR组相比，HR组当前自杀想法与SN连接呈正交互，包括mFC与内侧顶叶皮层（medial parietal cortex, mPC）之间（β=8.26，se=2.62，p = .002）以及ParOper与lPFC之间。原文还称抑郁严重度评分与DMN、ECN和SN静息态连接的关系未受组别调节（ps < .05）。贝叶斯GLMM预测当前SI严重度：与LR、CC和MR组相比，HR组DMN中pCun/PCC-dlPFC及dlPFC-mPFC连接正向预测当前SI严重度；后部pCun/PCC-dlPFC连接未预测当前SI严重度；与LR和MR组相比，HR组ECN中pCun-pmPFC连接负向预测当前SI严重度；与LR、CC和MR组相比，HR组SN中mFC-mPC及ParOper-lPFC连接正向预测当前SI严重度。模型总体收敛（Rhat<1.1）并具有合理可靠性。

讨论部分总结：研究人员认为，DIABLO应用于MEG脑连接分数可考虑网络内关系，并评估单个连接特征对组别分类的贡献；传统降维或特征选择方法如独立成分分析、Lasso回归或k-means聚类难以处理多簇输入结构，功能性解释也常受限。DIABLO的整合监督和分区包络相关方法在保持可解释性的同时识别关键MEG连接特征。既往脑连接与自杀风险研究多基于静息态fMRI，基于MEG的研究仍少；将DIABLO用于电生理数据是 multimodal 脑研究的创新进展。HR组抑郁和焦虑症状更重、用药史更广；敏感性分析显示，将抑郁和焦虑严重度及用药史纳入协变量后，所选MEG连接特征与近期SI的关系减弱，DMN特征相对稳健，ECN和SN特征应谨慎解释。总体而言，结果提示近期自杀危机个体DMN、ECN和SN可能存在功能障碍，特定网络子集与近期自杀想法相关，支持既往心境障碍DMN功能障碍发现。讨论涉及dlPFC、额下回（inferior frontal gyrus, IFG）和PCC等区域：dlPFC处理对负性社会线索的情绪反应，IFG与认知控制和冲动相关，PCC参与认知控制、负性社会线索和自我参照。本研究发现DMN中dlPFC-pCun/PCC和dlPFC-mPFC连接增加，mPFC参与认知与情绪整合；研究人员提示这可能反映认知和情绪过程放大及死亡相关负性社会线索整合，但原文强调缺少直接支持自杀风险与认知情绪过程尤其死亡线索关系的证据，应谨慎解释。ECN中pCun-pmPFC连接与自杀想法负相关；pCun参与认知执行和记忆提取，pmPFC参与错误监测和记忆整合，研究人员提出pCun和pmPFC可能成为近期自杀危机者潜在治疗靶点，但需进一步研究。SN中lPFC-ParOper和mFC-mPC连接增加；lPFC与注意和目标寻求行为有关，增强连接可能反映近期自杀危机者主动情绪调节，缓冲自杀想法转为行为；mPC与导航和情绪过程有关，mFC与决策、社会过程尤其亲社会学习有关，增加连接可能反映感觉信息整合放大，但合并ECN自上而下调节不足可能驱动适应不良情绪反应或社会行为。宏观层面，自杀想法与额顶区域连接相关；邻近但属于不同经典网络的脑区连接与自杀想法方向相反，提示网络特异性功能异质性。局限性包括样本量较小、无外部数据集验证、药物状态差异、部分双相障碍患者、组间抑郁焦虑和用药史混杂、脑分区方案选择可能影响结果。

结论部分翻译：本研究强调了DIABLO方法分析电生理MEG数据的潜力。结果提示，经历近期自杀危机的个体在DMN、ECN和SN内存在功能障碍。此外，这些网络内一部分脑连接评分与当前自杀想法显著相关。研究人员基于MEG的内网络连接模式提供了客观神经生理标志物，可用电生理测量区分近期自杀危机与历史自杀风险，是朝着开发可指导自杀预防精准精神病学方法的生物标志物的重要进展。通过证明近期自杀危机与历史风险相比具有不同电生理特征，研究发现支持自杀研究和临床评估中时间特异性的关键重要性，这可成为追踪个体跨风险状态的纵向研究基础。此外，研究发现不同经典网络在近期自杀危机中显示不同模式，DMN/SN与SI正相关，ECN与SI负相关，提示脑连接方法可产生网络特异性治疗靶点。最后，研究人员使用DIABLO多块整合框架结合神经生理脑连接测量，为未来整合不同领域多种神经生物学测量的研究提供了新分析方法，将推进计算精神病学研究。