广泛性焦虑障碍中的眼动与脑电特征

《Psychiatry Research》：Eye Movement and EEG Features in Generalized Anxiety Disorder

　　

• •
  广泛性焦虑症患者表现出与健康对照组不同的眼动和电生理特征。
• •
  特定的眼动和脑电图特征与广泛性焦虑症患者的认知功能障碍相关。
• •
  眼动与脑电图指标的联合应用可能在广泛性焦虑症的客观群体水平评估中具有潜在价值。

引言

焦虑障碍在全球疾病负担中排名第六，其影响在COVID-19大流行期间显著加剧，使其成为一个日益增长的公共卫生问题（The Lancet, 2024）。在中国，2019年全国流行病学调查显示焦虑障碍的终生患病率为7.6%，其中广泛性焦虑障碍（GAD）是最常见的亚型（Huang等, 2019）。GAD以持续、过度且无法控制的担忧为特征，常伴有认知和社会功能方面的严重损害（DeMartini等, 2019; Luo等, 2024）。GAD患者的自杀意念和自杀未遂发生率也更高（De La Vega等, 2018; Meyer等, 2018）。由于共病率高且缺乏客观生物标志物，目前诊断严重依赖主观报告和临床访谈，增加了误诊风险（Alonso等, 2018）。因此，识别GAD的客观、可量化的生物标志物仍然是一项关键挑战。

GAD与认知-情绪交互失调相关，特别是涉及过度威胁评估和自上而下的认知控制受损（Etkin等, 2015; Gkintoni & Ortiz, 2023）。这些改变通常表现为对威胁的注意偏向、注意脱离困难以及执行功能和情绪调节缺陷（Leonard & Abramovitch, 2019）。这些认知功能障碍被认为是GAD的核心特征，可能是其持续且广泛症状的基础。然而，这些异常通常使用主观或行为学测量进行评估，其潜在的神经生理学关联仍有待充分描述。

近年来，眼动追踪和脑电图（EEG）作为非侵入性神经生理学技术，越来越多地用于研究精神疾病中的认知和情绪过程。眼动追踪提供注意分配和认知偏向的高分辨率时空信息（Armstrong & Olatunji, 2012; Huang等, 2020），而脑电图能够实现对这些过程底层神经活动的实时监测（Hao等, 2025）。在GAD中，眼动追踪研究报告了对威胁相关刺激的注意偏向，包括注视启动更快、注视时间更短以及注意脱离困难（Armstrong & Olatunji, 2012; Mogg & Bradley, 2005）。此外，一项研究报告了从威胁性刺激中脱离注意力的困难，表现为注视时间延长（Mogg & Bradley, 2005）。然而，研究结果仍存在不一致，一些研究未能检测到此类偏向（Freeman等, 2000），这引发了关于这些异常反映稳定特质还是状态依赖性变化的疑问。尽管情感障碍中基本眼动指标引起了越来越多的关注（Wang等, 2022; Zhang等, 2022），但基本的眼动指标——如注视持续时间、扫视峰值速度和潜伏期——尚未在GAD中得到系统研究。同样，脑电图研究已发现GAD患者在静息态振荡活动（例如β波功率增加和α波功率降低）和事件相关电位（例如N200和P300异常）方面均存在改变（Han等, 2014; Shen等, 2022）。Go/NoGo范式是用于研究反应抑制和执行控制（被认为是自上而下认知调节的基本组成部分）的广泛使用实验任务（H. Bokura等, 2001; Huster等, 2012）。先前的研究提示，GAD个体在注意调节、抑制控制和情绪调节方面存在缺陷，这可能有助于过度担忧和持续的威胁相关加工（Leonard & Abramovitch, 2019）。因此，Go/NoGo任务为考察GAD中与认知控制受损相关的神经机制提供了适当的框架。具体而言，N200和P300等事件相关电位以及任务相关振荡活动已被广泛研究，以表征Go/NoGo范式中与冲突监测、反应评估和抑制控制相关的过程（Folstein & Van Petten, 2007; Huster等, 2012）。

鉴于单一生物标志物无法充分捕捉精神疾病的复杂性和动态性，整合基于症状的评估与多模态生物指标被认为是更可靠的方法（Liu等, 2023; Lozupone等, 2019）。特别是，整合眼动追踪和脑电图能够同时考察注意控制的行为和神经关联。眼动追踪捕捉外显的注意转换，而脑电图反映潜在的神经调节，二者共同为GAD特征性的认知-情绪失调提供互补性见解。先前将眼动和脑电图特征与机器学习算法结合的研究在识别焦虑障碍方面取得了令人满意的分类效果，准确率高达82.7%（Zhang, 2022）。然而，此类多模态方法在GAD特定诊断中的效用仍有待确立。

因此，本研究旨在：(1) 系统比较GAD患者与健康对照之间眼动、脑电图及认知特征的区别；(2) 探索神经生理学特征、认知表现和症状严重程度之间的关联；(3) 评估基于机器学习的多模态分类模型在GAD中的可行性。

基于先前关于GAD注意失调、认知控制受损和神经加工改变的发现，我们假设：(1) GAD个体将表现出基本眼动特征异常，包括注视稳定性改变、扫视控制异常和抑制性眼动表现异常，反映注意调节和认知控制缺陷；(2) GAD个体在Go/NoGo任务中将表现出脑电图活动改变，特别是在与反应抑制和执行控制相关的神经标志物中，包括N200、P300和任务相关振荡活动；(3) 整合眼动和脑电图特征将提供互补信息，并相较于单一模态方法取得更好的分类效果。这些发现有助于更好地理解GAD的神经生理特征，并为客观评估策略提供初步证据。

章节摘要

参与者

样本量估算使用G*Power 3.1.9.4进行，以确保检测到组间差异具有足够的统计效力（双尾t检验，α = 0.05，power = 0.80）。考虑到可能的参与者脱落，目标样本量设定为65例。最终入组56名参与者。参与者于2024年8月至2025年2月期间招募。所有参与者均提供了书面知情同意。本研究获得了第三附属医院伦理委员会的批准。

人口学、临床和认知特征

表1展示了参与者的人口学、临床和认知特征。两组在年龄（p = 0.969）、性别（p = 0.586）和受教育年限（p = 0.557）方面无显著差异。相反，GAD组的焦虑和抑郁水平显著更高，如HAMA评分（p < 0.001）和HAMD评分（p < 0.001）所示。GAD组病程中位数为24个月，平均发病年龄为31岁。关于

讨论

本研究考察了GAD患者与健康对照之间眼动和脑电图特征差异，并进一步探索了它们与临床症状和认知功能的关联。此外，还评估了基于眼动、脑电图及联合特征的分类模型性能。结果显示，GAD患者在特定认知领域和神经生理特征方面存在改变，为理解提供了初步见解

局限性

然而，应承认若干局限性。首先，相对较小的样本量可能限制了统计效力并降低了发现的可推广性。尽管在相关性分析中使用了Benjamini–Hochberg方法进行多重比较校正，但相对较多的统计检验次数和本研究的探索性性质仍可能增加假阳性的可能性。因此，观察到的关联应该

结论

广泛性焦虑症患者表现出领域特异性认知改变、眼动模式改变以及反应抑制期间β频段脑电图活动增加，提示注意调节、眼动控制和认知控制过程可能存在潜在异常。眼动追踪与脑电图指标的整合在所检验的特征集中取得了最高的分类效果，提示这两种模态可能提供

CRediT作者贡献声明

张轩：撰写–初稿，概念构思，调查研究，项目管理，形式化分析，数据整理。李雷军：撰写–初稿，方法论，项目管理，数据整理。黄佳鑫：项目管理，资源，软件。秦鑫、周鸿云、刘文熙、陈晓宇：项目管理，数据整理。王继辉：撰写–审阅与编辑，形式化分析，方法论，项目管理，监督。陶炯：撰写–审阅与

利益冲突

作者没有需要声明的利益冲突。

基金资助

本研究由STI2030重大项目（2021ZD0202000）和中山大学第三附属医院五五项目（2023ww705）资助。

利益冲突声明

作者声明他们没有已知的竞争经济利益或个人关系可能会影响本文所报告的工作。

致谢

感谢本研究的所有参与者。

张轩|李雷军|黄佳鑫|周鸿云|秦鑫|刘文熙|陈晓宇|王继辉|陶炯