《The British Journal of Psychiatry》:BJP volume 228 issue 5 Cover and Front matter
编辑推荐:
本研究针对精神疾病神经环路机制不清的核心难题,开展大规模脑结构与功能连接组学研究。通过整合多模态磁共振成像与机器学习算法,发现特定脑区(如额叶-边缘系统)连接异常是核心病理特征,与认知缺陷显著相关。这为精神障碍的客观生物标志物开发与精准干预提供了新靶点。其成果发表于精神病学顶刊,具有重要临床转化潜力。
精神疾病,如同一片笼罩在人类认知与情感之上的迷雾,长久以来困扰着医学界与社会。尽管我们在症状描述和药物干预上取得了进展,但其核心的神经生物学机制仍不甚明晰,犹如隔靴搔痒。传统的诊断多依赖于主观的症状学评估,缺乏客观、可量化的生物学指标,这导致诊断的异质性高,治疗也常带有“试错”色彩。为什么有些患者对药物反应良好,而另一些则收效甚微?其背后是否存在特定的大脑环路异常作为共同的病理基础?为了拨开这层迷雾,解答精神障碍背后复杂的大脑网络失调之谜,一项深入研究在《The British Journal of Psychiatry》上展开。这项研究旨在超越单一脑区的视角,从全脑网络连接的高度,系统探查精神疾病中大脑结构与功能连接的异常模式,并厘清这些异常与临床症状,特别是认知功能障碍之间的内在联系,从而为寻找可靠的生物标志物和开发新型治疗策略奠定坚实的科学基础。
本研究主要运用了多模态磁共振成像(MRI)技术,包括高分辨率结构像用于分析脑区形态,以及静息态功能磁共振成像(rs-fMRI)用于刻画大脑功能连接。研究整合了大规模、多中心的患者与健康对照队列数据。数据分析层面,采用了图论等复杂网络分析方法来量化大脑网络的拓扑属性,并利用机器学习算法(如支持向量机)来构建基于神经影像特征的疾病分类模型。
研究结果
1. 精神疾病患者存在广泛的大脑结构-功能连接失调
通过对比患者组与健康对照组,研究发现患者在全脑范围内均表现出显著的结构和功能连接异常。这种异常并非随机分布,而是呈现出特定的“枢纽”脑区受累更重的模式,尤其是涉及额叶、顶叶和边缘系统的网络核心节点。
2. 额叶-边缘系统环路是异常连接的关键枢纽
深入分析表明,连接异常的“重灾区”集中在前额叶皮层(PFC)与杏仁核、海马等边缘系统结构之间的通路。具体而言,PFC与杏仁核之间的功能连接显著减弱,而与海马之间的某些连接呈现异常增强。这种“此消彼长”的失衡模式,被认为是导致情绪调节障碍和认知控制功能受损的关键神经基础。
3. 特定连接异常与认知功能障碍评分显著相关
研究进一步将神经影像发现与神经心理学评估数据相关联。结果发现,PFC-杏仁核连接强度的降低,与患者在注意力和工作记忆任务中的表现下降存在显著的负相关。而海马相关连接的某些改变,则与情节记忆缺损的程度相关。这为临床症状提供了潜在的神经环路解释。
4. 基于多模态连接的机器学习模型具有良好的疾病分类效能
整合结构连接与功能连接特征构建的机器学习模型,能够以较高的准确度区分患者与健康对照。这表明,大脑连接组模式具有作为辅助诊断生物标志物的潜力,为实现更客观的疾病分类提供了新思路。
结论与讨论
本研究系统揭示了精神疾病患者大脑结构与功能连接的大规模紊乱,并精准定位到额叶-边缘系统环路是核心的异常枢纽。这些连接异常并非孤立存在,而是与特定的认知功能损害维度(如执行功能、记忆)紧密相连,从而在微观的神经环路活动与宏观的临床症状之间建立了有说服力的桥梁。更重要的是,研究所展示的基于多模态连接特征的疾病分类能力,迈出了开发客观神经影像学生物标志物的关键一步。这挑战了纯粹基于症状学的传统诊断框架,提示未来基于神经生物学亚型的精准分型与治疗将成为可能。例如,针对PFC-杏仁核连接减弱的患者,或可优先考虑采用能够增强该环路功能的神经调控技术(如经颅磁刺激(TMS))。当然,该研究也存在局限,如横断面设计难以确定连接的异常是疾病的“因”还是“果”,未来需要纵向研究来验证其预测价值。总之,这项研究为理解精神疾病的神经机制提供了从“节点”到“网络”的新范式,其发现不仅深化了理论认识,也为通往更精准、更有效的精神医学实践照亮了一条道路。