基于静息态fMRI和机器学习分离强迫症状态与特质神经标志物的研究

《Brain Research Bulletin》:Identifying Neuroimaging-Based Biomarkers for Obsessive-Compulsive Disorder: A Resting-State fMRI and Machine Learning Study in Patients and Unaffected First-Degree Relatives

【字体: 大 中 小 】 时间:2026年04月19日 来源:Brain Research Bulletin 3.7

编辑推荐:

  本研究旨在解决如何区分强迫症(OCD)的疾病状态标志物和遗传易感特质标志物这一难题。研究人员通过招募首发病例、未用药的OCD患者、其未患病一级亲属(UFDR)和健康对照(HC),结合静息态功能磁共振成像(rs-fMRI)的ALFF、ReHo和DC多项指标及支持向量机(SVM)模型,成功识别出与疾病活动状态相关的眶前额叶ALFF高活性以及与遗传易感相关的纹状体-前额叶DC网络改变,为OCD的早期诊断和风险分层提供了潜在的神经影像学生物标志物。

  
强迫症(Obsessive-Compulsive Disorder, OCD)是一种以反复出现的侵入性思维(强迫思维)和重复性、仪式化的行为(强迫行为)为特征的严重神经精神疾病。世界卫生组织已将其列为十大最致残的医学疾病之一,给患者的生活质量、社会功能和职业生产力带来沉重负担。理解其背后的神经生物学机制,对于开发更精确的诊断工具和有效的治疗干预措施至关重要。然而,过去数十年的神经影像研究面临一个核心困境:许多研究依赖的是长期患病、接受过药物治疗的患者。长期疾病本身和精神科药物都可能引起大脑的神经可塑性变化,这使得研究人员难以区分哪些大脑的改变是疾病或治疗的结果,哪些代表了与生俱来的、潜在的遗传易感性。为了解决这一难题,一项新的研究采用了独特的队列设计,试图分离OCD的“疾病状态”和“遗传特质”标志物,其研究成果发表在《Brain Research Bulletin》上。
为了回答上述问题,研究人员开展了一项横断面研究。他们从南昌大学第一附属医院心身医学科门诊招募了72名首次发作、未用药的OCD患者,以及23名患者的未患病一级亲属(Unaffected First-Degree Relatives, UFDR)和56名健康对照(Healthy Controls, HC)。所有参与者接受了静息态功能磁共振成像(rs-fMRI)扫描。研究人员计算了三个关键的静息态指标:低频波动振幅(Amplitude of Low-Frequency Fluctuations, ALFF,反映局部神经活动强度)、区域一致性(Regional Homogeneity, ReHo,反映局部脑区功能同步性)和度中心性(Degree Centrality, DC,反映脑网络节点的影响力)。在控制了人口学变量和头动等协变量后,他们通过协方差分析比较了三组间的差异,并将有显著组间差异的脑区特征提取出来,用于后续的机器学习分析和临床症状相关性分析。为了评估这些神经影像特征的区分能力,研究采用了支持向量机(Support Vector Machine, SVM)模型,通过留一交叉验证(LOOCV)来评估其在区分OCD患者、UFDR和HC三组之间的分类性能。
3.1. 人口学和临床特征
最终纳入分析的样本包括72名OCD患者、23名UFDR和56名HC。三组在头动参数上无显著差异,但在年龄、性别和教育年限上存在显著差异。UFDR组年龄更大,且主要由患者父母(尤其是母亲)构成,因此在后续神经影像分析中,年龄、性别、教育年限等被作为协变量加以控制。
3.2. ReHo差异分析
在控制协变量后,协方差分析显示,三组之间在ReHo值上未发现显著的组间主效应。
3.3. ALFF差异分析
ALFF分析揭示了显著的组间主效应。事后两两比较发现,与HC相比,OCD患者在左侧眶部额中回(Frontal_Mid_Orb_L)的ALFF显著升高,在右侧舌回(Lingual_R)的ALFF显著降低。此外,与UFDR相比,OCD患者在左侧背外侧额上回(Frontal_Sup_L)的ALFF也显著升高。相关性分析进一步发现,OCD患者左侧眶部额中回和左侧背外侧额上回的ALFF值与耶鲁-布朗强迫症量表(Y-BOCS)评分呈正相关,表明这些前额叶区域的活动增强与强迫症状的严重程度直接相关。这些前额叶ALFF的高活动性被认为是OCD疾病活动状态的特征。
3.4. DC差异分析
DC分析同样发现了显著的组间主效应。具体而言,与HC相比,UFDR组在左侧尾状核(Caudate_L)的DC显著增加,而在左侧眶部额下回(Frontal_Inf_Orb_L)的DC显著降低。这些网络连接模式的改变出现在未患病的亲属身上,提示它们可能代表了与OCD遗传风险相关的特质性标志物,而非疾病状态本身。
3.5. SVM分类结果
支持向量机(SVM)模型在区分三组人群时表现出良好的分类性能。其中,区分UFDR与HC的模型受试者工作特征曲线下面积(Area Under the Curve, AUC)为0.834,区分OCD与HC的AUC为0.791,区分OCD与UFDR的AUC为0.801。这表明基于ALFF和DC特征建立的模型具有良好的探索性分类能力,有潜力作为辅助区分的生物标志物。
4. 讨论与结论
本研究通过结合多模态rs-fMRI指标和机器学习分析,成功区分了与OCD疾病活动状态和遗传易感特质相关的不同神经标志物。研究的主要结论是:前额叶(特别是眶额叶和背外侧前额叶)的ALFF高活动性是OCD疾病活动状态的标志,并与症状严重程度相关;而在未患病一级亲属中观察到的尾状核DC增加和眶部额下回DC降低,则可能是OCD遗传易感性的候选内表型。这些发现强化了皮质-纹状体-丘脑-皮质(Cortico-Striato-Thalamo-Cortical, CSTC)环路在OCD病理生理学中的核心作用,同时也提示了疾病可能涉及传统CSTC模型之外的脑区(如舌回)。本研究的创新之处在于通过纳入首发病例、未用药患者及其未患病亲属,最大程度地减少了疾病慢性和药物治疗的混杂效应,为分离状态与特质标志物提供了更清晰的视角。尽管SVM模型显示了良好的区分潜力,但其临床转化应用仍需在更大规模、多中心、纵向的研究队列中进行严格验证。未来研究可以结合动态功能连接、任务态fMRI以及转录组学数据,从宏观环路到微观基因层面,构建更完整的OCD病理生理学图谱,为早期诊断和风险预警提供更可靠的依据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号