基于传递熵的颞叶癫痫脑网络信息流方向性研究揭示认知与精神共病机制

《Neurobiology of Disease》:Altered flow of information in temporal lobe epilepsy

【字体: 大 中 小 】 时间:2026年04月20日 来源:Neurobiology of Disease 5.6

编辑推荐:

  本研究针对颞叶癫痫(TLE)脑网络信息流方向性不明的问题,利用传递熵(TE)构建有向功能网络。研究发现TLE患者存在显著的全局信息流失衡,表现为信息流出减少与认知网络整合度下降,且信息流异常与认知及精神共病严重程度相关。该研究为理解TLE网络级发病机制提供了新视角。

  
颞叶癫痫(Temporal Lobe Epilepsy, TLE)是临床上最常见的局灶性癫痫,其核心特征不仅仅是海马神经元的异常放电,更伴随着复杂的认知功能衰退及高发的精神共病(如抑郁、焦虑)。传统观点认为,癫痫发作是“过度同步化”的脑网络活动结果,但越来越多的证据表明,TLE是一种全脑网络疾病(Network Disease),其认知与精神症状可能与网络信息处理效率的降低有关。然而,以往基于功能磁共振(fMRI)的研究多采用皮尔逊相关等“无向”连接指标,无法揭示信息在脑区之间“谁驱动谁”的动力学方向,这限制了对TLE网络级病理机制更深层次的理解。
为了解决这一瓶颈,本研究引入了信息论中的传递熵(Transfer Entropy, TE)这一指标。TE能够量化一个脑区(源)的过去状态对另一个脑区(目标)当前状态的预测能力,从而刻画信息流的“方向”与“因果” precedence。研究团队假设:TLE患者的脑网络不仅存在连接强度的异常,更存在信息流方向的显著失衡,且这种失衡与患者的认知功能损害及精神共病密切相关。
为了验证这一假设,研究人员利用癫痫连接组计划(Epilepsy Connectome Project)的静息态fMRI数据,纳入了116名TLE患者与72名健康对照。他们采用Schaefer-200皮质图谱结合Tian-32皮质下图谱,将大脑划分为232个感兴趣区(ROI),并计算了所有脑区对之间的TE,构建了全脑有向功能连接网络。通过对比分析、图论指标(如节点效率、模块度)以及相关性分析,系统探究了TLE信息流网络的改变模式。
主要技术方法概述
研究利用Epilepsy Connectome Project的rs-fMRI数据(72名对照,116名TLE),经fMRIPrep预处理后,采用Schaefer-200(皮质)与Tian-32(皮质下)图谱定义232个脑区。关键创新在于使用传递熵(TE)构建有向功能网络,通过最大化TE确定最优时间延迟(τ),并计算标准化有效TE(nTE)以量化信息流。后续通过图论分析(节点效率、模块度)及与临床量表(认知、精神症状)的相关性分析,揭示网络异常与临床表现的关联。

研究结果

TLE患者存在显著的全局信息流失衡
研究发现,与健康对照组相比,TLE患者的全脑信息流出总量显著降低,且信息流出减少的脑区数量远多于流入减少的脑区。这表明TLE大脑在网络层面表现出普遍的“信息输出障碍”。进一步分析发现,信息流出减少主要集中于默认模式网络(Default Mode Network, DMN)和突显网络(Salience Network, SN)等高级认知网络,而信息流入异常则更多涉及感觉运动网络。这提示TLE的病理生理核心可能在于高级认知网络的信息发送能力受损。
关键枢纽脑区的信息流方向发生特异性翻转
在健康大脑中,某些关键枢纽脑区(如后扣带回、角回)通常承担着信息“整合者”或“分发者”的角色。本研究发现在TLE患者中,这些枢纽区的信息流方向发生了异常翻转。例如,在健康人中表现为“净信息源”(发出信息大于接收)的脑区,在TLE患者中变成了“净信息汇”(接收信息大于发出),反之亦然。这种枢纽角色(Hub Role)的逆转,可能破坏了全脑信息处理的层次结构,导致认知整合功能失效。
信息流异常与认知及精神共病严重程度相关
研究进一步将网络指标与临床神经心理学量表进行了关联分析。结果发现,信息流出减少的程度与患者更差的执行功能(如工作记忆、认知灵活性)和更严重的精神症状(如抑郁、焦虑)显著相关。特别是DMN内部的信息流出减少,是预测认知障碍和精神共病的关键指标。这为理解TLE患者为何在控制发作后仍长期受困于认知与情绪问题提供了网络层面的解释。
有向网络指标比传统无向指标更具临床鉴别力
通过对比TE构建的有向网络与皮尔逊相关构建的无向网络,研究发现,基于TE的节点效率等指标在区分TLE患者与健康对照方面表现更优(曲线下面积AUC更高)。这表明,捕捉信息流的“方向性”能够揭示出传统方法无法检测到的、更细微的脑网络病理改变。

结论与意义

本研究首次系统地将传递熵(TE)应用于TLE静息态脑网络分析,揭示了TLE是一种以“信息输出障碍”为核心特征的有向网络疾病。研究证实,TLE患者的认知与精神共病并非孤立症状,而是与DMN等高级认知网络的信息发送能力下降直接相关。该研究突破了传统无向功能连接的局限,将TLE的病理机制理解从“连接是否异常”推进到了“信息如何流动”的新层面。
这些发现具有重要的临床转化潜力。首先,识别出的“信息流出缺陷”枢纽脑区(如DMN核心节点)可能成为神经调控治疗(如经颅磁刺激TMS、深部脑刺激DBS)的新靶点,通过增强这些区域的信息输出效率来改善认知。其次,有向网络指标(如nTE)有望作为更敏感的影像学生物标志物,用于TLE的早期诊断、亚型分类及治疗效果评估。未来研究可结合脑电图(EEG)或颅内电极记录,在更精细的时间尺度上验证这些发现,并探索信息流异常在癫痫发生(Epileptogenesis)过程中的动态演变规律。
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