适用于跨诊断个体的、由病变引发的躯体症状脑网络

《BMC Medicine》：A lesion-derived brain network of somatic symptoms for transdiagnostic individual application

　　

摘要

背景

躯体症状是一个总称，用于描述在多种疾病中出现的令人困扰的躯体不适。然而，其背后的神经机制至今仍不甚明了。阐明这些机制有望为患有不同疾病的患者带来益处。

方法

我们采用了近期经验证的病变网络映射方法以及大规模的健康脑连接组数据库（n?=?652，来自中国安徽省），从中识别出了与躯体症状相关的脑病变网络。该网络通过躯体症状和内在感觉处理的多模态神经影像学特征得到了独立验证。随后，我们通过转录组、神经化学及认知领域的元分析进一步研究了该网络的特征。我们还通过量化该网络与经过验证的神经调控靶点的空间关联度，来评估其治疗潜力。最后，为了判断这一群体级网络是否能够预测不同诊断下的个体症状严重程度，我们基于1,342名安徽地区的健康对照组，利用高斯过程回归建立了灰质体积的标准化模型。该模型被用来为399名患有焦虑症、抑郁症、精神分裂症和双相情感障碍的当地患者生成个性化的脑萎缩图谱，进而分析躯体网络中各区域的萎缩程度是否与躯体症状的严重程度相关。

结果

我们发现，21种与躯体症状相关的异质性病变虽然出现在大脑的不同部位，但都属于同一个脑网络，其核心区域位于右侧岛叶和壳核。该网络与66项独立研究中的多模态躯体影像学异常以及69项任务功能性磁共振研究中的内在感觉处理回路存在强烈的空间一致性。有11个有效的脑刺激靶点也与该网络位置重合。在跨诊断的个体患者中，躯体网络内的更大萎缩程度与躯体症状的严重程度存在显著相关性（r?=?0.182，p?=?0.004），但与焦虑或抑郁症状无关。

结论

这些一致的发现构建了一个统一的躯体网络框架，有助于深化对其机制的理解，并推动精准医学的应用发展。