《Molecular Psychiatry》：Breaking the norm: population-scale deviations of brain structure in depression and anxiety
编辑推荐：
与抑郁和焦虑相关的结构性脑改变是细微的、异质性的，且难以表征。研究人员应用基于自编码器的规范建模（normative modeling）对来自两个大型人群队列（德国国家队列，N≈29,000；英国生物银行，N≈25,000）的对比学习结构性MRI（struct
与抑郁和焦虑相关的结构性脑改变是细微的、异质性的，且难以表征。研究人员应用基于自编码器的规范建模（normative modeling）对来自两个大型人群队列（德国国家队列，N≈29,000；英国生物银行，N≈25,000）的对比学习结构性MRI（structural MRI, sMRI）表征进行建模，以量化个体在抑郁、焦虑以及（为背景化）酒精使用症状维度上偏离规范脑结构（normative brain structure）的程度。偏差幅度随抑郁和焦虑症状严重程度增加而增加，且在酒精使用高的个体中最为显著。方向性分析显示，抑郁和焦虑的偏差模式具有共享性，且与酒精相关偏差在很大程度上不同，这些模式在队列间具有泛化性。这些情感症状相关模式涉及分布性区域脑结构变异。个体偏差概况在人口统计学协变量之外改善了症状状态的分类，分类增益集中在较高症状严重程度。总之，这些发现表明情感症状与可重复的、维度化的区域脑结构偏差模式相关，这些模式超出了规范人群变异性，支持内化精神病理学的跨诊断模型。
论文解读
**研究背景、存在问题与研究动机**
重度抑郁症（Major Depressive Disorder, MDD）和广泛性焦虑障碍（Generalized Anxiety Disorder, GAD）是全球最常见的精神疾病，给全球疾病负担带来显著贡献。两者均涉及情绪、动机、认知和睡眠的紊乱，并导致功能损害和死亡率增加。尽管诊断标准不同，但两者在心理领域存在重叠，且频繁共病，共病率高达26%，遗传相关性较高。神经影像学证据也提示共享的神经基础，这使得区分疾病特异性机制变得困难。此外，两种疾病均表现出显著的临床异质性，包括症状概况、发病年龄和病程的差异。在生物学层面，这种异质性反映在试图使用脑影像预测MDD的挑战中。传统的监督学习方法隐含假设诊断类别内生物学相似性及诊断间可分离性，但未能利用人群队列中大量健康影像数据。
规范建模提供了一个互补框架，通过表征个体相对于从健康人群学习的参考模型的变异来研究精神疾病和神经退行性疾病。该方法能够量化受试者特异性偏差，并已应用于多种疾病，包括自闭症、痴呆和心境障碍。然而，依赖于底层特征表示，规范模型可能侧重于局部或总结性偏差，限制其捕捉高度分布性结构变异模式的能力。
本研究旨在实现三个目标：首先，表征与抑郁和焦虑症状相关的分布性脑结构变异；其次，量化个体相对于规范变异性的偏差幅度；第三，评估这些偏差的方向性组织，使用酒精相关症状作为比较对象，因为酒精使用对脑结构有充分记录的改变。这些目标共同针对脑结构偏差的幅度和组织，同时解决跨诊断和个体异质性。
**研究内容、结论与意义**
研究人员采用两阶段建模策略。首先，从最小化处理的sMRI数据中，使用对比表征学习（contrastive representation learning）学习数据驱动的结构性MRI表征。对比方法通过人群水平比较脑图像，能够学习对分布性脑区域间个体差异敏感的表征。其次，将这些对比学习表征应用于基于自编码器的深度规范建模，模拟健康个体中观察到的变异分布，并量化潜在空间中的受试者特异性偏差。这种表征学习与规范建模的分离允许规范模型在分布性脑结构差异的紧凑数据驱动嵌入上操作。
研究人员利用德国国家队列（German National Cohort, NAKO）和英国生物银行（UK Biobank, UKB）两个人群规模队列，分别作为发现数据集和外部验证数据集。研究检验了抑郁、焦虑和酒精使用症状维度下脑结构偏差的幅度、方向性组织及分类价值。
研究结论表明：症状严重程度越高，偏离规范脑结构的程度越大。抑郁和焦虑的偏差模式强烈重叠，而酒精相关症状沿大致不同的方向偏离，支持维度化而非诊断特异性的组织。这些发现表明情感症状与可重复的、维度化的区域脑结构偏差模式相关，超出规范人群变异性，支持内化精神病理学的跨诊断模型。该研究发表在《Molecular Psychiatry》上，为理解精神疾病在人群水平上的神经生物学结构提供了新视角，并为跨诊断框架如HiTOP提供了实证支持。
**主要关键技术方法**
研究人员使用以下关键技术方法：1）基于动量对比（Momentum Contrast, MoCo）的自监督对比表征学习，从三维卷积神经网络（3D CNN）编码器提取256维嵌入，捕捉分布性脑结构个体差异；2）基于自编码器（autoencoder）的规范建模，仅使用健康对照（HC）训练，通过重建误差量化偏差；3）马氏距离（Mahalanobis distance）的偏移分析，量化症状组相对于HC的分布性偏移；4）主成分分析（PCA）方向性分析，可视化偏差向量方向；5）弹性网回归（elastic net regression）将偏差维度与区域灰质体积（GMV）关联，生成区域相关性图谱；6）逻辑回归分类分析，在UKB队列中评估偏差特征的预测价值。样本队列来源为德国国家队列（NAKO）和英国生物银行（UKB）。
**研究结果**
**偏移分析（Shift Analysis）**
研究人员通过马氏距离偏移分析发现，症状组中偏差幅度随症状严重程度增加而增加。在NAKO队列中，酒精使用组（AUDIT-C≥10）的偏移最高，超过20%；近期严重抑郁和焦虑症状的偏差大于基于临床访谈或自我报告的终生诊断。Spearman秩相关显示，MDD和GAD症状严重程度与偏移呈强正相关（ρ=0.92，p=0.006）。在UKB队列中，偏移模式定性一致，症状分层按严重程度的相对顺序基本保留。
**方向性分析（Directional Analysis）**
通过PCA将偏差向量投影到二维空间，研究人员发现，酒精相关组沿与情绪-焦虑轴（由PHQ-9和GAD-7组描绘）大致不同的方向偏离，且AUDIT-C阈值越高，偏差越大。抑郁和焦虑症状组广泛重叠，更高症状水平沿共享方向进一步偏移。同时存在PHQ-9/GAD-7升高的个体占据中间位置，支持连续谱。酒精使用与抑郁/焦虑共病个体位于酒精相关和情绪-焦虑方向之间，符合混合或相加偏差模式。在UKB中，这些模式得到验证，尽管组间异质性显著，但高层次模式一致。
**脑区域重要性（Importance of Brain Regions）**
研究人员识别出与症状严重程度相关的偏差维度：14个（5.4%）与PHQ-9显著相关，4个（1.6%）与GAD-7相关，35个（13.7%）与AUDIT-C相关。通过弹性网回归将偏差维度与区域GMV关联，发现小脑区域在所有症状领域中贡献最一致，尤其对于AUDIT-C，呈现负相关，表明高酒精使用与小脑GMV较低相关。后部皮层区域（如楔叶）也有额外负贡献。皮层贡献较弱且分布分散，无单一主导皮层区域。
**分类表现（Classification Performance）**
在UKB队列中，纳入规范偏差特征的模型在症状状态分类上优于仅含人口统计学协变量的基线模型，且性能随症状严重程度增加而提高。对于抑郁组，最高症状严重度组（PHQ-9 20-27）的AUC达72±3%，BACC达66±3%。酒精相关组也观察到类似改善。与去混淆的FreeSurfer特征相比，规范偏差提供了中等但一致的改善（ΔBACC中位数=2%，ΔAUC中位数=2%）。在ICD-10诊断组中，平衡准确率提升更明显（ΔBACC≈+4-5%）。
**总结与讨论**
讨论部分指出，本研究表明抑郁、焦虑和酒精相关症状与分布性规范偏差相关，其幅度随严重程度增加，并具有结构化方向性组织。MDD和GAD的方向性重叠及与AUD的特异性，与两者临床和生物学重叠一致，且符合HiTOP的内化-外化维度结构。分类增益集中于高症状严重程度，表明sMRI对细微异质性改变的敏感性有限，但规范偏差增强了检测更明显偏离健康人群的能力。
翻译研究结论部分：总之，本研究的分析表明，与抑郁、焦虑和酒精相关症状相关的分布性规范偏差在人群水平上表现出严重程度依赖性幅度增加和结构化方向性组织。在高维、图像衍生表征空间中操作，能够检测细微的、空间分布性偏差模式。抑郁和焦虑相关偏差的重叠及其与酒精相关概况的区分，与精神病理学的维度化、跨诊断模型一致。尽管预测增益适中，但观察到的偏差轴可能提供一种根据跨常规诊断类别的连续脑结构变异模式对个体进行分层的方法。在大型队列中，此类基于偏差的表征可能有助于识别症状负担、共病和严重程度的人群水平神经生物学梯度，而非用于做出分类性个体水平诊断。
