《CNS Neuroscience & Therapeutics》：Abnormal Dynamic Functional Connectivity Within the Fronto-Limbic Network Mediates the Association Between Depressive Symptoms and Non-Suicidal Self-Injury in Adolescents
编辑推荐：
目的：非自杀性自伤（NSSI）是青少年重性抑郁障碍（MDD）中常见的行为，然而其精确的神经机制仍不清楚。本研究旨在使用动态功能连接（dFC）分析，探讨与MDD青少年中NSSI相关的脑连接时间动态。
方法：分析了来自204名青少年（154名伴有NSSI，50名
目的：非自杀性自伤（NSSI）是青少年重性抑郁障碍（MDD）中常见的行为，然而其精确的神经机制仍不清楚。本研究旨在使用动态功能连接（dFC）分析，探讨与MDD青少年中NSSI相关的脑连接时间动态。
方法：分析了来自204名青少年（154名伴有NSSI，50名不伴NSSI）的静息态功能磁共振成像（fMRI）数据。使用基于种子点的动态条件相关方法评估了前额叶-边缘网络内的dFC变异性。检查了dFC变异性的组间差异，并采用机器学习模型基于dFC特征预测NSSI。中介分析探讨了dFC在抑郁症状与NSSI关系中的作用。
结果：伴有NSSI的青少年表现出dFC变异性降低，该变异性介导了抑郁严重程度与NSSI行为之间的关系（a*b=0.144；p=0.001）。关键连接——脑岛（insula）、前扣带皮层（ACC）、眶额皮层（OFC）和海马（hippocampus）——在区分NSSI与非NSSI组中至关重要。基于这些连接的机器学习模型在预测NSSI时取得了稳健且稳定的性能，平均曲线下面积（AUC）为0.84，精确率-召回率曲线下面积（PR-AUC）为0.94。
结论：前额叶-边缘网络内dFC的改变可能是MDD青少年NSSI的基础，确定了靶向干预的初步神经特征，并强调了与MDD青少年NSSI相关的神经生物学异质性。
非自杀性自伤（NSSI）在青少年重性抑郁障碍（MDD）中普遍存在，但神经机制尚不明确。前期研究多聚焦社区样本，对MDD青少年关注不足，且静态功能连接（FC）研究结果不一致。动态功能连接（dFC）能捕捉脑连接的时间变化，可能更敏感地反映NSSI相关的神经特征。因此，研究人员开展本研究，旨在通过dFC分析探讨前额叶-边缘网络内连接的时间动态与NSSI的关系，并检验其是否介导抑郁症状严重度与NSSI行为之间的关联。
研究人员分析了204名MDD青少年（154名伴NSSI，50名不伴NSSI）的静息态功能磁共振成像（fMRI）数据，采用基于种子点的动态条件相关（DCC）方法评估前额叶-边缘网络内dFC变异性，并运用机器学习模型预测NSSI。结果发现，NSSI组dFC变异性降低，且该变异性显著中介了抑郁症状与NSSI行为的关系。关键连接涉及脑岛（insula）、前扣带皮层（ACC）、眶额皮层（OFC）和海马（hippocampus）。机器学习模型基于这些连接实现了良好的预测性能（平均AUC=0.84）。该研究首次将dFC方法应用于NSSI研究，揭示了前额叶-边缘网络动态特征作为NSSI候选神经标志物的潜力，为靶向干预提供了新思路。论文发表在《CNS Neuroscience》。
主要技术方法包括：参与者来源于深圳康宁医院，共204名MDD青少年（12-18岁），根据有无NSSI分组；临床评估采用功能评估自伤量表（FASM）、患者健康问卷（PHQ-9）和广泛性焦虑障碍量表（GAD-7）；MRI数据采集使用3.0 Tesla扫描仪，预处理使用AFNI软件；dFC分析采用基于种子点的DCC方法，选取55个兴趣区（ROI），包括前额叶-边缘网络47个亚区和前岛叶8个亚区，计算dFC变异性和均值；统计组间差异采用独立样本t检验，FDR校正；分类分析采用6种机器学习模型（L1/L2逻辑回归、SVM、随机森林等），使用SMOTE平衡样本，交叉验证评估性能；中介分析使用Mplus，调整多种协变量，检验dFC变异性在抑郁症状与NSSI之间的中介效应。
研究结果如下：
3.1 人口学与临床特征：通过人口学统计和临床量表比较，发现两组在性别分布和头动上存在显著差异（p<0.05），NSSI组PHQ-9评分更高（p=0.003），表明抑郁症状更严重，其他变量无显著差异。
3.2 dFC变异性与均值的组间差异：通过独立样本t检验和FDR校正，发现与无NSSI组相比，NSSI组在5条连接上表现出显著降低的dFC变异性，包括右侧杏仁核-左侧ACC、右侧海马-左侧岛叶、右侧岛叶-右侧内侧OFC、右侧岛叶-左侧外侧OFC、左侧上PFC-左侧前中PFC（均p<0.05，FDR校正）。均值dFC变异性也显著降低（t=-7.267, p<0.001）。静态FC分析未发现显著差异。
3.3 分类分析：通过机器学习分类，发现L1正则化逻辑回归表现最佳，平均AUC为0.843，PR-AUC为0.944，平衡准确率为0.749，敏感性和特异性分别为0.740和0.758。特征重要性分析显示，均值dFC变异性是最具预测力的特征。
3.4 相关分析与中介分析：通过皮尔逊相关和中介分析，发现均值dFC变异性与PHQ-9评分呈负相关（r=-0.228, p=0.001），经Bonferroni校正后仍显著。中介分析表明，均值dFC变异性显著介导了抑郁症状严重度与NSSI行为之间的关系（间接效应a*b=0.144, 95% CI [0.070, 0.256], p=0.001），直接效应不显著。替代模型（dFC为自变量，PHQ为中介）也显示显著间接效应（a*b=-0.038, p=0.039），但效应量较小。
讨论部分指出，dFC变异性降低反映了前额叶-边缘网络神经灵活性的降低，可能与认知僵化和情绪调节不良有关，为NSSI提供了神经基础。中介模型表明，dFC变异性是抑郁症状影响NSSI的潜在通路。关键脑区如岛叶、海马、OFC在情绪调节、疼痛感知和风险评估中起重要作用，连接异常可能解释了NSSI患者的情绪失调和决策缺陷。研究局限性包括横断面设计、缺乏健康对照组、性别差异以及仅关注前额叶-边缘网络。
研究结论翻译：总之，研究人员的发现表明，前额叶-边缘网络内功能连接（FC）的变化，特别是脑岛、前扣带皮层（ACC）、眶额皮层（OFC）和海马之间的连接，可能是MDD青少年NSSI的基础。这些异常连接介导了抑郁症状与NSSI之间的关系，强调了前额叶-边缘网络作为治疗干预的新靶点。此外，这些结果提示，与不伴NSSI的MDD青少年相比，伴NSSI的抑郁青少年在情绪处理、风险评估、决策和疼痛感知方面表现出不同的神经模式。这些发现表明，在MDD青少年中，存在与NSSI状态相关的独特神经特征，这强调了在MDD人群中考虑NSSI相关的神经改变的重要性，而不仅仅是抑郁严重度的症状。此外，初步的机器学习分析表明，前额叶-边缘网络dFC变异性具有作为识别MDD人群中NSSI的候选神经特征的潜力。研究人员提倡在未来的研究中更多地利用dFC分析，以深入了解NSSI的神经基础。
