重性抑郁障碍中皮层形态学脑网络的改变及其诊断分类效用

《Human Brain Mapping》：Altered Cortical Morphological Brain Networks and Their Diagnostic Classification Utility in Major Depressive Disorder

　　

重性抑郁障碍（MDD）越来越被描述为一种网络失连接综合征。尽管单被试形态学网络在研究脑连接组方面具有优势，但现有关于MDD的研究要么受限于小样本，要么缺乏跨不同形态学特征的多特征整合。研究人员使用了来自1442名MDD患者和1277名对照者的最大结构MRI数据集，构建了基于皮层厚度（CT）、皮层体积（CV）、表面积（SA）和沟深（SD）的个体水平皮层形态学网络。进行了区域间形态学连接（MC）和图论节点属性的组间比较。此外，应用支持向量机（SVM）评估网络改变是否能够区分患者与对照者。结果显示，MDD患者表现出广泛的MC改变，在四种形态学网络中观察到不同的改变模式。具体而言，基于CT的网络主要在与默认模式和额顶网络相关的高阶网络内部及之间表现出MC降低，而基于CV的网络主要在后默认模式网络内部表现出MC增加。相比之下，基于SA和SD的网络均主要在与感觉运动和视觉网络相关的低阶网络内部及之间表现出MC增强。在首次发作、未用药的MDD患者中也观察到类似的MC改变模式。同时，节点属性分析显示MDD患者多个皮层区域的介数中心性增加。此外，基于改变的MC的SVM模型在区分患者与对照者方面达到了中等至良好的分类性能。总体而言，研究人员对抑郁患者个体水平形态学网络改变的发现可能证实了MDD的失连接假说，并可能进一步为其更准确的诊断提供信息。

重性抑郁障碍（MDD）作为一种普遍且致残的精神疾病，其病理机制长期被归因于局部区域异常，但近年来越来越多的证据表明，MDD本质上是一种脑网络失连接综合征。传统的组水平结构协方差网络（SCNs）无法捕捉个体间变异，而单被试形态学网络虽能保留个体差异，但现有研究样本量小或缺乏多形态学特征的并行整合。为此，研究人员基于中国抑郁影像研究联盟（DIRECT）收集的最大规模结构磁共振成像（sMRI）数据（1442名MDD患者，1277名健康对照），构建了基于皮层厚度（CT）、皮层体积（CV）、表面积（SA）和沟深（SD）的四种个体水平皮层形态学网络，比较了组间形态学连接（MC）和图论节点属性，并利用支持向量机（SVM）评估其诊断分类效用。该研究发表于《Human Brain Mapping》。

**主要关键技术方法**：研究人员使用DPABISurf工具对T1加权像进行表面重建，提取四种皮层形态学指标（CT、CV、SA、SD），并按人类连接组计划多模态分区（HCP-MMP）图谱将皮层划分为360个感兴趣区（ROI）。基于核密度估计和詹森-香农散度（JSD）计算ROI间形态学相似性，构建个体水平连接矩阵，并用ComBat方法消除多中心效应。采用图论分析计算节点效率、局部效率、度中心性和介数中心性，以网络统计量（NBS）校正MC组间比较，以错误发现率（FDR）校正节点属性比较。分类任务采用线性SVM，以留一站点（LOSO）交叉验证评估性能。

**研究结果**：

**3.1 网络形态学连接的组间差异**：通过两样本t检验比较四种网络，NBS校正后，CT网络显示MDD患者MC降低（86条边），主要位于默认模式网络（DMN）内部及DMN与额顶网络（FPN）之间；CV网络显示MC增加（86条边），主要位于DMN内部；SA网络显示MC增加（69条边），主要位于感觉运动网络（SMN）内部及SMN与视觉网络（VN）之间；SD网络显示MC增加（111条边），主要位于VN内部及VN与DMN、边缘网络（LN）、SMN、腹侧注意网络（VAN）之间。在首次发作未用药（FEDN）亚组中，趋势一致但强度减弱。

**3.2 网络节点属性的组间差异**：FDR校正后，CT网络中MDD患者左侧13l区（L-13l）介数中心性升高；SA网络中左侧上额叶语言区（L-SFL）、双侧外侧带复合体（L-Lbelt、R-Lbelt）和右侧前额下沟区（R-IFSa）介数中心性升高；SD网络中右侧顶内沟1区（R-IPS1）度中心性和节点效率升高。FEDN亚组中，CT、CV、SA网络出现更多节点介数中心性升高，涉及DMN、FPN、LN等区域。

**3.3 个体水平分类性能**：基于显著差异的MC，SVM模型在区分MDD与对照时，CT网络准确率63.19%（AUC=0.6639），CV网络61.61%（AUC=0.6399），SA网络61.82%（AUC=0.6417），SD网络56.71%（AUC=0.5941）。在区分FEDN MDD与对照时，CT网络准确率78.01%（AUC=0.8029），CV网络73.44%（AUC=0.7690），SA网络75.62%（AUC=0.8071），SD网络69.06%（AUC=0.7362），表明CT网络具有最佳诊断潜力。

**讨论与结论**：研究人员指出，四种形态学网络呈现不同的MC改变模式，其中CT网络的高阶网络（DMN、FPN）连接减弱，可能与反刍思维和认知控制障碍相关；CV网络的DMN内连接增强，反映负性自我加工；SA和SD网络的低阶网络（SMN、VN）连接增强，与精神运动迟滞和感觉异常一致。FEDN亚组的结果支持这些改变是MDD的内在特征而非病程或药物效应。节点属性分析揭示的介数中心性增加提示网络拓扑紊乱。分类结果表明，个体水平形态学网络，尤其是CT网络，有望作为MDD诊断的生物标志物。结论部分翻译如下：总之，我们的多中心大规模神经影像分析揭示了MDD患者四种皮层形态学脑网络中广泛的连接改变模式，表现为CT网络内高阶网络（DMN和FPN）MC降低，CV网络内DMN的MC增加，以及SA和SD网络内低阶网络（SMN和VN）的MC增加。此外，节点属性分析显示多个皮层区域介数中心性增加，表明MDD中形态学网络拓扑组织紊乱。在FEDN MDD亚组中观察到的类似结果支持了这些发现的稳健性。此外，基于改变的MC的SVM模型在区分MDD患者与健康对照方面达到了中等至良好的分类准确度。总体而言，我们对抑郁患者个体水平形态学网络改变的发现可能证实了MDD的失连接假说，并可能进一步为其更准确的诊断提供信息。