重度抑郁症成人患者中与自杀意念相关的异常灰质结构协变网络：来自 REST-meta-MDD 联盟的证据

《Biological Psychology》：Abnormal gray matter structural covariance networks associated with suicidal ideation in adults with major depressive disorder: Evidence from the REST-meta-MDD consortium

　　

摘要

背景

自杀意念（SI）在重度抑郁症（MDD）患者中很常见，它可能代表 MDD 内部一种临床上具有意义的表型，而不仅仅是更严重抑郁症状的标志。SI 可能涉及情感调节、认知控制、奖励评估、自我参照处理以及疼痛/社会威胁处理方面的障碍。尽管伴有 SI 的 MDD 已被证实与扣带回、前额叶、边缘系统和cerebellar 区域的灰质异常有关，但尚不清楚这些异常是否在网络水平上表现出与 SI 相关的形态学协变模式——即灰质形态的个体间协调变异。为了回答这个问题，我们比较了伴有和不伴有 SI 的 MDD 患者之间的灰质结构协变网络。

方法

使用 REST-meta-MDD 项目数据，我们纳入了 226 名健康对照和 226 名 MDD 患者。MDD 队列包括 SI 组（MDD-SI，n = 113）和非 SI 组（MDD-NSI，n = 113）。抑郁症状使用 17 项汉密尔顿抑郁量表（HAMD-17）进行评估，并额外考虑了排除自杀项的抑郁严重程度（HAMD-16；HAMD-17 减去第 3 项）。使用基于源的形态测量法（SBM）构建组级灰质结构协变网络，并比较各组间的加载系数。还探讨了与 SI 评分的探索性事后关联以及探索性内部机器学习分类分析。

结果

在包括所有参与者的分析中，与健康对照相比，MDD-SI 组显示前扣带协变网络和小脑协变网络 C 的表达降低，而 MDD-NSI 组显示小脑协变网络 C 和额叶协变网络 G 的表达增加。与 MDD-NSI 组相比，MDD-SI 组显示前扣带协变网络、小脑协变网络 C、额叶协变网络 E 和额叶协变网络 G 的表达降低。在探索性内部分类分析中，堆叠模型在内部测试子集中实现了 0.82 的 AUC。由于队列级 SBM/ICA 表示是在训练 - 测试分割之前推导出来的，因此该值不应被解释为完全独立的样本外验证。

结论

本研究提供了网络层面的证据，表明 MDD 中的 SI 与涉及前扣带、小脑和额叶协变网络的协调灰质改变有关。机器学习发现是探索性的，需要使用扫描仪平衡、完全独立的队列和训练推导的成像表示进行验证。

引言

重度抑郁症（MDD）是一种常见且致残率极高的精神疾病，其特征是持续的低情绪、兴趣或愉悦感丧失以及认知和躯体症状；部分患者也可能出现自杀表现（Marx 等，2023）。在中国，抑郁症造成了巨大的人群负担，而治疗率和充分治疗率仍然很低（Lu 等，2021，Zhao 等，2021）。因为 REST-meta-MDD 联盟从中国多家医院招募参与者，所以这一人群背景与当前的多中心样本直接相关（Long 等，2020，Yan 等，2019）。自杀意念（SI）是 MDD 中一种临床上重要的与自杀相关的表型，并与自杀相关结果风险的增加有关（Cai 等，2021）。因此，识别与 SI 相关的神经特征对于理解与自杀相关的精神病理学以及改善 MDD 患者的风险分层具有重要意义。

MDD 中的 SI 不应仅被视为整体抑郁严重程度的简单指标。虽然伴有 SI 的患者通常有更严重的抑郁症状，但 SI 也可能反映部分独特的神经生物学过程，涉及负面情感调节、对侵入性自我参照思维的认知控制受损、奖励和惩罚评估改变以及疼痛或社会威胁处理增强（Mann and Rizk, 2020, Schmaal 等，2020）。这些领域涉及前扣带、前额叶、边缘系统和小脑系统，这些系统在伴有自杀想法和行为的 MDD 神经影像研究中已被反复报道（Lin 等，2025，Su 等，2024）。一项密切相关且专注于前扣带皮层区域灰质体积的 REST-meta-MDD 研究报告了伴有 SI 的 MDD 患者存在 ACC 差异，但该工作考察的是特定区域的形态学表型，而不是全脑结构协变网络组织（Yi 等，2025）。

结构协变网络为传统的区域形态测量提供了补充视角。它们不测量直接的结构连接或功能耦合。相反，它们反映了大脑形态的个体间协调变异，这可能源于共同的神经发育、成熟、遗传、疾病相关、药物相关或依赖经验的影响（Alexander-Bloch 等，2013，Evans, 2013）。基于源的形态测量法（SBM）是一种全脑多变量方法，它将具有相似协变模式的体素聚类为空间独立的协变成分，允许量化每个参与者中分布式灰质网络的表达（Xu 等，2009，Gupta 等，2019）。这种方法对精神科神经影像学很有用，因为 MDD 越来越被理解为一涉及分布式大脑网络异常的障碍，而不是孤立的区域变化（Gong & He, 2015）。

因此，仍存在三个差距。首先，大多数以前关于 MDD 中 SI 的结构研究依赖于单变量体素级或顶点级分析，并未充分描述分布式的形态学协变模式。其次，很少有研究考察 SI 是否与 MDD 内特定的结构协变网络组织有关。第三，目前尚不清楚此类网络水平特征是否有助于在个体水平上区分 MDD-SI 与 MDD-NSI 患者。因此，利用 REST-meta-MDD 数据库，我们应用 SBM 提取灰质结构协变网络，并比较伴有 SI 的 MDD 患者（MDD-SI）、不伴有 SI 的 MDD 患者（MDD-NSI）和健康对照（HC）之间的网络表达。我们进一步考察了在考虑抑郁症状严重程度后 SI 相关的网络改变是否仍然可解释，并探索了它们在个体水平分类中的效用。我们假设 MDD-SI 患者会表现出与 MDD-NSI 患者不同的灰质结构协变异常，并且这些异常与 SI 严重程度有关。

章节片段

参与者

REST-meta-MDD 项目包括来自 1,300 名 MDD 患者和 1,128 名健康对照的结构和功能 MRI 数据，这些参与者招募自中国 25 个联盟成员机构中的 18 家医院，基于协调一致的纳入和排除标准（Long 等，2020，Yan 等，2019）。对于本次分析，具有完整 HAMD 第 3 项信息、人口统计变量和可用结构 MRI 数据的候选样本包括 314 名 MDD 患者和 264 名健康对照。所有

讨论

我们的研究使用 SBM 考察了 MDD 患者中的灰质结构协变网络，发现伴有和不伴有 SI 的患者之间在网络表达上存在差异。具体来说，与 MDD-NSI 组相比，MDD-SI 组显示前扣带协变网络、小脑协变网络 C、额叶协变网络 E 和额叶协变网络 G 的表达较低。进一步分析表明，前扣带、小脑、

结论

我们发现 MDD 中的 SI 与以前扣带、额叶和小脑系统为中心的灰质结构协变网络表达改变有关。HAMD-16 校正分析表明，主要的组间差异不能完全由非自杀性抑郁症状负担来解释，而使用更广泛 SI 定义的敏感性分析表明，小脑协变网络 C 和额叶协变网络 G 是在操作 下最稳健的发现

关于写作过程中生成式人工智能及人工智能辅助技术的声明

所有科学内容、统计结果、解释和最终措辞均由作者审查和批准，作者对这项工作承担全部责任。未使用生成式 AI 或 AI 辅助图像工具来生成、改变、注释或重新标记科学图表或底层数据。

CRediT 作者贡献声明

韦燕： 资金获取、数据管理、概念化。张建： 验证。张志明： 调查。王福琴： 项目行政。闫伟： 写作 – 初稿、软件。

关于写作过程中生成式人工智能及人工智能辅助技术的声明

本稿件未使用生成式人工智能或人工智能辅助技术。

利益冲突声明

作者声明以下财务利益/个人关系，这些关系可能被视为潜在的利益冲突：韦燕报告其获得了四川省委员会和国家临床重点专科建设稿件项目、四川省卫生健康委员会医疗政策信函的财务支持。韦燕报告与四川省委员会和国家临床重点专科建设稿件项目、四川省 的关系

韦燕|王福琴|张志明|张建|张晨|贾伟军

四川省巴中中心医院