双相情感障碍与重度抑郁症在疾病全过程中呈现不同的脑功能模式：基于高斯混合模型的分析

《Journal of Affective Disorders》：Distinct brain functional patterns across the entire disease course between bipolar disorder and major depressive disorder: A Gaussian mixture model analysis

　　

摘要

背景

双相情感障碍（BD）和重度抑郁症（MDD）在临床上经常发生误诊，而大多数神经影像学研究发现仅聚焦于单一疾病阶段，而非整个疾病病程。本研究采用高斯混合模型（GMM）聚类方法，对抑郁发作期、部分缓解期和完全缓解期的静息态功能性磁共振成像（rs-fMRI）特征进行聚类，以建模两种情感障碍之间在不同阶段相关的差异模式。

方法

共招募254名参与者（109名BD患者和145名MDD患者），年龄15–50岁，均接受rs-fMRI扫描。使用DPABI对rs-fMRI数据进行预处理，并计算动态低频波动分数振幅（dfALFF）。基于dfALFF特征，采用高斯混合模型（GMM）无监督聚类方法对两种情感障碍在不同疾病阶段进行聚类，随后进行阶段相关差异的聚类性能分析、特征重要性分析，并构建两种情感障碍的连接曲线。

结果

抑郁发作期、部分缓解期和完全缓解期的聚类准确率分别为71.83%、70.69%和53.42%。抑郁发作期和部分缓解期的判别脑区主要涉及额叶、颞叶、顶叶、边缘系统、小脑、皮层下和枕叶区域。完全缓解期未识别出有意义的判别脑区，因为BD和MDD无法有效区分。

结论

在抑郁发作期和部分缓解期，大脑功能模式可区分；但在完全缓解期，两者变得无法区分。本研究模拟了两种障碍在整个疾病病程中的差异诊断模型模式，提供了一个新的研究视角。

引言

双相情感障碍（BD）和重度抑郁症（MDD）在全球范围内造成了沉重的疾病负担，这从两者的高伤残调整生命年（DALYs）即可看出（He等，2020；Yu等，2026）。然而，在临床实践中，BD经常被误诊为MDD，研究报告显示高达20.6%的BD病例最初被误诊为MDD（Chen等，2024）。一个重要原因是两种情感障碍在症状上存在大量重叠，特别是在抑郁发作期和缓解期，因为精神科诊断主要依赖于基于临床症状评估的分类系统所制定的标准化诊断标准（Judd等，2002；Tondo等，2017；Wang等，2021）。

为解决这一问题，越来越多的神经影像学研究发现试图在抑郁发作期或部分/完全缓解期内区分BD和MDD。例如，在抑郁发作期，MDD通常表现为自发性脑活动增强和相对降低的功能连接，而BD则表现为前额-顶叶和丘脑-边缘环路内动态功能连接增强，以及半球间连接增加（Chai等，2020；Goldman等，2022；Liu等，2023；Lu等，2023；Pastrnak等，2024；Sun等，2025；Zhang等，2020）。此外，在小脑和前扣带回等区域，以及默认模式网络（DMN）、感觉运动网络（SMN）和视觉网络等大规模网络中也观察到了差异性改变（Ni等，2024；Pastrnak等，2024；Sun等，2025；Todeva-Radneva等，2023）。在完全缓解期，一些研究发现BD相对于MDD在默认模式网络与额顶网络之间表现出更大的连接（Rai等，2022；Rai等，2021），而在部分缓解期进行的研究则报告两种障碍之间没有显著差异（Macoveanu等，2023）。先前的研究为了解BD和MDD之间的差异提供了重要见解。然而，只有少数研究仅关注抑郁发作期和完全缓解期（Rive等，2015；Rive等，2016），对涵盖抑郁发作期、部分缓解期和完全缓解期的整个疾病病程关注相对有限。为弥补这一空白，本研究纳入了全部三个阶段，以比较两种情感障碍在整个疾病病程中脑功能的差异。

在本研究中，使用高斯混合模型（GMM）对动态低频波动分数振幅（dfALFF）的变化进行建模，以考察BD和MDD在整个疾病病程中的脑功能差异。dfALFF可用于区分MDD和BD，已被用于表征自发性脑活动的强度，且对生理噪声的敏感度较低，并可通过滑动窗口方法量化脑活动的时间变化（Calhoun等，2014；Sun等，2022）。此外，GMM是一种无监督软聚类方法，将数据建模为多个高斯分布的加权组合，使其适用于建模复杂的神经影像数据（Mahmood等，2023）。它使模型能够通过协方差结构捕捉dfALFF特征的潜在分布及变量间的关系，从而更好地反映BD和MDD在不同疾病阶段中观察到的异质性脑功能改变，同时其概率特性减少了异常样本的影响，提高了聚类结果的稳定性（Yang，2012）。此外，由高斯分量的均值向量定义的聚类中心可以被解释为情感障碍在疾病病程特定阶段的核心特征。将这些在不同临床阶段获得的横断面特征联系起来，可能为表征整个疾病病程中脑功能变化趋势提供一个潜在的研究视角。

总之，本研究旨在使用GMM对两种情感障碍在抑郁发作期、部分缓解期和完全缓解期的dfALFF进行聚类。通过结合主成分分析（PCA）进行降维，我们将把两种障碍在整个疾病病程中的脑功能模式映射到相同的低维状态空间，以研究BD和MDD在整个疾病病程中的脑功能差异。

各节片段

受试者

共招募254名15至50岁的患者，包括109名BD患者和145名MDD患者。BD组包括抑郁发作期40名、部分缓解期25名、完全缓解期44名。MDD组包括抑郁发作期49名、部分缓解期48名、完全缓解期48名。所有患者均来自中国医科大学附属盛京医院精神科门诊。

临床和人口学特征

如表1所示，各组间在年龄、性别、用药情况和平均FD值上无显著差异（P > 0.05）。然而，在HAMD-17评分（H = 255.49，P < 0.001）、HAMA评分（H = 180.83，P < 0.001）、YMRS评分（H = 24.25，P < 0.001）和BPRS评分（H = 135.09，P < 0.001）上发现了显著的组间差异。此外，受教育年限（H = 18.19，P = 0.003）和病程（H = 180.83，P < 0.001）在各组间也存在显著差异。

聚类性能

在对BD和MDD的聚类分析中，

讨论

本研究首先识别了BD和MDD在不同疾病阶段的判别特征。然后采用GMM进行聚类，拟合分量的均值向量代表了两种情感障碍在每个疾病阶段的具体脑功能模式。通过连接各阶段的均值向量，构建了2条连接曲线，以可视化BD和MDD在整个疾病病程中的功能模式差异。两者之间的区别

局限性

本研究存在若干局限性需要指出。首先，尽管总体样本量相对较大，但不同疾病阶段各组亚组的样本量相对有限，这可能降低了统计效力，并影响了发现的稳定性和普适性。未来需要更大样本跨不同疾病阶段的研究来进一步验证发现的稳定性。其次，尽管本研究绘制了

结论

总之，本研究揭示了BD和MDD在不同疾病阶段的脑功能模式存在显著差异。BD和MDD在抑郁发作期和部分缓解期可区分，但在完全缓解期无法区分。跨阶段识别出的共有判别脑区可能反映了区分BD和MDD的稳定神经特征，而在抑郁发作期和部分缓解期识别出的阶段特异性判别脑区

作者贡献声明（CRediT）

毛嘉琦：撰写—初稿，可视化，软件，方法论，调查研究，正式分析，数据整理，概念化。王梓仪：监督指导。王怡琳：数据整理。景毅：可视化，方法论，正式分析。王秀：可视化，正式分析。王鹏硕：数据整理。孔令韬：资源，项目管理，资金获取。周一方：资源，资金获取。汤岩青：监督指导，资源，项目管理，

资金支持

本研究由国家自然科学基金委员会（82201689，江晓伟）、辽宁省应用基础研究计划（2026JH2/101300134，江晓伟）、国家自然科学基金委员会联合基金（U24A20700，汤岩青）、辽宁省中央引导地方科技发展基金计划（2024JH6/100800023，孔令韬）资助。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

毛嘉琦|王梓仪|王怡琳|景毅|王秀|王鹏硕|孔令韬|周一方|汤岩青|江晓伟

中国医科大学附属盛京医院精神科，中国