情感障碍中的血清素神经生物学与人工智能驱动的生物标志物检测：一项综合综述

《ACS Chemical Neuroscience》：Serotonin Neurobiology and Artificial Intelligence-Driven Biomarker Detection in Affective Disorders: A Comprehensive Review

　　**摘要**情感障碍，包括重性抑郁障碍（MDD）和广泛性焦虑障碍（GAD），因其高患病率、早期发病、致残性以及重大的社会和经济影响，构成了全球性的重大健康负担。诊断仍然充满挑战，因为它主要依赖于主观的临床评估和基于症状的诊断标准，这往往导致识别延迟，并导致治疗反应具有异质性。血清素（5-羟色胺，5-HT）长期以来一直是对这些障碍理解的核心，但经典的血清素假说已演变为一个更为广泛的系统水平框架，在该框架中，血清素功能失调与神经传递、受体信号转导、转运体调控、神经可塑性、内分泌平衡、免疫调节、昼夜节律控制以及肠-脑通讯相关联。血清素的生物合成、代谢和区室化受到严格调控，而血清素转运体及相关通路的变异会影响疾病易感性、症状表达以及对治疗的反应。尽管针对血清素靶点的药物治疗仍然是基础性的，但其延迟且多变的临床效果凸显了对客观生物标志物和更精准监测策略的需求。本综述全面概述了情感障碍中血清素神经生物学以及血清素失调的治疗意义。文章讨论了目前对血清素合成、受体异质性、转运体功能以及塑造情绪、应激反应性和治疗结果的更广泛系统相互作用的理解。本综述还探讨了人工智能在精神科生物标志物发现中的日益增长的作用，包括应用于神经影像、电生理学、生理信号和基于语言的数据的机器学习和深度学习方法，以改善诊断并预测抗抑郁药反应。此外，文章讨论了新兴的血清素特异性生物传感器，作为实时、无创神经化学物质监测的有前景的工具。通过将血清素生物学的机制性见解与基于人工智能的分析技术和生物传感技术相结合，本综述突出了一条通向更客观、更个性化和更有效的情感障碍管理路径。