《Brain Topography》：What Static Connectivity Misses: Dynamic Alpha-Band Brain Network States in First-Episode Psychosis
编辑推荐：
本研究采用一种新颖的动态连接流程，探究首发精神病（FEP）的静息态脑电（EEG）α频段连接性，并考察其与认知功能及精神病理学评分的关系。研究人员分析了78名FEP个体和60名健康对照者（CTR）的数据。使用eLORETA进行源估计，并以加权相位滞后指数（wPL
本研究采用一种新颖的动态连接流程，探究首发精神病（FEP）的静息态脑电（EEG）α频段连接性，并考察其与认知功能及精神病理学评分的关系。研究人员分析了78名FEP个体和60名健康对照者（CTR）的数据。使用eLORETA进行源估计，并以加权相位滞后指数（wPLI）量化连接性。静态连接矩阵通过图论和边级指标进行评估。动态连接矩阵通过改进的k-means算法聚类为五个不同的脑网络状态（BNS），并从中提取时间学与图论指标。静态连接指标显示，FEP组的α连接性低于对照组。动态分析发现，FEP组中与默认模式网络相关的BNS 1内特征路径长度的变异性降低，表明功能性整合的自适应调节能力减弱。按用药状态进行的亚组分析揭示了用药与未用药FEP的不同BNS特征。BNS指标在CTR中与社会认知测量相关，在FEP中与阳性形式思维障碍相关，而静态指标未显示此类关联。这些发现表明，相对于静态连接指标，动态连接提供了非冗余信息，并强调了药物对精神病神经动力学的影响。本研究采用一种新颖的动态连接流程，探究首发精神病（FEP）的静息态脑电（EEG）α频段连接性，并考察其与认知功能及精神病理学评分的关系。研究人员分析了78名FEP个体和60名健康对照者（CTR）的数据。使用eLORETA进行源估计，并以加权相位滞后指数（wPLI）量化连接性。静态连接矩阵通过图论和边级指标进行评估。动态连接矩阵通过改进的k-means算法聚类为五个不同的脑网络状态（BNS），并从中提取时间学与图论指标。静态连接指标显示，FEP组的α连接性低于对照组。动态分析发现，FEP组中与默认模式网络相关的BNS 1内特征路径长度的变异性降低，表明功能性整合的自适应调节能力减弱。按用药状态进行的亚组分析揭示了用药与未用药FEP的不同BNS特征。BNS指标在CTR中与社会认知测量相关，在FEP中与阳性形式思维障碍相关，而静态指标未显示此类关联。这些发现表明，相对于静态连接指标，动态连接提供了非冗余信息，并强调了药物对精神病神经动力学的影响。
**论文解读：首发精神病中的动态α频段脑网络状态——超越静态连接的新视角**
**1. 研究背景与目的**
精神病（psychosis）是一种复杂的精神状态，以对现实的感知和认知显著紊乱为特征，常表现为妄想、幻觉、思维和言语混乱、自我障碍以及认知和阴性症状，尤其是在精神分裂症等原发性或特发性精神病中。功能神经影像学研究一致表明，精神病性障碍与静息状态和认知任务期间的大脑功能模式改变有关。然而，个体间大脑功能模式的巨大变异性阻碍了建立统一模型来捕捉精神病背后的神经机制，限制了靶向诊断工具的开发和有效治疗的早期识别。脑电图（EEG）凭借其无与伦比的时间分辨率，在研究精神病的内表型方面具有独特价值。既往研究报道了精神病性障碍中脑电活动的异常，包括α频段活动的减少以及α频段连接的破坏。然而，传统的静态连接测量通常结合图论指标，可能无法充分捕捉大脑活动复杂且随时间演变的特性。为了更好刻画M/EEG记录的快速变化的神经动力学，研究者引入了动态连接测量和瞬态脑网络状态建模的新方法。但目前动态连接工作流程缺乏共识，基于动态特征的组间直接比较或与临床评分的相关性研究也较为稀缺。为此，本研究旨在通过实施一个完整的动态连接流程来弥补这一方法论空白，该流程结合了源级连接估计、基于聚类的脑网络状态识别以及图论和临床测量的整合，并将其应用于组间比较和症状相关性分析，以提供更全面、可重复的方法来研究精神病脑网络的动态改变。
**2. 关键技术与方法**
研究数据来自OpenNeuro数据库（检索于2023年11月29日），包含78名首发精神病（FEP）个体（23名女性；平均年龄22.9±4.8岁）和60名年龄匹配的健康对照者（CTR）（26名女性；平均年龄22.8±4.9岁）。认知功能采用MATRICS共识认知成套测验（MCCB）评估，精神病性症状采用阳性症状量表（SAPS）、阴性症状量表（SANS）和总体评估量表（GAS）评估。EEG记录为5分钟睁眼静息态数据，采样率1000 Hz，使用60通道脑电帽。预处理使用EEGLAB工具箱，包括高通滤波（1 Hz）、平坦通道剔除、电力线噪声衰减、伪影子空间重建（ASR）、独立成分分析（ICA）和ICLabel标记去除伪影。源估计采用精确低分辨率电磁断层成像（eLORETA），将皮层活动重建为15,000个源，并基于Desikan-Killiany皮层图谱平均为68个感兴趣区（ROI）。连接性采用加权相位滞后指数（wPLI）计算，滑动窗口为600 ms（约六个α周期），重叠率50%，得到每个受试者的动态连接张量（68×68×979窗口）。静态连接通过将所有时间窗口平均获得。图论指标包括平均节点强度、平均聚类系数和特征路径长度（CPL）。动态连接矩阵经向量化后跨受试者连接，使用改进的k-means算法（k=3到7，200次重启）进行组级聚类，基于11个聚类有效性指标的元准则确定最优聚类数为5，得到五个脑网络状态（BNS）。随后进行回拟合（backfitting）和平滑处理，剔除少于5个连续时间窗口的不稳定片段。从每个BNS中提取微状态衍生指标（全局连接功率GCP、个体解释方差iEV、覆盖率、持续时间、发生次数）以及图论指标（强度、聚类系数、CPL的均值、标准差和变异系数）。通过节点强度将每个BNS与静息态网络（RSN）关联。统计分析采用置换检验（10,000次置换）并进行最大统计量族系误差（FWER）校正，比较FEP与CTR、用药FEP与CTR、未用药FEP与CTR以及用药与未用药FEP之间的差异。相关分析采用Pearson相关，对年龄（及用药FEP的氯丙嗪等效剂量）进行回归残差控制，仅报告|r|>0.5的相关。此外，对91个连接衍生指标进行探索性主成分分析（PCA），估计有效维度为9.6。
**3. 研究结果**
**3.1 全组分析：FEP vs. CTR**
静态连接：FEP组的聚类系数、节点强度和边级指标显著低于CTR组（图2），特征路径长度无组间差异，表明FEP整体局部连接较弱。
动态连接：聚类分析识别出五个不同的BNS。BNS 1和3主要与默认模式网络（DMN）相关，BNS 2、4、5以视觉区域为主，其中BNS 4为左半球偏侧化，BNS 5为右半球偏侧化且涉及注意和突显网络。组间比较显示，FEP仅在BNS 1中表现出特征路径长度变异系数的降低（图4），提示DMN主导状态下功能整合的变异性减少，即信息传输模式更加僵化、适应性调节能力减弱。
相关分析：静态连接指标与认知或精神病理学评分无显著相关。动态连接中，CTR组BNS 1的平均发生次数与社会认知评分呈显著负相关（图5a），而FEP组无此关联。在FEP组中，总解释方差与阳性形式思维障碍（PFTD）评分呈显著负相关（图5b），表明PFTD越高的个体与组级BNS模型的一致性越低。
**3.2 亚组分析：药物影响**
静态连接：所有亚组比较（用药FEP vs. CTR、未用药FEP vs. CTR、用药vs.未用药FEP）均无显著差异。
动态连接：用药FEP相比CTR，总解释方差降低且BNS 2中特征路径长度变异系数降低（图6，上排）。未用药FEP相比CTR，BNS 1中特征路径长度变异系数降低（图6，下排），重复了全组发现。用药与未用药FEP之间无直接显著差异，但两组相对于CTR的差异涉及不同BNS（分别为BNS 2和BNS 1）。
相关分析：认知方面，未用药FEP中BNS 2的覆盖率与社会认知呈负相关，而BNS 5的发生次数与社会认知呈正相关（图7）。静态连接无显著相关。阳性症状方面，用药FEP中静态连接强度、聚类系数与PFTD呈负相关，CPL与PFTD呈正相关；未用药FEP中静态指标与怪异行为（BIZB）相关。动态连接在未用药FEP中显示多数BNS的连接衍生指标和图论指标与BIZB相关；BNS 5中GCP变异系数与幻觉评分呈负相关；用药FEP中总解释方差与PFTD呈负相关。阴性症状方面，未用药FEP中静态连接强度、聚类系数与快感缺失-社交退缩（ANA）和意志缺乏-情感淡漠（AVA）呈负相关，CPL与它们呈正相关；动态连接在多数BNS中重现此模式，且BNS 5的图论指标与言语贫乏（ALO）和注意缺陷（ATT）强相关。用药FEP中BNS 4的时间指标与ATT呈正相关（图8）。
**3.3 讨论与结论**
讨论部分强调，动态连接分析能够捕捉到静态方法无法检测的FEP脑网络组织特征，包括DMN相关网络状态下功能整合变异性降低、与认知和精神病理症状的状态特异性关联，以及随用药状态而异的BNS特征。研究识别出的五个BNS在两组中均存在，且覆盖率或发生次数无显著差异，表明FEP中α频段连接配置的基本库得以保留，病理可能表现在这些状态的内部结构或变异性上。静态连接分析显示FEP α连接性降低，但效应量小且未通过多重比较校正，提示早期精神病的改变可能较为微妙。动态连接中唯一显著的组间差异是BNS 1的CPL变异系数降低，这可能反映了功能整合的自适应调制能力减弱，与精神病的失连接假说一致。
亚组分析显示，药物状态是异质性的重要来源。用药FEP相比CTR在BNS 2（视觉网络主导状态）中表现出较低的总解释方差和CPL变异系数，提示抗精神病药物可能调节网络动力学并产生可检测的特定连接特征；未用药FEP则保留了全组水平的BNS 1发现，提示该改变可能独立于治疗状态。相关分析中，动态指标揭示了静态指标未发现的脑-行为关联，如CTR中BNS 1发生次数与社会认知的负相关，以及FEP中总解释方差与PFTD的负相关。亚组内相关分析进一步显示未用药FEP中BNS时间指标与社会认知、阳性及阴性症状的关联。
研究结论认为，相对于静态连接指标，动态连接提供了非冗余信息，并强调了药物对精神病神经动力学的影响。动态连接应被视为研究精神病脑网络功能的补充框架，而非独立的诊断或预测工具。研究存在局限性，包括相关分析未跨指标校正、亚组样本量较小、回顾性数据、横断面设计等。未来需要在独立队列中重复结果，扩展频段分析，并采用纵向设计以更好刻画精神病网络动力学的演变。总体而言，动态连接分析有望成为表征精神病脑网络功能互补且敏感的工具。
