由重度抑郁症转化的双相障碍患者静息态脑电图的微状态分析

《Scientific Reports》：Microstate analysis from resting state electroencephalography in patients with bipolar disorder converted from major depressive disorder

　　

摘要

关于重性抑郁障碍（MDD）与双相障碍（BD）神经病理学的对比研究有限，亟需进一步深入调查。我们比较了由MDD转为BD患者的脑电图（EEG）微状态特征，并利用机器学习评估特定特征能否区分这两种疾病。我们纳入了53名未经治疗的MDD患者和17名由MDD转为BD的患者。评估的临床参数包括双极性、抑郁、焦虑、冲动性和认知功能。通过静息态EEG微状态分析比较各组特征，并将其与临床特征进行相关性分析。在全频段（1–30 Hz）中，与MDD组相比，转为BD组中微状态B的持续时间更长、出现频率更高、覆盖范围更广。从微状态A、C和D向B的转换概率在转为BD的患者中明显更高。delta频段中从D到A的转换与冲动性指标呈相关。基于微状态特征进行分组分类的准确率为75.71%（95% CI 65.71%–85.71%；p?<?0.001），灵敏度为70.59%（95% CI 47.06%–88.24%；p?=?0.027），特异度为77.36%（95% CI 66.04%–88.68%；p?<?0.001），ROC-AUC为0.766（95% CI 0.644–0.875；p?<?0.001）。本研究的局限性包括BD组样本量较小、各组间存在年龄差异、横断面设计限制了因果推断，以及微状态全局解释方差（GEV）值相对较低。这些初步的探索性发现表明，微状态特征可能为未来旨在区分MDD患者与后续转为BD的患者提供具有潜在信息价值的候选特征。