《Translational Psychiatry》:Normative age-related structural brain deviations underlying psychopathology, cognitive impairment and neurological soft signs in schizophrenia spectrum disorders
编辑推荐:
本研究为揭示精神分裂谱系障碍(SSD)个体化脑结构异常图谱,将已公开、基于约5.7万名健康对照预训练的大型神经解剖规范模型(PCNtoolkit)应用于六个独立队列。研究发现,模型衍生的个体脑结构偏差特征可实现跨站点的SSD分类,并成功映射出与认知损害(注意力和处理速度)及神经系统软体征(NSS)相关的关键脑区(如边缘系统和感觉运动皮层)。这支持利用大规模多中心数据开发生物标志物,并为早期针对性干预提供了新思路。
在精神医学与神经科学的交界处,精神分裂谱系障碍(Schizophrenia Spectrum Disorders, SSD)始终是一个复杂而充满挑战的领域。这种疾病不仅表现为典型的幻觉、妄想等阳性症状,还常伴随着广泛的认知功能损害,如注意力、处理速度的下降,以及神经系统软体征(Neurological Soft Signs, NSS)——这些并非由明确局部脑损伤引起,却可被观察到的轻微神经系统异常。传统研究通常将患者群体与健康对照组进行比较,寻找“平均化”的脑结构差异。然而,人脑结构存在巨大的个体差异,这种群体平均的比较方法,可能会掩盖掉对个体而言至关重要的特异性异常模式。那么,能否有一种方法,能够像绘制“生长曲线”一样,为每个人的大脑结构建立一个“健康标准”,从而精准量化其偏离“常态”的程度呢?这正是神经解剖规范建模(Neuroanatomical Normative Modeling, NM)试图回答的问题。
尽管规范模型在理论上前景广阔,但其在实际临床应用,尤其是在复杂的精神疾病如SSD中的应用,仍面临两大关键挑战。首先,模型的通用性:一个基于大规模健康人群数据预训练的模型,能否有效地应用于来自不同扫描设备、不同研究中心的独立患者队列,并保持其判别效能?其次,临床相关性:模型所量化出的个体脑结构“偏差值”,是否真的与患者具体的临床症状,如认知损害和神经系统软体征,存在有意义的关联?为了回答这些问题,一项发表在《Translational Psychiatry》上的研究,进行了一次大规模、跨站点的探索。
为了系统回答上述问题,研究人员开展了一项整合分析。他们首先采用了一个已公开的PCNtoolkit规范模型,该模型基于来自全球82个站点的约57,000名健康对照者的T1加权磁共振成像(MRI)数据训练而成。随后,研究者将这个预训练好的模型,应用于六个完全独立的、总计包含831名参与者的SSD研究队列的MRI数据中。通过这一过程,为每一位SSD患者和健康对照者生成了个体化的、可量化的脑结构偏差图谱,重点关注皮层厚度(Cortical Thickness, CT)和皮质下体积两个指标。在此基础上,研究团队利用随机森林(Random Forest)分类器,并采用留出站点交叉验证(Leave-Site-Out Cross-Validation)的策略,来评估这些NM特征在区分SSD患者与健康对照时的跨站点泛化能力。进一步,通过特征重要性分析,识别出对分类贡献最大的脑区特征。最后,研究采用了典型相关分析(Canonical Correlation Analysis, CCA),来探究脑结构偏差模式与临床症状(认知表现和NSS评分)之间的多变量关联。
本研究主要采用了神经解剖规范模型(PCNtoolkit)对T1加权磁共振成像(MRI)数据进行处理,量化个体在皮层厚度和皮质下体积上相对于大健康人群规范的偏差。研究数据来源于六个独立的、总计831名参与者的多中心队列。利用随机森林分类器进行留出站点交叉验证以评估模型的分类泛化能力,并通过典型相关分析来探索脑结构偏差模式与临床行为指标(认知测试与神经系统软体征评分)之间的多元统计关联。
跨站点分类与关键预测特征
研究人员利用从规范模型导出的个体偏差特征,训练了一个随机森林分类器。在严格的“留出站点”交叉验证框架下(即每次将一个站点的数据作为测试集,其余站点数据训练),模型在区分SSD患者与健康对照时达到了65%的平衡准确率。这一结果凸显了SSD神经生物学基础的异质性及其分类的固有复杂性。进一步的特征分析揭示,对分类最重要的预测特征包括:总灰质体积、平均皮层厚度,以及来自边缘系统和感觉运动皮层区域的皮层厚度变化。
极端负性偏差的临床负担
与健康对照组相比,SSD参与者显示出更高的极端负性偏差(即脑结构测量值显著低于健康规范预期)负担。更重要的是,这种更高的极端负性偏差负担,在统计上显著关联于更差的注意力与处理速度测试表现,以及更高的神经系统软体征评分。这表明,量化出的“非典型”脑结构程度,可以直接反映临床功能的损害水平。
脑结构偏差与行为症状的多变量关联
通过典型相关分析,研究发现了稳健的多变量关系。一组特定的脑结构偏差模式(典型变量)与一组临床症状(另一个典型变量)之间存在强相关。其中,对关联贡献最大的脑区特征再次指向边缘系统和感觉运动皮层的皮层厚度变化。这以多元统计的方式证实,这些特定脑区的结构偏离,共同构成了与SSD认知损害和神经系统软体征相关的核心神经解剖基础。
本研究通过将大规模预训练的神经解剖规范模型成功迁移到多个独立的SSD队列,证实了该方法在跨研究中心泛化方面的可行性。研究所达到的65%的平衡分类准确率,在承认疾病异质性的同时,验证了NM特征作为潜在跨站点稳定生物标志物的价值。研究首次系统性地将个体化的脑结构规范偏差,与SSD的核心临床症状维度——认知损害(特别是注意力与处理速度)和神经系统软体征联系起来,建立了从“异常脑指标”到“临床功能障碍”的定量化桥梁。其中,边缘系统和感觉运动区域的皮层厚度被一致地识别为分类的关键特征,并与临床症状呈现稳健的多变量关联,提示这些脑区在SSD的病理生理机制中扮演着枢纽角色。这些发现有力地支持了整合多模态、大规模数据集的研究范式,通过规范建模量化个体差异,能够推进针对精神分裂谱系障碍的客观生物标志物发现,并为未来开发更早期、更具针对性的临床干预策略提供了重要的神经科学依据。