【述评】精神影像大数据与人脑连接组学
点击标题下「蓝色微信名」可快速关注
文章来源：中华精神科杂志, 2018,51(4) : 221-223
作者：夏明睿 贺永
正文
精神疾病严重影响患者的认知功能和心理健康，给患者带来极大痛苦。在我国，各类精神疾病罹患总人数超过1亿，约占疾病总负担的13%，到2025年预计将达到23%，给家庭和社会造成沉重的经济和心理负担。然而，精神疾病目前的临床诊疗仍然面临诸多问题，如疾病诊断和治疗评估主要依赖临床症状，迫切需要客观可靠的生物标记物指导精神疾病的临床诊疗。近年来，多模态磁共振成像等脑成像前沿技术快速发展，能够非侵入性地检测活体人脑结构和功能活动特征，为研究精神疾病的脑功能和结构异常提供了重要手段，促进了精神影像学的发展[1]。Insel和Cuthbert[2]指出，需要摒弃精神失常的说法，应该从脑连接组紊乱的角度来理解精神疾病。基于精神影像的人脑连接组学通过系统刻画人脑网络连接模式[3,4]，为揭示重大精神疾病发病机制及临床辅助诊断和疗效评估提供了新理念和新技术[5,6,7]。
基于精神影像的人脑连接组学通过提取各个脑区之间的连接信息，在宏观水平绘制人脑网络连接图，定量描述人脑网络的结构和功能连接模式及拓扑特征，揭示健康和疾病脑网络的组织规律和运作机制。目前，基于精神影像的人脑连接组学已被广泛应用于精神疾病脑网络异常机制的研究。例如，Zhang等[8]采用大尺度复杂网络分析，揭示抑郁症患者的脑功能网络具有降低的最短路径和增高的全局效率（反映了脑网络的过度功能整合），表现出向随机化网络模型的偏移趋势，并进一步揭示背内侧前额叶、背外侧前额叶、海马等关键异常节点区域。Long等[9]研究显示，患者的白质连接网络具有降低的特征路径长度、归一化的集群系数；Singh等[10]在灰质形态学网络中发现抑症患者降低的集群系数，这些发现均反映了抑郁症患者脑网络表现出偏向随机网络的特点。Kaiser等[11]通过基于功能系统的功能连接元分析，认为抑郁症患者额顶控制网络内功能连接降低及其与内在导向注意（默认网络）和外在导向注意（腹侧、背侧注意网络）系统功能连接异常可能反映了患者对内在想法的压抑性偏见和与外部世界接触迟疑；而涉及认知控制的凸显网络和情感网络的功能连接异常则可能与调节情绪的缺陷有关。Wang等[12]采用高精度脑连接组分析方法研究了慢性未治疗精神分裂症患者的脑网络异常，发现患者脑网络连接异常更多位于默认网络、岛叶等。最近，Xia等[13]采用静息态功能磁共振成像大数据和高精度人脑功能网络计算框架，揭示了抑郁症、双相情感障碍和精神分裂症患者脑功能网络共性的随机化紊乱连接模式（反映了脑网络存在共性的过度功能整合），并发现网络的紊乱由内、外侧额顶皮质核心节点的中长距离连接增多和初级皮质的短距离连接减少所驱动，不同精神疾病在背外侧前额叶等关键脑区表现出异常程度上的特异性。
除了在精神疾病脑网络异常机制方面的研究，人脑连接组学计算方法也在疾病的亚型划分、治疗评估、治疗方案选择方面体现了重要价值。以抑郁症为例，Drysdale等[14]根据患者脑网络边缘系统和额叶-纹状体系统的异常连接模式，将抑郁症分成4种不同亚型，并且能够较好预测特定亚型患者对经颅磁刺激治疗的效果。Wang等[15]通过纵向研究设计揭示了抗抑郁药对抑郁症患者高精度脑功能网络关键位点的不同调控作用：背内侧前额叶与背外侧前额叶、丘脑的连接受调控降低，而海马与小脑之间的连接受调控增高。更重要的是，这些脑区连接强度的变化与患者抑郁症状临床评分的改善显著相关。Perrin等[16]的研究显示，电休克治疗能够调控抑郁症患者左侧背外侧前额叶与背内侧前额叶等关键脑区的连接，并与临床表现显著相关。Zeng等[17]研究显示，经过电休克治疗，首次发病未用药抑郁症患者脑结构网络的边缘系统、颞叶和额叶之间的连接强度发生改变，杏仁核与海马旁回间的连接强度变化与患者症状的减低显著相关。此外，脑连接组学计算方法也被用于个体化治疗方案的优化研究，Riva-Posse等[18]利用纤维追踪的方法对难治性抑郁症患者深部脑刺激靶点胼胝体下扣带回进行了个体化手术方案优化，提高了难治性抑郁症患者靶点定位的准确性，取得了良好的临床治疗效果。这些研究体现了神经影像人脑连接组学大数据对精神疾病治疗评估和手术方案的重要价值。
然而，现有的精神影像人脑连接组学研究仍然存在样本量偏小、研究结果不稳定、异常脑区生理基础不明等一系列问题。随着近年高时空分辨率成像技术的发展和精神疾病多中心多模态精神影像大数据库的涌现，精神影像的人脑连接组学研究已逐步进入了影像大数据时代[19]。在大数据时代，精神影像表现出多中心数据量大、多模态影像时空分辨率高、多维度生物信息丰富等显著特征[19]。精神影像大数据与人脑连接组学研究迫切需要发展新理念和新方法，将来的研究重点和发展方向主要涉及：（1）建立多中心多模态精神影像大数据库建设方法，发展适用于多中心的规范化精神影像及生物学信息采集、存储、管理技术，建立多模态精神影像全程数据质量控制方法体系，全面推广精神影像大数据开放共享的先进研究理念，为精神影像的脑连接组学研究提供优质充足的研究资源。最近，国际上已开展了一些具有针对性的多中心精神影像研究计划，如欧洲启动的PRONIA（www.pronia.eu）计划，希望为早期精神疾病开发个体化预后工具，即将启动的中国脑计划也将大力推动精神分裂症、抑郁症等精神疾病的大型队列建设。值得注意的是，多中心研究可能会由于不同临床、扫描环境和治疗方案的影响，导致研究结果的特征泛化，但中国具有病源优势，可从一个临床中心收集足够的数据，解决目前研究中无法避免的问题；（2）在精神影像大数据的基础上，发展适用于多中心多模态精神影像的人脑连接组学新计算理论、新计算方法和新分析策略，充分融合图论复杂网络分析、动态脑网络计算、深度神经网络等机器学习算法、脑连接组学元分析[20]等大数据挖掘技术探索精神疾病的脑连接组异常。针对精神影像大数据发展脑连接组分析和可视化软件也势在必行。当前北京师范大学及合作单位开发的GRETNA（www.nitrc.org/projects/gretna/）[21]、PAGANI（www.nitrc.org/projects/pagani_toolkit/）[22]、BrainNet Viewer（www.nitrc.org/projects/bnv/）[23]等平台，已经产生了广泛的国际影响，为精神影像大数据的人脑连接组学研究提供了重要计算方法支撑；（3）基于多中心多模态精神影像数据和高精度脑连接组学计算方法识别并验证精神疾病异常脑功能活动的可重复性，解决小样本单中心研究结果不稳定、难以重复的问题，进一步融合多维度生物学信息，解析精神疾病异常脑活动位点的基因表达特征、代谢水平、脑结构基础及相关认知功能，进而加深对精神疾病病理生理机制的理解，并为精神疾病的临床诊疗提供指导。
详情可点击下方阅读原文
参考文献（略）