在主要抑郁症中剖析异质性,通过对功能性大脑网络的规范模型驱动子类型

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 计算精神病学是一种计算精神病学.

背景情况:

• 大型抑郁症 (MDD) 是一种复杂的心理健康状况,具有多种症状.
• 了解MDD的潜在大脑机制和网络异质性是一个重大挑战.
• 大脑网络中的个体差异和亚型变异有助于症状的多样性.

研究的目的:

• 在重大抑郁症 (MDD) 中调查大脑网络拓学.
• 根据大脑网络偏差来识别MDD的不同亚型.
• 探索已识别的MDD亚型的认知相关性.

主要方法:

• 利用了797名MDD患者和822名健康对照者的休息状态功能磁共振成像 (rs-fMRI) 数据.
• 应用HC的规范建模来量化MDD患者大脑网络中心度的个体偏差.
• 采用k-means集群来识别MDD亚型和神经合成用于认知相关分析.

主要成果:

• 根据大脑网络中的中心度偏差,确定了两种不同的MDD亚型.
• 亚型1:在边缘网络,前端对象网络和默认模式网络中呈阳性偏差;在视觉和感觉运动网络中呈阴性偏差;与更高的认知相关.
• 亚型2:相反的模式;在边缘,前对对和默认模式网络中的负偏差;在视觉和感觉运动网络中的积极;反向的认知关联.

结论:

• 这些发现突显了MDD患者群体内的显著异质性.
• 揭示了大脑网络拓学的两个不同的模式,区分单模和跨模网络.
• 这些亚型为MDD的个性化诊断和治疗策略提供了基础.