大型抑郁症的数据驱动认知亚型:左状回环和小脑灰质缩

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.
• 机器学习 机器学习

背景情况:

• 大型抑郁症 (MDD) 是异质的.
• 识别不同的MDD亚型对于向治疗至关重要.
• 认知配置文件为亚型分类提供了一个有希望的途径.

研究的目的:

• 使用机器学习将MDD患者分为同质的认知亚型.
• 用多式神经成像来识别这些MDD亚型特有的神经特征.

主要方法:

• 将半监督机器学习 (HYDRA) 应用于147名MDD患者和222名健康对照者的认知数据.
• 使用了剑桥神经心理测试自动化电池 (CANTAB) 和磁共振成像 (MRI).
• 使用通用线性模型 (GLMs) 和基于voxel的形态测量 (VBM) 进行神经成像分析.

主要成果:

• 患有MDD的患者被分为认知缺陷 (CD,N=75) 和认知维护 (CP,N=72) 亚型.
• 与HC患者相比,VBM揭示了MDD患者左状回环和小脑灰质体积 (GMV) 的减少.
• 患有CD的患者在这些区域的缩比CP患者更大;在MDD亚型和HC中观察到叶ALFF下降,没有亚型之间的差异.

结论:

• 一种具有综合认知缺陷的MDD亚型与左状回环和小脑的结构性缩有关.
• 这些缩区域可以作为MDD的认知缺陷亚型的潜在生物标志物.
• 两种认知亚型之间没有发现低频波动 (ALFF) 幅度的显著差异.