伴混合特征的抑郁和双相障碍的神经影像学特征研究

The diagnosis of mixed features in major depressive disorder (MDD-MF) and bipolar disorder (BD-MF) constructs a continuum ranging from pure major depressive disorder (MDD) to pure bipolar disorder (BD). It is important to investigate the objective evidence for diagnosis and recognition of the mood disorder disease in the field of precision medicine. For neuroimaging mechanisms, functional and structural alterations in cortical-limbic-striatal (CIS) neural circuit are neuroimaging biomarkers for the MDD and BD patients. However, it is unclear to the neuroimaging mechanisms for the MDD-MF and BD-MF, which are in the middle of the mood disorder spectrum. Therefore, whether there are specific neuroimaging characteristics in the CIS, could be used to recognize the MDD-MF and BD-MF? Whether the alteration of the neuroimaging characteristics for the MDD-MF, BD-MF, MDD and BD patients is continuum? In order to clarify these issues, this study aims to (1) investigate the differential neuroimaging characteristics between the MDD-MF and BD-MF in the CIS, and construct a machine learning model to recognize them; (2) investigate the similarity of brain structural and functional features within MDD, MDD-MF, BD-MF and BD patients, and explain the relationship of the alteration of the neuroimaging characteristics for the disease among the mood disorder spectrum. The findings obtained in this project will provide objective evidence for early diagnosis and treatment for the disease among the mood disorder spectrum.

抑郁障碍（MDD）、伴混合特征的抑郁障碍（MDD-MF）和双相障碍（BD-MF）、双相障碍（BD）构成连续性情感障碍谱系，揭示其诊断和鉴别的客观依据是精准医疗领域的热点。皮层-边缘系统-纹状体（CIS）神经环路结构和功能异常是MDD和BD患者的差异神经影像标志，然而，MDD-MF和BD-MF的神经影像特征尚不清楚。在前期工作基础上，本项目拟研究MDD-MF和BD-MF在CIS神经环路上是否存在可鉴别两者的特异性神经影像特征，并探讨是否与MDD和BD的神经影像特征具有连续谱系变化。具体而言，本项目拟（1）基于CIS神经环路研究MDD-MF和BD-MF的差异神经影像特征，构建可鉴别两者的模型；（2）利用相似度算法研究MDD、MDD-MF、BD-MF、BD神经影像特征的相似性，阐述连续情感障碍谱系中疾病的神经影像特征变化关系。期望本项目的研究成果能为情感障碍谱系疾病的早期诊断和治疗提供客观依据。

抑郁障碍、伴混合特征的抑郁障碍和双相障碍、双相障碍构成连续性心境障碍谱系，揭示其诊断和鉴别的客观依据是精准医疗领域的热点。其中，伴混合特征的抑郁障碍和双相障碍的临床表现更复杂，病程更长，治疗预后较差，给患者和家庭带来沉重的负担。然而，伴混合特征抑郁障碍和双相障碍的神经影像机制尚不清楚，缺乏客观的鉴别诊断生物标志。本项目首先利用神经影像分析技术分析了伴混合特征抑郁症和双相障碍患者神经影像特征的异同点，采用低频振荡振幅分析方法初步发现心境障碍谱系患者额叶、颞叶、小脑、中缝核等多个脑区局部自发脑活动异常，并且伴混合特征的双相障碍患者相对于伴混合特征的抑郁障碍患者，中缝核局部自发脑活动较弱；采用局部一致性和功能连接模式分析方法，提示伴混合特征的抑郁障碍和双相障碍患者梭状回、楔前叶和额叶脑区的活动异常；采用脑网络功能连接分析方法，发现伴混合特征的抑郁障碍患者存在默认网络子系统的功能连接异常，尤其是默认网络核心子系统内存在广泛的异常连接。随后，采用自适应加权低秩学习方法构建功能连接矩阵，利用机器学习方法初步构建了鉴别诊断模型。最后，本项目采用基于网络的统计方法分析了神经影像特征与抑郁和躁狂症状的相关性，发现与抑郁症状相关的脑网络主要集中在视觉网络-默认网络间，感知觉运动网络-默认网络间和默认网络内；与躁狂症状相关的脑网络主要集中在感知运动网络-默认网络间，感知觉运动网络-额顶网络间和感知运动网络内。这些研究发现有助于加深对伴混合特征抑郁障碍和双相障碍病理机制的理解，为早期识别的实现提供科学依据。