难治性精神分裂症及其MECT治疗的脑网络特征研究

Schizophrenia is a type of serious, disabling mental illness.. About 30% of the patients do not respond adequately to pharmacological treatment, and are diagnosed with refractory schizophrenia. Modified electroconvulsive therapy (MECT) is now a common treatment for refractory schizophrenia. Its efficiency has been confirmed in the clinical practice, although the mechanism of the treatment remains unclear. Most of studies focused on the physiological and biochemical mechanism caused by MECT in animal models. Based on structural MRI, diffusion MRI, MRS and fMRI, This project focus on the brain structural and functional networks to investigate the core brain networks and their properties in patients with refractory schizophrenia. Moreover, the dynamic changes of the core networks before and after the MECT treatment will be investigated to find the MECT's effects on the core networks in refractory schizophrenia patients and to choose the biomarkers of MECT. The association between the core network and networks of frontotemporal networks, as well as the whole brain network will be studied to investigate the dynamic changes of these features. The findings will contribute to understanding the pathophysiology of refractory schizophrenia and the mechanism of action of MECT, and help to clear the neurobiological theory of the diagnosis of refractory schizophrenia and optimizing the therapeutic regimen of MECT.

精神分裂症是一种严重致残性精神障碍疾病，其中约30%患者在持续正规的药物治疗无效后发展为难治性精神分裂症，改良电抽搐治疗(MECT)是其重要的临床治疗手段。MECT的疗效虽早已被临床实践所证实，但其治疗机制尚不明确。已有的研究主要在动物模型上进行生理生化的探讨，但少有人类的神经成像研究。本项目借助磁共振成像技术（MRI），从结构、波谱、弥散和功能MRI的角度分析脑区及脑网络特征，探究难治性精神分裂症的核心网络特征。通过对MECT治疗前后的核心网络改变的动态追踪，阐明MECT对难治性精神分裂症核心网络的影响，寻找能反映MECT疗效的特异影像指标；进一步探索核心网络和其他额顶静息态网络之间的关系以及全脑网络的特征，考察全脑多个层次的脑网络特征的动态变化。研究结果将有助于理解难治性精神分裂症的病理机制及MECT起效的神经机理，为难治性精神分裂症的诊断及MECT治疗方案优化奠定理论基础。

本项目借助多模态磁共振成像技术，从结构和功能的角度分析脑区及脑网络特征，探究难治性精神分裂症的核心网络特征。通过对 MECT 治疗前后的核心网络改变的动态追踪，阐明 MECT 对难治性精神分裂症核心网络的影响，寻找能反映 MECT 疗效的特异影像指标；进一步探索核心网络和其他额顶静息态网络之间的关系以及全脑网络的特征，考察全脑多个层次的脑网络特征的动态变化。通过本项目实施，主要完成的研究内容包括：1.从大脑结构灰质体积角度出发，刻画了精神分裂症患者灰质体积萎缩随着病程的动态变化趋势，并通过格兰杰分析揭示了精神分裂症各个脑区灰质萎缩因果预测关系，发现丘脑是因果预测网络中的核心出度节点；2. 利用聚类分析将全脑白质体素功能网络聚成浅层网络、中层网络和深层网络，发现精神分裂症患者深层白质网络和浅层的感知觉-运动白质网络以及感知觉-运动灰质网络功能连接增强，而感知觉-运动白质网络以及感知觉-运动灰质网络的功能连接下降，揭示了精神分裂症皮层上与皮层下功能网络的过度和连接异常的白质功能基础；3.通过元分析和不同尺度动态功能连接分析发现与精神分裂症患者病理机制有较强关联的核心网络，包括突显网络、中央执行网络、默认模式网络与丘脑等关键脑网络，表明突显网络与其他核心网络的功能连接异常可以揭示病人自我障碍的病理神经机制；4.利用功能磁共振成像，从关键脑区结构和功能特则角度出发探究MECT效应，发现MECT可以优化脑岛和海马结构和功能连接特征，揭示了MECT对核心脑区功能的动态干预机制；5.利用全脑功能连接密度和动态功能连接分析方法，对MECT对突显网络、默认模式网络和中央执行网络等核心网络效应的动态变换进行了系统研究，发现精神分裂症患者MECT治疗前后的核心网络时变指标的改变和症状的改善有显著相关性，通过机器学习算法我们发现MECT治疗前的时变指标可以成功预测MECT治疗后症状缓解情况。项目执行期间发表SCI 论文39篇(IF>5的9篇)，其中包括本领域著名专业杂志，Schizophrenia Bulletin、Cerebral Cortex、British Journal of Psychiatry、Radiology、Human brain mapping、Neuroimage、Schizophrenia Research等。