利用自然刺激下的神经影像探测精神分裂症的脑功能损伤亚型

Considerable heterogeneous in schizophrenia is revealed in its symptoms, treatment responses, and associated genes. Subtyping schizophrenia based on brain function deficits would essentially facilitate our understandings of the pathophysiology and advance treatment efficacy for this disabling disease. The underlying scientific question is how to decompose the variance in brain function deficits into subtypes, without the boundaries from symptom-based “golden standard”. To achieve this aim, a series of preceding works of the applicant have established methodologies for subtyping neuroimaging data. The remaining critical aspect for addressing the scientific question is how to further expose the brain function deficits of schizophrenia. Natural stimuli, under which subjects watch movie sceneries, can approach brain activities towards real-life status, while keeping them under control. This paradigm is capable to reflect dynamic inter-individual similarities in brain activities and is thus effective in revealing rich features of brain deficits. The current project brings in natural stimuli, aiming to discover brain deficit subtypes of schizophrenia by advancing both feature enhancement and feature detection. The project will develop novel data-mining methodologies for natural stimuli, examine its reliability and validity, construct clinical neuroimaging database with natural stimuli, propose brain deficit subtypes of schizophrenia through data-mining, and attempt to establish predictive associations between the subtypes and treatment efficacy. The novel methodologies and clinical database produced in this project will also contribute resources to subtyping studies of other mental disorders.

精神分裂症的症状、疗效及关联基因均存在严重异质性。根据脑功能损伤特征将精神分裂症分为高同质性亚型将对理解其病理机制和改善治疗效果产生重大贡献。该目标背后的科学问题是如何不局限于症状学“金标准”，在脑功能损伤特征的变异中探测亚型。申请人的系列工作为此提供了探测神经影像亚型的方法，而进一步凸显精神障碍患者的脑功能损伤特征是回答该问题的另一重要方面。自然刺激，即受试者观看接近生活的电影片段，可最大限度地使脑活动可控地接近日常状态，直接显示受试间脑活动的动态相似性，凸显丰富的脑活动特征。本项目拟引入自然刺激，通过特征增强和特征检测两方面的努力探测精神分裂症的脑功能损伤亚型。本项目将提出自然刺激下的神经影像挖掘新算法、验证其信度和效度、建立自然刺激的临床神经影像数据库，通过数据挖掘发现精神分裂症的脑功能损伤亚型并试图建立其对疗效的预测关系。本项目产出的新方法和数据库亦将为其他精神障碍研究提供资源。

本项目致力于发展和验证基于自然刺激的神经影像方法，并检验其在个体化精神疾病神经影像中的应用。本项目已完成的研究包括： 1）利用重复测量实验检验了自然刺激下，个体间脑同步活动表达个体差异的重测信度，并研究了影响重测信度的因素；2） 对比正常播放和乱序播放的自然刺激验证了该范式对分离不同脑功能网络的作用，以验证自然刺激范式在脑功能研究中的敏感性。3）发展基于动态个体间脑同步活动检测个体差异、识别精神疾病个体的计算方法，并应用于识别精神分裂症患者。本项目发现，具有社会和情感信息的自然刺激能可靠表现个体的脑活动差异，因而支持将该范式应用于临床研究。进一步，本项目将自然刺激范式应用于精神分裂症的个体化影像研究，利用患者与健康脑反应“常模”的个体差异较准确地识别个体，为自然刺激范式在精神疾病个体化影像研究提供了新的途径。该方法无需假定同一类患者具有相似的脑功能异常，适用于对脑功能异质性较大的群体开展个体化研究。项目团队共发表（含已接受）SCI论文12篇，均为项目负责人第一或通讯作者论文，均以第一或第二位置标注本项目。其中发表神经影像领域旗舰期刊Cerebral Cortex1篇、Neuroimage1篇、Human Brain Mapping1篇，Brain Structure & Function 2篇，及精神病学领域知名期刊Psychological Medicine1篇，Neurobiology of Aging1篇。项目团队获得北京市科技二等奖1项，项目负责人排名第二，同时提交发明专利申请3项。