抑郁症共病焦虑障碍的人脑复杂网络特征与认知功能异常研究

Depression and anxiety disorder are common, harmful mental diseases. The depression has high rates of comorbidity with anxiety disorder. Patients with comorbid depression and anxiety disorders (CDAD) have more serious cognitive dysfunctions than those with depression or anxiety disorder. Previous neuroimaging studies have indicated damages to “emotion-cognitive circuit” in patients of depression, anxiety disorder, and CDAD. Moreover, the degree of damages to “emotion-cognitive circuit” is significantly correlated with the level of depression and anxiety. In this study, we plan to construct human brain structural and functional networks using multi-modal MR images. Human connectome analysis will be applied to analyze the network properties of human brain complex networks in patients with CDAD. We will analyze how depression and anxiety disorders affect brain network properties. The correlations between brain network properties and the level of cognitive dysfunctions will also be investigated. This study will try to clarify the characteristics of structural and functional connectivity in patients with CDAD and attempt to identify some potential biological markers for the early warning, diagnosis, prevention, and treatment of CDAD.

抑郁症和焦虑障碍都是常见、危害性极大的精神疾病，两种疾病共病率非常高，是精神科临床最常见的共病形式之一。以往的神经影像学研究发现抑郁症、焦虑障碍对“情绪-认知神经环路”均有不同程度的影响，并且与疾病的严重程度高度相关。抑郁症共病焦虑障碍会加重患者的情绪及认知功能异常，然而其神经病理机制还不明确。本课题基于多模态磁共振图像构建脑结构及功能网络，利用人脑连接组学的分析方法，研究抑郁症共病焦虑障碍患者脑复杂网络的拓扑结构及属性，分析与疾病程度、认知功能异常之间的相关性。本课题将从系统水平上理解抑郁症共病焦虑障碍的脑结构及功能连接通路的特征和变化规律，揭示神经环路异常与精神疾病发病机制之间的关系，为患者的临床和行为异常提供新的神经病理机制解释，而且也具有潜力开发出神经影像生物学标记用于疾病的早期预警、辅助诊断、药物及心理治疗方法的疗效评价，具有重要的临床价值和市场前景。

抑郁症和焦虑障碍都是常见、危害性极大的精神疾病，两种疾病共病率非常高，是精神科临床最常见的共病形式之一。抑郁症共病焦虑障碍会加重患者的情绪及认知功能异常，然而其神经病理机制还不明确。本课题基于多模态磁共振图像，利用基于体素形态学分析、人脑连接组学分析、机器学习等方法，研究抑郁症共病焦虑障碍患者、抑郁症患者以及健康被试的脑结构形态及脑复杂网络属性，分析其与疾病程度、认知功能异常之间的相关性，并基于脑影像学指标实现被试的自动分类。本课题主要发现包括：1）与健康人相比，抑郁焦虑共病患者与抑郁症患者呈现出不同方向（增加/减少）的灰质体积异常，特别是左侧岛叶部分脑区的灰质体积分别增加和减少，且灰质体积与抑郁、焦虑水平都高度相关；2）与健康人相比，共病患者、抑郁症患者大脑结构网络节点属性都有显著改变，并且两组患者呈现出相反的变化趋势。本课题发现揭示了抑郁焦虑共病患者与抑郁症患者神经环路异常的特征，特别是揭示了共病患者与抑郁症患者脑结构损伤、脑网络特征异常表现出相反的变化趋势，为抑郁焦虑共病患者的临床和行为异常提供新的神经病理机制解释。此外，基于机器学习的自动分类结果，为开发出神经影像生物学标记用于抑郁焦虑共病患者及抑郁症患者的辅助诊断奠定了基础，具有重要的临床价值和市场前景。