抑郁症脑影像大数据联盟简介

抑郁症脑影像大数据联盟简介

 

脑影像学已经被广泛用于研究重性抑郁障碍（Major Depressive Disorder, MDD）的脑活动异常机制，试图找到MDD诊断生物学客观标准并进行精准治疗。但是，由于磁共振检查价格高昂（2000元每人每小时），目前脑影像学研究的样本量都很小（<100）。由于样本量小，统计力不足，再加上脑影像分析方法存在许多问题，研究结果相互抵触，暂时无法作为抑郁症诊断生物学指标1。中国科学院心理研究所严超赣研究员在脑影像方法学上具有深厚积淀，曾提出多种脑影像方法学问题的有效解决方案，建立了国际一流的脑影像分析平台，以此为基础突破了抑郁症脑影像研究“小样本”瓶颈。严超赣研究员联合杭州师范大学臧玉峰教授和中南大学湘雅二医院赵靖平教授，联络DPARSF的国内临床用户，联合全国精神科专家，牵头建立了抑郁症脑影像大数据联盟（REST-meta-MDD）。联盟由各站点统一按照标准化流程对MDD数据进行处理，然后将得到的静息态功能磁共振成像指标汇聚成大数据，探讨脑网络的自发活动及功能连接异常模式。目前，联盟已成功汇聚了来自17家国内医院和大学的25个抑郁症研究组的1300例抑郁症患者和1128例正常对照数据，建成了目前世界上最大的含被试个体数据的抑郁症脑功能影像数据库，并向全球研究者公开。

由于大数据来自不同的研究医院和扫描仪，具有较强的异质性。严超赣研究员基于数据标准化的脑影像方法学研究成果，采用线性混合模型，有效地控制了站点效应。再结合严超赣研究员在头动校正和多重比较校正方法学上的研究成果，采用了有效严格的校正方法，得到了抑郁症大脑网络模式的可靠结果。在大脑的各个网络中，默认网络（default mode network, DMN）2是一系列静息状态下的活动比任务过程中更加活跃的脑区，与抑郁症存在密切关系3，但存在着其活动异常增高、减低、或无异常的争论4,5。基于大数据和严谨的分析方法，严超赣研究员团队和联盟发现，MDD患者默认网络内部功能连接显著比正常对照减低（图2）。并且，这主要是由复发的MDD患者贡献的，在首发未用药MDD患者中并未见明显改变。由于复发MDD患者混合了病程长和用药两种因素，进一步的分析表明，默认网络功能连接减低主要是由于用药引起。该研究解决了关于默认网络功能连接在抑郁症中增强或减低的争论，提示了抗抑郁药物在默认网络中的起效机制，发表于《美国国家科学院院刊》（PNAS）6。该数据首先向联盟成员开放，联盟内部已有多项研究发表（见发表文章列表）。2020年1月1日起，该研究汇聚的数据，已向全球研究者公开（http://rfmri.org/REST-meta-MDD），是目前世界上最大的可公开获取的抑郁症脑影像数据，改变了抑郁症脑影像学研究领域内封闭的小样本传统，开启了大数据合作共享的新模式。已有包括Stanford University和University of North Carolina在内的近200家研究单位申请并获批使用。首发PNAS论文已入选ESI Top 1%高被引论文，充分证明了抑郁症脑影像大数据科研工作的原创性和国际影响力。

数据构成与抑郁症患者默认网络异常模式

针对抑郁症诊断治疗缺乏生物学客观标准这一难题，严超赣研究员未来将带领其科研团队和联盟成员进一步将抑郁症脑影像大数据联盟扩充为国际联盟，汇集国际抑郁症脑影像大数据，纳入其他类型的精神疾病（如双相情感障碍、精神分裂症等）数据，采用深度学习和迁移学习，建立基于脑影像的抑郁症深度神经网络分类器，提取高敏感高特异的脑影像指标。联盟将协调采集不同抗抑郁药物的纵向跟踪数据，构建抑郁症基线指标用以预测8周及一年后的疗效，并指导药物的精准选择。另外，联盟将通过导航经颅磁刺激技术（transcranial magnetic stimulation, TMS），针对脑影像大数据定位的个体化异常脑区进行TMS刺激，以改进现有的抑郁症TMS治疗方式。严超赣研究员期望通过抑郁症脑影像大数据联盟的通力合作和协同努力，有效构建用于抑郁症诊断治疗的脑影像学生物指标，改善抑郁症诊断和治疗现状，为抑郁症等精神疾病患者及其家属带来福音！

 

参考文献

1          Poldrack, R. A. et al. Scanning the horizon: towards transparent and reproducible neuroimaging research. Nat Rev Neurosci 18, 115-126, doi:10.1038/nrn.2016.167 (2017).

2          Raichle, M. E. et al. A default mode of brain function. Proceedings of the National Academy of Sciences 98, 676-682, doi:10.1073/pnas.98.2.676 (2001).

3          Hamilton, J. P., Farmer, M., Fogelman, P. & Gotlib, I. H. Depressive Rumination, the Default-Mode Network, and the Dark Matter of Clinical Neuroscience. Biological psychiatry 78, 224-230, doi:10.1016/j.biopsych.2015.02.020 (2015).

4          Berman, M. G. et al. Depression, rumination and the default network. Soc Cogn Affect Neurosci 6, 548-555, doi:10.1093/scan/nsq080 (2011).

5          Wu, M. et al. Default-mode network connectivity and white matter burden in late-life depression. Psychiatry Res 194, 39-46, doi:10.1016/j.pscychresns.2011.04.003 (2011).

6          Yan, C. G. et al. Reduced default mode network functional connectivity in patients with recurrent major depressive disorder. Proc Natl Acad Sci U S A 116, 9078-9083, doi:10.1073/pnas.1900390116 (2019).