Nature子刊：基于静息态EEG功能连接模式识别精神疾病亚型

《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》

摘要：精神疾病在神经生物学和临床表征上存在异质性，基于数据驱动的疾病亚型识别有助于精神疾病的诊断和治疗，本文报告了创伤后应激障碍(PTSD)和重度抑郁障碍(MDD)两种临床相关亚型的识别，这两种疾病亚型主要通过在额顶叶控制网络（FPCN）和默认模式网络内（DMN）中稳定、有区分度的功能连接模式来建立。本文分析了四组PTSD和MDD患者数据集，在高密度静息态脑电图中重建信号，探究重建信号的能量包络连接性特征（PEC），通过有监督和无监督的机器学习确定疾病亚型，并表明这些疾病亚型在不同条件下记录的独立数据集之间是可转移的。与健康对照组相比，功能连接差异较大的疾病亚型对PTSD的心理治疗反应较差，对MDD的抗抑郁药物没有反应。在MDD数据集中，PTSD和MDD两种临床相关亚型对接受心理治疗同时接受重复经颅磁刺激（rTMS)治疗反应相似。本文通过稀疏聚类的数据驱动方法可能为基于连接组的诊断提供一个有效的解决方案。
一、背景介绍
精神病的诊断是根据一系列症状来定义的。例如，创伤后应激障碍(PTSD)涉及一系列情绪、认知和躯体症状，这些症状可能在一个人经历或目睹了一个对个人造成严重伤害或威胁的创伤事件后出现。同样，重度抑郁症(MDD)以持续的负面情绪为特征，通常与生理、心理或社会压力来源有关。研究精神疾病神经生物学的传统方法遵循了这一诊断框架，通过病例对照研究，将所有精神疾病患者与健康个体进行比较。然而，研究病例-对照组的差异可能会阻碍精神病学生物标志物的发现和对精神病理生物学的理解，在当前的临床诊断定义中，患者和健康对照患者中存在高度的生物学异质性，而这种生物异质性对治疗结果有重大影响，如何识别和复制能够阐明这种异质性的生物标志物是一个长期的挑战。本文试从高密度静息态脑电图（rsEEG）中重建源信号，并从重建的信号中提取功能包络连接特征（PEC），从PEC特征中寻找生物标志物。
研究主要目标：描述PTSD和MDD的神经生物学异质性，通过稀疏聚类的数据驱动方法，从静息态脑电图的功能包络连接（rsEEG-PEC）中识别出生物标志物，从而阐明精神病学在神经生物学和临床表征上的异质性。
研究方法概览
在四个独立的数据集中进行亚型分析，数据集包括两个PTSD数据集和两个MDD数据集。从一个PTSD数据集的rs-EEG中重建信号，从信号中提取PEC特征，根据PEC特征确定两种稳定且可复制的临床相关亚型。然后在其他数据集上对发现的亚型进行复制分析，探究数据集疾病亚型的可转移性，最后探究发现的疾病亚型在不同的临床干预下的反应，分析亚型的临床意义。
二、研究设计
数据集1：106名创伤后应激障碍患者和95名健康对照者（曾受创伤的健康参与者）的创伤后应激障碍数据集；研究人员使用BrainAmp直流放大器(Brain Products)以5 kHz采样率采集PTSD患者的脑电图数据，模拟带通滤波在0 - 1 kHz之间。按照标准的10-20系统，使用带有64个Ag/AgCl电极的Easy EEG帽进行数据记录。参考电极被固定在鼻尖上。在实验过程中，参与者被安排坐在一张舒适的椅子上，并被要求保持清醒，完成两个阶段(闭上眼睛三分钟和睁开眼睛三分钟)，之后进行脑电信号的预处理。
数据集2：创伤后应激障碍135例患者，这些参与者是在北加州或新墨西哥州的退伍军人事务诊所的心理治疗评估中，基于符合创伤后应激障碍的临床标准而招募的。采用 (EGI)放大器，以1 kHz采样率和256个电极采集创伤后应激障碍患者的脑电图数据，在数据记录期间电极阻抗保持在50 KΩ以下。在实验中，参与者坐在一张舒适的椅子上，并被要求保持清醒，完成两个阶段(10分钟闭眼和10分钟睁开眼)。静息状态的脑电图预处理。记录的rsEEG数据使用与PTSD研究数据集1中相同的方式处理。
数据集3：重度抑郁症266例患者，在四个研究地点:德克萨斯大学西南医学中心(TX)、麻省总医院(MG)、哥伦比亚大学(CU)和密歇根大学(UM)，根据机构审查委员会批准的方案，每个参与者都获得了书面知情同意。rsEEG记录了四个研究地点。在所有研究地点，都进行了放大器校准。实验人员通过视频会议演示了准确的脑电图帽放置和任务指令传递，试验受试者脑电图数据获得了哥伦比亚脑电图团队的认证。rsEEG被记录在4个2分钟的区块中(两个闭着眼睛的区块和两个睁开眼睛的区块)。参与者被要求保持静止，尽量减少眨眼或眼球运动，并在眼睛睁开的情况下注视中心呈现的十字。记录的rsEEG数据使用与PTSD研究数据集1中相同处理。结果，在266例治疗前脑电图记录的患者中，228例有可用的脑电图数据可供分析。38例无法使用脑电图记录的患者主要表现为不良脑电图通道过多、通道总功率过大。
数据集4：重度抑郁症179例患者，179名患者来自荷兰的三家门诊精神保健诊所。根据10-20电极国际系统，所有通道的采样率为500赫兹。受试者被要求睁开眼睛，闭上眼睛，安静地休息2分钟。使用与数据集1同样的方式处理记录的rsEEG数据。
重复经颅磁刺激治疗：所有患者均接受了10 Hz到左侧背外侧前额叶皮层(DLPFC)或1 Hz到右侧DLPFC的刺激方案的治疗，或同时接受这两种治疗。
源定位PEC的计算：我们利用脑电源信号的源空间PEC特征作为分型分析的依据。PEC测量两个脑电信号的功率包络之间的相关性，表征任何一对大脑区域之间的振幅同步。在计算功率包络线之前，正交化两个脑电信号的分析时间序列，PEC消除了零相位延迟连接。
神经生理学亚型识别：对于每个参与者，我们将所有八种条件（四个典型频带和睁眼/闭眼）提取的PEC特征结合起来，形成维度为465 × 8 = 3720的特征向量。如此大量的特征通常包括冗余信息，数据中出现的真正潜在子类型可能只与部分PEC特征有关。为了在所有条件下自动确定最明显的PEC特征，以更准确地识别神经生理亚型，我们利用了稀疏聚类算法，该算法实现联合特征选择和聚类分析。图1说明了亚型识别的整个算法框架。

图1 确定疾病亚型算法的框架

框架详解：不同通道脑电图信号首先通过带通滤波成四个典型频带:theta (4-7 Hz)、alpha (8-12 Hz)、beta (13-30 Hz)和gamma (31-50 Hz)。通过源定位将通道空间脑电信号转换为源空间信号。利用主成分分析将每个顶点处的三维估计源信号降化为主成分的一维时间序列。然后在每个顶点小波变换提取分析信号，在小波分析信号的基础上计算各顶点的功率包络信号，并对其他所有顶点进行正交处理。PEC计算为每个顶点对的功率包络之间的皮尔逊相关系数，然后是Fisher的r-to-z变换。通过对所有对应顶点对的PEC值进行平均，进一步提取PEC特征。然后使用稀疏聚类实现数据驱动的方法来探索潜在重要的PEC生物标志物，以发现神经生理亚型。
三、结果
由于不同的频带和脑电图静息状态 (例如，睁眼和闭眼)可能携带不同的神经生物学信息，哪种情况具有最丰富的特征用于亚型识别是先验未知的。本文没有单独分析每个条件，采用稀疏聚类方法，通过最大化聚类间的不相似性和对PEC特征的稀疏性约束来实现同时的特征选择和聚类。在创伤后应激障碍发现数据集(数据集1)上实现数据驱动的亚型识别，结合了所有8种脑电图条件(睁眼/闭眼条件下的4个频带（theta, alpha, beta和gamma)的PEC特征，并将这些特征提交给稀疏聚类算法。如图2a所示，所选PEC特征主要来自beta频段和睁眼状态，且两种临床相关亚型在额叶和后叶区域处具有较强的连通性差异(图2b)。观察图2c的健康对照组对照组与亚型1、亚型2 的平均连通性，图2c散点图显示，健康对照组和亚型1之间的平均连通性模式高度相似(r = 0.94, P < 10−5)，但健康对照组和亚型2之间的连通性较差(r = 0.44, P < 10−5)。

图2 静息态脑电图功率包络连接在PTSD数据库中定义了两种临床相关亚型

图3 两种亚型的PEC差异

如图3 （a,b）显示，亚型1与亚型2相比，额叶皮质与其他区域之间的PEC更强，而顶叶皮质与其他区域之间的PEC更弱。图2b是大脑连接差异(亚型1和亚型2)模式的可视化。PEC特征差异主要位于额顶控制网络(FPCN)和默认模式网络(DMN)的区域。
图4所示，为了测试数据集1发现的亚型是否可以复制，对135名PTSD患者（数据集2）进行了相同的分析，数据集分为2个组，第一组是72名患者首次复制分析，第二组是63名患在第一组之后再分析，第二组可以进一步复制第一组测试的临床预测结果，使用相同的特征选择过程，再次能够产生两个在beta波段和睁眼条件下的功能连通性具有较大差异，这与PTSD数据集1的结果一致，数据集2中两个组可复制已识别的PEC亚型，数据集2的两个组的亚型与数据集1中的亚型在功能连通性差异上具有高度相似的模式。

图4 数据集2中两个组复制已识别的PEC亚型
研究发现的亚型是否可以作为潜在的经诊断的生物标志物，图5在重度抑郁患数据集上复制发现的亚型。观察到两个具有不同功能连接模式的亚型(图5a-d)，这与在两个创伤后应激障碍数据集中发现的结果一致。

图5 两个MDD数据集中复制识别的PEC亚型
图6所示，当与其他数据集的亚型进行比较时，观察到亚型具有相似的PEC特征分布。

图6 四个数据集的亚型的PEC特征分布

验证数据集的疾病亚型的可传递性
从一个数据集的稀疏聚类分析中提出基于聚类质心的模式分类器（cluster-centroid-basedclassifier）（使用来自β波段的PEC特征和睁眼条件)，然后应用于另一个数据集的数据，得到预测的类别标签。通过将预测的类别标签与从第二数据集的稀疏聚类分析中获得的类别标签进行比较来计算分类精度。(a)是在一个数据集上训练，在另一个数据集上测试。（b）是在三个数据集上进行训练，并在第四个数据集上进行测试。结果显示，分类准确率平均为90.6%，在所有情况下均大于86%(图7a)，我们在三个数据集上迭代训练分类器，并在第四个数据集上进行测试，平均准确率为89.9%，所有数据集均大于88%(图7b)。这些结果表明，发现的亚型可在使用不同脑电图设备、使用不同临床诊断和不同的记录时间获得的独立数据集之间转移。

图7 验证数据集的亚型的可转移性

这两亚型在心理治疗(针对创伤后应激障碍，抗抑郁药物治疗与安慰剂治疗(针对MDD)的临床结果方面有所不同。PTSD数据集2中的患者接受了PE或CPT治疗，这是目前PTSD治疗中可靠的治疗方法。我们将数据集2分为两组:72名患者用于初次亚型分析，63名参与者在首次分析后再次研究。使用创伤后应激障碍量表(CAPS)对创伤后应激障碍严重程度进行评估，在数据集2的第一个组患者在创伤后应激障碍的心理治疗中，亚型1具有更好的治疗结果。为了进一步探究亚型对心理治疗的反应，我们对第二组进行了创伤后应激障碍量表(CAPS)分析。与在第一个组中观察到的一致，亚型1对心理治疗的反应明显好于亚型2（图6b)。

图8 亚型对不同诊断和治疗方式的反应

MDD数据集3在脑电图后随即接受抗抑郁药物舍曲林或安慰剂，在一项意向治疗分析中，临床评定抑郁严重程度的线性混合效应模型(汉密尔顿抑郁评定量表(HAMD17))显示，舍曲林药物和安慰剂对这两种亚型的反应不同(图8c)，具体来说，舍曲林对亚型1 的反应明显优于安慰剂，对亚型2，舍曲林或安慰剂对亚型的反应区别不大。进一步测试了在接受心理治疗同时接受重复经颅磁刺激（rTMS）治疗结果的亚型之间的差异（图8d），数据集4进行10 Hz到左侧背外侧前额叶皮层(DLPFC)或1 Hz到右侧DLPFC的rTMS刺激，贝克抑郁量表(BDI)显示，亚型对任一方案的rTMS方案反应相似。
四、总结
本文采用稀疏聚类的数据驱动的方法，从高密度静息状态脑电图（rsEEG）中重建信号，从信号的功率包络连接性（PEC）特征中识别出两种稳定且可复制的临床相关亚型。在任何数据集，这两种临床相关亚型在基线时临床严重程度方面没有差异，但在不同的临床干预之后亚型表现出差异性和相似性。本文提供了一种描述神经生物异质性的可推广的方法，可能有助于神经性疾病的诊断和治疗。具体来说，所选PEC特征主要来自beta频段和睁眼状态，且两种临床相关亚型在额叶和后叶区域具有较强的连通性差异。亚型1与亚型2相比，额叶区有更强的β带PEC，但顶叶区较弱的β带PEC。亚型2对心理疗法和抗抑郁药物的反应较弱，但我们的经颅磁刺激试验结果显示亚型1和亚型2对两种不同的经颅磁刺激治疗方案(左前额叶10hz和右前额叶1hz)的反应相似。这表明相对于心理疗法和抗抑郁药物，神经刺激可能是治疗亚型2的一个很好的选择。

注：解读不易，请多多转发支持，您的每一次转发是对我们最好的支持！本文原文及附加材料，请添加赵老师微信索要（微信号：15560177218）

Nature子刊：基于静息态EEG功能连接模式识别精神疾病亚型相关推荐

Nature Medicine：利用静息态fMRI功能连接定义抑郁症神经生物学亚型
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 一.背景介绍这是一篇2016年发表在<nature medicine>杂志并轰动精神医学界的深度 ...
【茗创科技】静息态fMRI功能连接分析方法学
大家好,这里是 "茗创科技" .茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科 ...
分段长度对EEG功能连接和脑网络组织的影响
图论和网络科学工具揭示了静息状态脑电分析中脑功能组织的基本机制.然而,仍不清楚几个方法学方面如何可能使重构的功能网络的拓扑产生偏差.在此背景下,文献显示所选分段的长度不一致,阻碍了不同研究结果之间的有 ...
Science Advances:胶质细胞功能障碍导致抑郁症静息态fMRI功能连接异常
1. 摘要重度抑郁症(MDD)是一种毁灭性的精神障碍,影响着全球高达17%的人口.尽管通过静息状态功能磁共振成像(rsfMRI)检测的MDD患者存在全脑网络水平的异常,但这些网络变化的机制尚不清楚, ...
如何利用静息态脑电精准区分精神疾病？
关注"心仪脑"查看更多脑科学知识的分关键词:世界卫生组织.精神疾病.静息态.脑电.文献综述据2001年世界卫生组织数据,全世界约有4.5亿人患有某种形式的精神障碍或脑部疾病,每 ...
Nature子刊综述：机器学习在神经退行性疾病诊疗中的应用
摘要:对神经退行性疾病的有效治疗存在巨大的需求.神经元变性的复杂性和患者群体的异质性给这些疾病的早期诊断工具和有效治疗的发展带来了巨大的挑战.机器学习是人工智能的子领域,它使科学家.临床医生和患者能够 ...
基于功能连接组的自闭症预测模型
自闭症是一种异质性的神经发育状况,基于功能磁共振成像的研究已经有助于深化我们对大脑网络活动影响的理解.我们回顾了使用功能连接性和症状的预测建模如何帮助揭示这种病状的关键见解.我们讨论了不同的预测框架如 ...
人脑功能连接与相似性分析：基于Python
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 本文将以人脑腹侧颞叶皮层的多体素模式分析(MVPA)来探讨人脑功能连接与相似性分析.MVPA被认为是一个监督分类问题,分类器试图捕捉fMR ...
Nature子刊重磅综述：人脑功能的因果映射
摘要绘制人类大脑功能图谱是神经科学的一个长期目标,它有望为大脑疾病的新治疗方法的开发提供信息.早期的人类大脑功能地图是基于脑损伤或脑刺激导致的功能变化的位置.随着时间的推移,这种方法在很大程度上被功 ...

Nature子刊：基于静息态EEG功能连接模式识别精神疾病亚型

Nature子刊：基于静息态EEG功能连接模式识别精神疾病亚型相关推荐

最新文章

热门文章