2024年南昌大学附属第一医院胡茂荣主任团队于《Journal of Affective Disorders》发表题为“使用机器学习算法和功能近红外光谱(fNIRS)在言语流畅性任务中识别重度抑郁症的神经成像生物标志物”研究论文。研究使用依瑞德集团旗下资联虹康公司的近红外脑功能成像设备BrainScope(BS-7000)，采用fNIRS技术与机器学习算法，通过语言流畅性任务(VFT)识别重度抑郁症(MDD)神经影像学生物标志物构建模型，以实现对MDD的早期准确预测，并评估不同年龄组预测能力。本次研究使用fNIRS提取VFT任务期间的血流动力学信息，建立评估疑似病例的分析工具，证明神经影像学生物标志物的应用潜力，为MDD早期诊疗提供了新思路。![]()
研究方法
1.受试者：研究共纳入289名MDD患者和178名健康对照(HC)，两组年龄在12-65岁之间。
2.fNIRS数据收集：在无噪音环境中进行fNIRS实验，使用依瑞德集团旗下资联虹康近红外脑功能成像系统BS-7000，该设备为双波段采集(690nm、830nm)，16发16收构成53个通道，覆盖受试者前额叶脑区。通过言语流畅性任务(VFT)测量受试者脑血氧浓度变化的三个指标：氧合血红蛋白(Oxy-Hb)、脱氧血红蛋白(Deoxy-Hb)和总血红蛋白(Total-Hb)，以量化前额叶皮层的相对血流动力学变化，其中Oxy-Hb是本研究主要关注的指标。![]()
3.数据准备：使用MATLAB工具箱HomeER2对采集到的原始数据进行预处理，应用修改后的比尔朗博定律将光信号转换为血流动力学参数，使用“积分模型”进行基线拟合，并使用NIRS_SPM和BrainNetViewer评估和可视化每个通道MNI空间信息。![]()
(1)特征提取与选择：生成六个变量表示时域特征，通过t检验和LASSO进行特征选择。(2)模型构建与验证：建立八种分类算法模型，利用贝叶斯优化确定超参数，采用两个嵌套的K折CV交叉验证(K=10)对其验证。(3)评估：通过多种指标评估模型性能，使用SHAP方法评估特征重要性。
研究结果
(1)特征选择：通过统计假设测试和LASSO方法，对MDD和HC组的通道特征进行排序和选择，以确定用于训练和测试分类模型的特征。
(2)模型比较：GBDT模型在特征选择过程中预测能力最强，且通过LASSO确定的fNIRS特征可有效预测MDD。
(1)综合评估：GBDT模型在使用VFT期间的脑fNIRS信号预测MDD方面表现最有效，其在训练集和测试集上的准确率、AUC等指标均优于其他模型。
表1：机器学习算法在训练集和测试集中的预测性能
![]()
(2)年龄影响：GBDT模型在成人和青少年数据集中仍能识别MDD，但预测能力有所下降。(3)MLP模型：在训练和测试数据集中均表现出较强的预测性能。![]()
机器学习模型在训练集(A)和测试集(C)预测重度抑郁症患者的ROC曲线分析
(1)SHAP分析：使用SHAP方法对GBDT算法结果进行分析，发现前20个特征对模型区分健康受试者和MDD患者的能力有重要影响，这些特征主要分布在额极区、背外侧前额叶皮层和布罗卡区三角部等区域。(2)脑区功能：这些脑区与认知、情感、决策等功能相关，其异常可能与MDD的病理生理机制有关。(3)特征作用：研究中提取的特征如积分值、均值、GLM响应等表达了Oxy-Hb 激活程度，质心值和斜率反映了激活时间的总体偏差，高时空分辨率的时空特征有助于检测功能异常和进行鉴别诊断。(A)特征重要性的总结图表示为平均绝对形状值的柱状图；(B)束温图中的每个点表示一个特定值对一个给定变量的贡献方向；(C-D)Shap评分解释了两例患者发生MDD的预测风险；(E)决策图，说明每个特征的预测值的渐进变化；(F)部分依赖图显示了一个特定特征与模型预测的目标之间的相关性；(G)热图展示了不同的特征如何影响对每个特定样本的预测；(H)Shap中最重要的fNIRS特征通道的概率配准位置。
![]()
结论
该研究使用fNIRS提取VFT任务期间的血流动力学信息，通过机器学习大样本建立了基于生物标志物的客观分析工具来评估疑似病例，证明了神经影像学生物标志物在阐明MDD病理生理特征和为诊断提供信息方面的潜力，为辅助MDD的早期识别诊断和治疗提供了新思路与方法。
[1] Mao L, Hong X, Hu M. Identifying neuroimaging biomarkers in major depressive disorder using machine learning algorithms and functional near-infrared spectroscopy (fNIRS) during verbal fluency task. J Affect Disord. 2024 Nov 15;365:9-20.
以上内容由依瑞德集团医学中心整理，
有不足之处请指正，转载请注明出处。
