小磁说｜TIPS
01
fNIRS揭示有/无失眠的重度抑郁症患者认知功能与大脑激活的关系
本研究由贵州医科大学附属医院精神科夏光源博士团队进行，旨在探究失眠对重度抑郁症(MDD)患者前额叶皮层功能的影响。研究招募了80名MDD患者和44名健康对照者（HC组），使用近红外脑功能成像系统(fNIRS)评估他们在进行语言流畅性测试(VFT)期间前额叶皮层的氧合血红蛋白(HbO)和脱氧血红蛋白(HbR)浓度变化。
研究结论指出：
1、与健康对照组相比，MDD患者在VFT期间前额叶皮层的活性显著降低。
2、失眠的MDD患者在除右侧DLPFC外的所有脑区都表现出更高的激活水平，表明睡眠质量是fNIRS筛查的重要指标。
3、左侧腹外侧前额叶(VLPFC)的失眠严重程度与激活水平之间存在正相关，暗示左脑区域在帮助MDD患者抵抗嗜睡的神经生理学中起作用。
VFT任务范式
三组在VFT期间的前额叶皮质激活情况，
颜色越红，激活越大，颜色越蓝，激活越小
02
fNIRS技术助力MDD神经生物标记大样本研究，为精神疾病早期预测提供新思路
南昌大学附属第一医院胡茂荣主任团队的这项研究通过近红外光谱成像(fNIRS)技术，对289名抑郁症患者(MDD)和178名健康对照(HC)的前额叶脑区进行了血流动力学变化的测量。研究使用了言语流畅性任务(VFT)来收集数据，并利用机器学习方法来分析和预测MDD。
研究步骤：
受试者选择：研究对象包括MDD患者和健康对照组，年龄范围12-65岁。
数据收集：使用BS-7000近红外脑功能成像系统，进行双波段(690nm、830nm)。
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
利用近红外光谱进行MDD分类和预测的机器学习框架
研究结果：
1、特征选择与模型比较：通过统计测试和LASSO方法选择特征，发现GBDT模型在预测MDD方面表现最佳。
2、模型性能：GBDT模型在训练集和测试集上均显示出高准确率和AUC值，表明其预测MDD的有效性。年龄对模型预测能力有一定影响。
3、模型解释：SHAP分析揭示了前20个特征对模型区分MDD和健康受试者的重要性，这些特征主要与认知、情感和决策功能相关的脑区。
结论：
研究证明了使用fNIRS技术结合机器学习方法可以有效地评估和预测MDD，为MDD的早期识别、诊断和治疗提供了新的方法。
03
重度抑郁症青少年前额叶脑活动与自伤行为
河北省第六人民医院张云淑教授、李冰主任及团队进行的该研究旨在探究青少年抑郁症患者中自我伤害行为的神经生物学机制，特别是关注大脑执行功能的差异。
研究方法：
受试者：筛选60名MDD青少年，分为自伤组（SH，36人）和非自伤组（Non-SH，24人）。
评估：收集参与者基本信息，使用HAMD、HAMA、EPQ和EMBU量表评估抑郁、焦虑、人格特征和父母养育模式。
VFT任务：要求受试者在规定时间内说出特定类别的单词。
fNIRS测量：使用BS-7000系统，双波段采集，记录前额叶脑区氧合变化。
基于解剖自动标记模板(ICBM152)
分割出的11个感兴趣区
统计分析：
比较两组人口统计学数据和量表评分，使用Mann-Whitney U检验比较脑区激活的β值，建立逻辑回归模型并使用ROC曲线确定预测效率。
研究结果：
1、人口统计学数据：两组在神经质性、父亲的过度干涉、母亲的拒绝和惩罚等方面存在显著差异。
2、PFC激活：自伤组在VFT任务期间右侧额中回(rMFG)的激活程度显著高于非自伤组。
两组右侧额中回的β值比较；rMFG、Neuroticism (N)、overinterference (F3)和logistic回归模型的beta z-score的ROC曲线
3、逻辑回归分析：rMFG的βZ分数、神经质(N)、过度干涉(F3)是自伤的独立危险因素，模型拟合良好，ROC曲线显示预测效率。
VFT任务范式
结论：
研究发现MDD青少年中自伤组与非自伤组在VFT任务中rMFG的激活存在差异。rMFG的βZ分数、神经质和过度干涉是自伤的独立危险因素。VFT范式有助于发现MDD青少年的神经生物学差异。
04
总结与展望
通过众多的研究与实践，我们看到fNIRS能够有效地测量大脑活动和功能状态，为理解精神疾病的神经机制提供了直观的数据支持。它在多种不同的脑功能疾病的辅助诊断、评估中都发挥了重要作用。
随着fNIRS技术的不断进步和疾病大数据研究的逐步增加与常模的建立，未来，该技术将能够更精准地识别异常的大脑活动模式，这将有助于早期对相关脑功能疾病进行及时的预测和干预。
其次，fNIRS与其他神经影像技术相结合，如磁共振成像(MRI)、脑电图(EEG)等，实现多模态融合，为精神心理领域相关的研究和辅助诊断提供更全面、更准确的信息。
我们相信，这一技术未来将在不同的脑功能疾病的预防、辅助诊断、治疗和康复中发挥越来越重要的作用，为守护人们的健康贡献更大的力量！
☞ 参考文献：
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。
