腦機啟偵丨抑郁癥的神經生物學亞型（03.13）

2026年3月，我國認知神經科學與學習國家重點實驗室課題組在國際精神病學期刊《Biological Psychiatry》在線發表題為《Neuroimaging insights into the neurophysiological subtypes of major depressive disorder》的綜述論文。該綜述系統總結了基于多模態神經影像識別抑郁癥神經生物學亞型的方法學進展、不同影像模態的主要發現以及臨床轉化前景，并對該領域未來發展方向進行了系統分析。

抑郁癥是全球發病率最高、疾病負擔最重的精神障礙之一。由于患者在癥狀表現、疾病進程及治療反應等方面存在顯著差異，傳統基于癥狀的診斷和治療策略面臨重要挑戰。近年來，多模態磁共振成像為揭示抑郁癥腦結構和功能異常提供了重要手段。然而，小樣本研究結果往往不一致，而大樣本研究雖然更穩健，但通常只表現出中等效應量，提示抑郁癥腦異常具有明顯的個體差異。在此背景下，研究者開始嘗試利用腦影像特征識別抑郁癥的神經生物學亞型，以更好地理解其復雜病理機制，并為精準診療提供客觀依據。

綜述首先總結了抑郁癥神經生物學亞型識別的四類主要方法學路線，包括無監督方法、半監督方法、深度學習技術以及規范模型框架（圖1）。該領域的方法正從早期以聚類為主的數據驅動分析，逐步發展為既能刻畫個體異常模式、又兼顧生物學解釋和臨床可轉化性的綜合建模框架。其中，無監督方法能夠在數據驅動條件下發現潛在亞型；半監督方法通過結合病例—對照信息，有助于提高亞型的臨床解釋性；深度學習方法則提供更強的非線性表征能力；規范模型通過構建健康人群參考分布，定量描述患者相對于常模的個體偏離，為精神障礙研究從“群體平均差異”轉向“個體化異常評估”提供了重要工具。文章指出，未來研究有望整合多種方法框架，發展更加穩健、可解釋且具有臨床驗證價值的分型策略。

圖1 抑郁癥神經生物學分型的方法學框架

隨后，文章進一步梳理了不同影像模態揭示的抑郁癥神經生物學亞型模式（圖2）。在功能影像研究中，不同抑郁癥亞型常表現出相反的腦功能活動或功能連接模式，尤其涉及默認網絡和額頂網絡等關鍵腦網絡。這些網絡在情緒調節、認知控制和自我相關加工中發揮重要作用，其不同異常模式可能對應抑郁癥患者不同的臨床表現及治療反應。結構影像研究主要呈現兩類模式：一類為相反方向的整體結構異常，例如廣泛皮層變薄或增厚；另一類為異常腦區范圍的差異，即部分患者局部腦結構異常，而另一部分患者呈現更廣泛的腦異常。文章指出，這些差異可能與研究方法和樣本構成有關，也凸顯了建立標準化分析流程和統一驗證框架的重要性。彌散磁共振研究目前仍較少，部分研究提示胼胝體及其相關白質通路可能是區分不同亞型的重要結構基礎。相比之下，多模態融合研究仍處于起步階段。現有研究發現，不同影像模態得到的亞型重疊度較低，提示它們可能刻畫了抑郁癥異質性的不同方面。未來通過更先進的數據融合方法，并結合遺傳、分子或治療反應等外部指標進行驗證，有望進一步闡明不同亞型背后的病理生理機制。

圖2 不同模態的抑郁癥神經生物學亞型

在總結研究進展的基礎上，文章進一步討論了神經生物學亞型的臨床意義，并提出神經生物學亞型臨床轉化的概念框架（圖3），包括特征識別、亞型發現、亞型—治療映射、亞型判別建模、治療方案選擇以及動態臨床監測等關鍵步驟，為抑郁癥精準診療提供了系統化路徑。

同時，文章指出該領域仍面臨多項挑戰，包括大樣本多中心數據建設與標準化、亞型穩定性的嚴格驗證、跨人群泛化能力、亞型的遺傳與環境基礎，以及跨診斷維度的異質性機制等。隨著規范模型、多模態融合和多組學研究的發展，神經影像學分型有望進一步深化對抑郁癥異質性的理解，并推動研究從群體差異分析走向個體化腦表型刻畫。

圖3 神經生物學亞型臨床轉化的概念框架

總體而言，該綜述表明，基于神經影像的抑郁癥神經生物學亞型研究正逐步突破傳統病例—對照研究范式，并朝著更加精細化和個體化的方向發展。隨著大規模標準化數據集的建立以及前瞻性研究的不斷推進，神經影像亞型有望在未來的精準精神醫學中發揮重要作用。

來源 | 每日神經說

浙大科技園啟真腦機智能產業化基地是在浙大控股集團領導下，由浙江大學科技園發展有限公司與杭州未來科技城管委會共建，圍繞腦機智能產業主體，輻射腦機+生命健康、腦機+智能制造、腦機+新一代信息技術、腦機+新材料等領域的專業化特色產業基地，由杭州啟真未來科技發展有限公司負責全面運營。

基地依托浙江大學在腦機智能方面的學科優勢，以腦機智能作為核心科技支撐，貫徹浙江大學國家大學科技園“有組織科技成果轉化、有靶向科技企業孵化、有體系未來產業培育”的服務體系，致力于打造腦機智能領域具備成果顯示度、區域影響力的產業化高地。