認知神經科學前沿文獻分享

基本信息

Title:Considering biological limitations of lesion network mapping

發表時間:2026-05-20

發表期刊:Nature Neuroscience

影響因子:20.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

病灶網絡映射（lesion network mapping, LNM）常用來把局灶性腦損傷或神經退行性萎縮中心，跟分布式功能網絡掛上鉤，以解釋認知或臨床缺損

方法本身依賴健康人的規范連接組（normative connectome），去推斷病灶可能牽涉哪些腦區。但真實疾病里的網絡變化，遠不止病灶到其他區域的連接丟失，還有遠隔區域重組、代償失敗，以及隨時間變化的連接增強或減弱。所以，評論認為，LNM 的輸出很難直接解讀成疾病特異性機制

實驗設計與方法邏輯

作者把卒中、膠質母細胞瘤、阿爾茨海默病和亨廷頓病等臨床與網絡證據攏在一起，提出一個三維概念框架，用來劃清 LNM 的解釋邊界。

第一維是直接斷連（first-order disconnection）強度，這是 LNM 用規范連接組主要能抓到的部分。

第二維是高階網絡重組（high-order network reorganization），涉及多突觸、全腦層面的適應性變化。

第三維是超連接（hyperconnectivity）與低連接（hypoconnectivity）的共存或時間上的來回切換。

作者據此說明，LNM 可以當直接斷連的估計工具用，但單靠它來預測臨床結局、識別疾病特異性環路或解釋神經調控靶點，是不夠的

核心觀點

觀點一：LNM 主要覆蓋直接斷連維度，臨床預測力有限

LNM 的核心能力是估計病灶或萎縮中心與其他腦區之間的直接連接關系。正文指出，在 132 例首次卒中患者中，LNM 對行為結局的預測表現較差，解釋方差只在 R2 = 0.01 到 0.18 之間；在膠質母細胞瘤患者中，LNM 斷連圖跟生存結局也沒有顯著關聯。這些結果提示，LNM 更接近直接斷連拓撲估計，而不是完整的疾病網絡機制

Fig. 1 中，作者把“disconnectivity strength”標成 LNM 主要覆蓋的軸，并把 LNM 的適用范圍限定在直接斷連相關區域；這說明 LNM 的輸出可能更多反映規范連接組的基礎拓撲性質，而不是特定疾病回路

腦損傷后的恢復，涉及未直接連接病灶區域之間的功能變化、多突觸適應和全腦網絡重排。正文引用動物模型與患者研究指出，這種大規模網絡重組對行為恢復很關鍵，而 LNM 依賴靜態規范連接組，抓不到這些高階交互

Fig. 1 中，“high-order changes”被放在獨立于直接斷連的第二軸上；這個圖示把直接斷連與高階網絡重組分開，明確顯示 LNM 沒有覆蓋遠隔和全腦層面的適應性變化

正文以阿爾茨海默病、亨廷頓病、卒中和膠質母細胞瘤為例說明，相似的連接增強，可能代表代償、失代償或疾病促進。LNM 基于靜態規范連接組，沒法判斷目標網絡是處于低活性、高活性還是動態轉變狀態

Fig. 1 中，“divergent patterns”作為第三軸，表示超連接與低連接的共存或時間轉變；這說明連接方向和時間軌跡，是 LNM 無法單獨解析的關鍵維度

1. 2026年1月15日，van den Heuvel, M.P 等人對病灶損傷網絡的特異性和有效性提出質疑；Reference: van den Heuvel, M.P., Libedinsky, I., Quiroz Monnens, S. et al. Investigating the methodological foundation of lesion network mapping. Nat Neurosci29, 1237–1247 (2026).PsyBrain 解讀
2. 2026年2月26日，Michael D. Fox 在 bioRxiv 上強勢回應，基于34 項研究，1090 個病灶位置的重新分析，認為方法具有良好的特異性，Siddiqi S, Horn A, Schaper F L, et al. The methodological foundations of lesion network mapping remain sound. bioRxiv, (2026). 但這篇文章目前還掛在預印本上，尚未經過同行評審
3. 2026年3月30日，Andrew Zalesky 等人認為通過 null models 的方式，可以增強病灶損傷網絡的統計效度；Reference: Zalesky, A., Cash, R.F.H. Null models for lesion network mapping. Nat Neurosci29, 1025–1028 (2026).PsyBrain 解讀：
4. 2026年5月20日，就是本文了，LNM 的可解釋性再次受到質疑。Reference: Pini, L., Salvalaggio, A. & Corbetta, M. Considering biological limitations of lesion network mapping. Nat Neurosci (2026).

省流總結

這篇 Comment 強調，LNM 不是沒用，但它的解釋范圍主要限于規范連接組里的直接斷連拓撲。腦損傷和神經退行性疾病還涉及高階網絡重組、超連接與低連接的動態轉變，不能把 LNM 結果直接等同于疾病特異性環路或臨床干預依據。未來需要整合個體功能連接測量，把直接與高階連接、超連接與低連接區分開，才能構建更準確的臨床預測模型，你怎么看？

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿