抑郁症功能磁共振成像脑网络研究进展

张琪，王滨

抑郁症是一种综合了多种临床特征的常见精神障碍疾病。严重者甚至有自杀念头或行为，是目前临床上最常见的精神疾病之一[1-2]。近年来，国内外研究者从各个角度、采用多种方法对抑郁症患者的脑结构和功能开展了大量的研究，这些研究成果对理解抑郁症的病理生理机制中起着重要作用，并为抑郁症早期诊断和治疗提供了重要依据。

1 脑网络的概念

大脑掌管着人类多种高级活动，大脑不同脑区之间的拓扑结构构成了复杂的脑网络。近几年的脑网络发展中，复杂脑网络的研究和应用受到了越来越多研究者的青睐[3]。运用相应的计算机算法对抑郁症患者进行脑结构和功能分析，已经成为一个主要的研究方向。

近年来一些研究学者探索了部分具有一定功能的动态脑网络，因此，脑网络被分为结构网络和功能网络，脑结构网络是利用结构磁共振成像获得脑区间灰质形态学相关的研究，利用扩散张量成像通过纤维追踪，从而获得脑区间的白质纤维连接信息。功能网络是脑动态活动的直观描述，主要分为功能连接(functional connectivity，FC)和效应连接(effective connectivity，EC)两大部分，其中功能连接是指不同脑区间连接上的功能差异，而效应连接则是指不同脑区间彼此的相互作用。随着研究的深入，研究者不仅发现脑功能网络伴随个体差异的变化而变化，而且脑功能网络的差异在亲属之间存在着相应的遗传特性[4]。

2 抑郁症的磁共振结构脑网络研究

目前，通过结构磁共振成像(structural magnetic resonance imaging，sMRI)和扩散磁共振成像(diffusion magnetic resonance imaging，dMRI)等成像技术来实现脑结构网络的研究是最常用的方法。

2.1 基于体素形态学测量的结构脑网络研究

基于体素的形态学测量(voxel based morphometry，VBM)是一种多效的分析技术，用来分析脑内相应解剖结构的差异，是一种新的评价方法[5]。VBM对抑郁症患者脑结构网络的研究旨在探讨抑郁症患者脑灰质的相关性变化及可能的病理生理改变机制，对抑郁症的早期诊断和治疗有重要帮助。重度抑郁症患者的VBM研究发现前扣带、背外侧和背内侧前额叶的灰质体积显著减少[6]。Goodkind等[7]对抑郁症等多种精神疾病的VBM研究显示，多数精神疾病的灰质萎缩集中在背侧前扣带回和双侧的岛叶，其中抑郁症患者的灰质萎缩更集中于海马的前部和杏仁核。综上，在抑郁症患者的灰质结构研究中，均发现海马、杏仁核等脑区的灰质减少，这与抑郁症患者的行为异常和情绪变化等临床表现相关，并且临床表现的变化与脑区的灰质变化相关，进一步揭示了VBM在研究脑结构网络方面的价值。

2.2 基于扩散张量成像的结构脑网络研究

扩散张量成像(diffusion tensor imaging，DTI)是从不同方向在活体组织内对水分子的扩散进行量化的研究方式，也是一种大脑结构的成像方法。DTI能有效地观察和追踪脑白质纤维束和脑认知功能的变化，研究表明抑郁症患者大脑半球间功能协调异常，与此相关的胼胝体等解剖结构被发现存在异常，这可能直接影响大脑半球间的协调和脑功能的整合[7-8]。研究发现[9]，在具有自杀倾向的抑郁症患者中，额叶和丘脑都存在着显著的白质异常，并且部分脑区之间的异常连接对抑郁症的临床分组起到了重要作用。研究还发现抑郁症临床症状的变化程度与丘脑的部分各向异性(fractional anisotropy，FA)值呈线性关系[10]。目前，对于DTI的结构脑网络研究多数为老年抑郁症受试，因此年龄是影响脑白质变化的重要因素，排除年龄因素后，青少年重性抑郁症患者的研究发现额叶和颞叶区域的白质存在异常，并且复发性抑郁症患者的扣带回区域的FA值较首发性抑郁症患者较低[11]。基于抑郁症脑网络DTI的研究方法有助于了解全脑拓扑网络结构的改变，如以全脑纤维束作为边，分析发现了小世界特性[11]，而利用DTI白质纤维跟踪的方法则验证了小世界特性[12]。这些研究发现的脑白质纤维束的异常以及各个脑区结构功能的改变反映了抑郁症患者脑结构网络异常的生理病理机制。

2.3 基于sMRI的脑网络研究

基于sMRI的脑网络研究是利用一系列相关脑区的数据来构建脑网络，利用先验模板划分的脑区定义网络节点，再利用sMRI获得的形态学数据如脑灰质密度、体积、皮质厚度等或利用dMRI获得的不同脑区的纤维束定义网络的边，目的是探索相同个体或不同个体脑区之间在结构上的相关性。抑郁症患者的脑结构网络研究发现，部分脑区灰质的平均聚类系数下降，提示脑结构网络局部连接下降，从而导致脑网络效率降低[13]。晚发性抑郁症患者脑结构网络与健康对照组相比，部分脑区灰质结构网络的平均路径长度以及“小世界”属性值无明显变化，但在部分脑结构网络中，节点的中心性下降并且一部分节点的分布有明显变化[13]。由此可知，抑郁症患者的脑结构网络拓扑属性的异常主要发生在局部区域，而并非全部脑区。

3 抑郁症的磁共振功能脑网络研究

在大脑功能磁共振成像研究中发现，无论是静息状态或任务状态下，大脑各个脑区的功能活动呈现出高度的一致性及相关性，这种具有高度一致性及相关性的各个脑区构成了大尺度功能网络，各个网络之间的协调合作是正常认知活动的基础[14]。研究表明，默认网络、凸显网络与中央执行网络是大脑最核心的三大网络，三者之间的动态交互作用保证了脑内各种认知任务的顺利完成[15]。

3.1 抑郁症的默认网络研究

大脑默认网络(default mode network，DMN)主要包括扣带回、前额叶和顶叶皮层等几个脑区[16]。随着功能磁共振研究的深入和技术的成熟，研究者探测到越来越多的脑网络，有多项研究表明抑郁症患者的DMN功能活动存在异常[17]。例如有研究发现患者DMN后部子网络与尾状核、前扣带回等脑区之间的功能连接显著减少[18-19]。另有研究发现老年晚发性抑郁症患者的尾状核头部与DMN内的多个脑区的功能连接减少，由此说明抑郁症不是单纯的由局部脑区的异常所致，很可能是由脑网络的功能异常而导致的[20]。还有研究表明，首发未用药的抑郁症患者DMN后部的后扣带回或楔前叶与其他脑区的功能连接显著减少[21]。也有研究者认为抑郁症的发病过程是由静息态下皮层-边缘系统和DMN之间的功能连接异常所导致的[22]。许多研究发现抑郁症患者静息状态下DMN主观的活动性明显增高[23-24]，但在任务状态下，某些脑区的活动却被明显抑制，即在任务状态下DMN的反应活性下降，这有助于大脑将默认状态转化为应激状态，更快速地处理相应的情绪和认知等任务[25]。因此，现有研究归纳发现静息状态下抑郁症患者较正常人DMN前部和后部子网络内部的功能连接均增加。

3.2 抑郁症的凸显网络研究

大脑凸显网络(salience network，SN)主要包括额叶-岛叶皮层、背侧前扣带回、杏仁核和颞极等几个脑区，具有整合和提取信息的能力[26]。从局部脑区看，虽然在不同的研究中发现抑郁症患者的节点属性部分升高部分却降低，但从整体上来说，无论是在结构亦或功能方面，出现异常的脑区都集中在岛叶、额叶、内侧颞叶以及皮质下核团等核心脑区[27]。据报道[28]，凸显网络控制默认网络与中央执行网络之间的转化，先由岛叶探测外部的刺激信号，之后再将接收的刺激信号经岛叶转换成控制信号，然后将控制信号经过各个脑区间的网络连接传送至中央执行网络，中央执行网络接收到控制信号从而参与并增强部分脑区的认知活动；与此同时，默认网络接收控制信号后从而降低了部分脑区的活动。当凸显网络与默认网络之间的功能连接增强时，默认网络与中央执行网络间的功能连接则相应减弱[29]。综上可知，凸显网络与默认网络、中央执行网络关系密切并对默认网络起到一定的调节作用，从而控制默认网络和中央执行网络间的转化。因此抑郁症患者的信息整合及主观转化能力的降低与凸显网络的异常密切相关。

3.3 抑郁症的中央执行网络研究

中央执行网络(cognitive control network，CCN)又称中央控制网络等，主要包括前额叶、后顶叶等部分皮层[30-31]。广义上来讲，中央执行网络多用于大脑的认知行为活动及处理加工相关的认知情绪。当中央执行网络进行对记忆和工作等相关调节时，额叶和顶叶的脑区活动增强。CCN的损伤主要是背外侧前额叶皮质活性降低，尤其是在任务状态下，这使得边缘系统中杏仁核的活性增强，有学者认为造成这种现象的原因与抑郁状态下前额叶皮质功能低下有关[32]。研究表明抑郁症患者的中央执行网络在抑郁发作状态下角回及中央后回的功能连接是增强的，但是有些脑区的功能连接也是减弱的，例如颞中回、楔前叶等[33]。此外，抑郁症患者眶前回与前扣带回、小脑、楔前叶等脑区的功能连接降低，与前额叶、大脑皮层运动区等脑区的功能连接增高，有学者认为造成这种功能连接的差异可能与中央执行网络在处理和加工部分认知活动中的方法和机制有关[34]。抑郁症患者CCN各个脑区活性的差异及功能连接的变化在不同的研究状态下是不同的，在静息状态下CCN功能连接增强，反之，在任务状态下CCN功能连接减弱[29-34]。由于导致任务状态下与静息状态下功能活动差异的原因和机制尚不明确，且目前关于CCN的研究较少，因此静息状态下与任务状态下CCN的研究结果是否存在确切差异，其结果还有待进一步提高和证实。

4 小结和展望

综上所述，抑郁症的发生、发展与多个脑区的组织结构和功能变化密切相关，例如前额叶、前扣带、海马等。目前，磁共振脑网络研究方法也已经得到了国内外研究人员的高度重视，运用脑网络相应的计算方法能够敏感地检测到这些异常的脑结构区域，从而更全面地理解抑郁症的病理生理机制。与此同时，未来抑郁症的脑网络研究还需发展以下几点。首先，抑郁症的脑网络研究样本数量普遍较小，使部分研究的结果并不一致，因此建立大样本的抑郁症数据库将有助于获得更加精准的研究结果，加深对抑郁症发病机制的理解。另外，抑郁症4种不同的生物学亚型在脑网络差异方面的研究仍处在初级阶段，因此利用客观的生物学方法确定脑网络的异常模式，将有助于精神疾病更加准确地分型，从而进一步明确治疗方法。其次，抑郁症的脑网络研究应联合影像遗传学做更深层次的研究，不同类型的抑郁症患者大脑功能和结构的改变是不同的，而影像遗传学则可以更加深入地探讨遗传与环境因素在抑郁症脑网络改变中的作用。最后，将脑网络与神经生物学相结合，运用多种磁共振成像技术探讨抑郁症与其他精神疾病之间的关系，这对抑郁症及其他精神疾病的定义及诊断治疗具有重大帮助。

参考文献 [References]

[1]Chen JH, Yao ZJ. Research progress of complex brain network theory based on graph theory in depression. J Clin Psychiatry, 2016,26(4): 272-274.陈建淮, 姚志剑. 基于图论的复杂脑网络理论在抑郁症中的研究进展. 临床精神医学杂志, 2016, 26(4): 272-274.

[2]Xia MR, He Y. The application of multimodal brain magnetic resonance imaging method in depression research. Chin J Psychiatry,2016, 49(4): 255-260.夏明睿, 贺永. 多模态脑磁共振成像计算方法在抑郁症研究中的应用进展. 中华精神科杂志, 2016, 49(4): 255-260.

[3]Humphries MD, Gurney K, Prescott TJ. The brainstem reticular formation is a small world, not scale-free, network. Proc Biol Sci,2006, 273(1585): 503-511.

[4]van den Heuvel MP, van Soelen IL, Stam CJ, et al. Genetic control of functional brain network efficiency in children. Eur Neuropsychopharmacol, 2013, 23(1): 19-23.

[5]Fang JF, Li XR, Wang B, et al. The application of VBM joint ReHo in evaluating depression brain function and the structural abnormality. Guangdong Med, 2015, 36(14): 2167-2171.房俊芳, 李旭日, 王滨, 等. VBM 联合ReHo在评价抑郁症脑功能及结构异常中的应用. 广东医学, 2015, 36(14): 2167-2171.

[6]Zhao YJ, Du MY, Huang XQ, et al. Brain grey matter abnormalities in medication-free patients with major depressive disorder: a metaanalysis. Psychol Med, 2014, 44(14): 2927-2937.

[7]Goodkind M, Eickhoff SB, Oathes DJ, et al. Identification of a common neurobiological substrate for mental illness. JAMA Psychiatry, 2015, 72(4): 305-315.

[8]Xu K, Jing W, Ren L, et al. Impaired interhemispheric connectivity in medicationnaive patients with major depressive disorder. Psychiatry Neurosci, 2013, 38(1): 43-48.

[9]Jia ZY, Huang XQ, Wu QZ, et al. High-field magnetic resonance imaging of suicidality in patients with major depressive disorder. Am J Psychiatry, 2010, 167(11): 1381-1390.

[10]Taylor WD, Mac Fall JR, Boyd B, et al. One year change in anterior cingulate cortex white matter microstructure: relationship with latelife depression outcomes. Am J Geriatr Psychiatry, 2011, 19(1): 43-52.

[11]Singh MK, Kesler SR, Hadi Hosseini SM, et al. Anomalous gray matter structural networks in major depressive disorder. Biological psychiatry, 2013, 74(10): 777-785.

[12]Ryan KA, Hsu DT, Welsh RC, et al. Decoupling of the amygdala to other salience network regions in adolescent-onset recurrent major depressive disorder. Psychol Med, 2016, 46(5): 1055-1067.

[13]Korgaonkar MS, Fornito A, Williams LM, et al. Abnormal structural networks characterize major depressive disorder: a connectome analysis. Biol Psychiatry, 2014, 76(7): 567-574.

[14]Lim HK, Jung WS, Aizenstein HJ. Aberrant topographical organization in gray matter structural network in late life depression:a graph theoretical analysis. Int Psychogeriatr, 2013, 25(12):1929-1940.

[15]Menon V. Large-scale brain network and psychopathology: a unifying triple network model. Trends Cogn Sci, 2011, 15(10):483-506.

[16]Kaiser RH, Andrews-Hanna JR, Wager TD, et al. Large-scale network dysfunction in major depressive disorder: A meta-analysis of resting-state functional connectivity. JAMA Psychiatry, 2015, 72(6):603-611.

[17]van den Heuvel MP, Stam CJ, Boersma M, et al. Small-world and scale-free organization of voxel-based resting-state functional connectivity in the human brain. Neuroimage, 2008, 43(3): 528-539.

[18]Zhu X, Wang X, Xiao J, et al. Evidence of a dissociation pattern in resting-state default mode networkconnectivity in first-episode,treatment-naive major depression patients. Biol Psychiatry, 2012,71(7): 611-617.

[19]Wang L, Hermens DF, Hickie IB. A systematic review of restingstate functional-MRI studies in major depression. J Affect Disord,2012, 142(1-3): 6-12.

[20]Grimm S, Boesiger P, Beck J, et al. Altered negative BOLD responses in the default-mode network during emotion processing in depressed subjects. Neuropsychopharmacology, 2009, 34(4):932-943.

[21]Sikora M, Heffernan J, Avery ET, et al. Salience network functional connectivity predicts placebo effects in major depression. Biol Psychiatry Cogn Neurosci Neuroimaging, 2016, 1(1): 68-76.

[22]Chen JJ, Liu JR, Wei X, et al. An independent component analysis of the abnormal brain manifest network of heroin addicts. Chin J Magn Reson Imaging, 2017, 8(2): 100-104.陈佳杰, 刘洁荣, 魏璇, 等. 海洛因成瘾者大脑突显性网络异常的独立成分分析. 磁共振成像, 2017, 8(2): 100-104.

[23]Manoliu A, Meng C, Brandl F, et al. Insular dysfunction within the salience network is associated with severity of symptoms and aberrant inter-network connectivity in major depressive disorder.Frontiers in Human Neuroscience, 2013, 7(2): 930.

[24]Corbetta M. Control of goal-directed and stimulus-driven attention in the brain. Nat Rev Neurosci, 2002, 3(3): 201-215.

[25]Rogers MA, Kasai K, Koji M, et al. Executive and prefrontal dysfunction in unipolar depression: a review of neuropsychological and imaging evidence. Neuroscience Res, 2004, 50(1): 1-11.

[26]Zhu JJ, Peng DH, Jiang KD, et al. Advances in the application of brain networks in depression. Chin J Nerv Ment Dis, 2011, 37(12):760-763.朱俊娟, 彭代辉, 江开达, 等. 脑网络在抑郁症中的应用研究进展.中国神经精神疾病杂志, 2011, 37(12): 760-763.

[27]Frodl T, Bokde AL, Scheuerecker J, et al. Functional connectivity bias of the orbitofrontal cortex in drug-free patients with major depression. Biol Psychiatry, 2010, 67(2): 161-167.

[28]Li SY, Zhu Y, Wang YL, et al. Dysfunctional resting-state connectivity of default mode network in adolescent patients with first-episode drug-naive major depressive disorder. Natl Med J China,2017, 97(45): 3538-3542.

[29]Hama S, Yamashita H, Yamawaki S, et al. Post-stroke depression and apathy: Interactions between functional recovery, lesion location, and emotional response. Psychogeriatrics, 2011, 11(1): 68-76.

[30]Cieri F, Esposito R, Cera N, et al. Late-life depression: Modifications of brain resting state activity. J Geriatr Psychiatry Neurol, 2017,30(3): 140-150.

[31]Zhu XL, Yuan FL. The default network internal function connection study based on regional depression. Chin J Clin Psychol, 2016,24(2): 218-220, 212.朱雪玲, 袁福来. 基于区域的抑郁症默认网络内部功能连接研究.中国临床心理学杂志, 2016, 24(2): 218-220, 212.

[32]Li L, Li B, Bai Y, et al. Abnormal resting state effective connectivity within the default mode network in major depressive disorder: A spectral dynamic causal modeling study. Brain and Behavior, 2017,7(7): e00732.

[33]Rodríguez-Cano E, Alonso-Lana S, Sarró S, et al. Differential failure to deactivate the default mode network in unipolar and bipolar depression. Bipolar Disord, 2017, 19(5): 386-395.

[34]Dutta A, McKie S, Deakin JF. Resting state networks in major depressive disorder. Psychiatry Res, 2014, 224(3): 139-151.