产后抑郁症中的大脑连接紊乱：来自静息态功能性磁共振成像（fMRI）和机器学习的见解

《Psychiatry Research: Neuroimaging》：Disrupted Brain Connectivity in Postpartum Depression: Insights from Resting-State fMRI and Machine Learning

基于30例产后抑郁症（PPD）患者、23例健康孕妇（HPW）和26例健康非孕妇（HC）的静息态功能磁共振成像（rs-fMRI），研究发现PPD患者功能脑网络拓扑呈现更规则化特征，主要异常区域包括前扣带回-岛叶-杏仁核等边缘系统网络，并与 Edinburgh产后抑郁量表（EPDS）评分显著相关。机器学习模型结合功能连接组学分析，对PPD与HPW的鉴别准确率达88%。

　　

刘灿|朱彤|刘明科|黄明萌|姜玉婷|邹一佳|程子轩|刘静文|张宇|杨宇航|张静波|何克伟|雷杜|胡亮波

重庆医科大学永川医院放射科，中国重庆402160

摘要

背景

产后抑郁症（PPD）是女性常见的心理健康问题。尽管已有研究发现了与PPD相关的区域功能异常，但全球范围内的功能拓扑变化尚未得到充分描述。本研究旨在探讨PPD患者功能拓扑特性的变化。

方法

从30名PPD患者、23名健康孕妇（HPW）和26名健康非孕妇（HC）中收集了静息态功能磁共振成像（rs-fMRI）数据。通过区域间的皮尔逊相关系数构建功能脑网络，并利用图论进行分析。应用机器学习方法区分PPD患者和健康孕妇。

结果

与HC和HPW相比，PPD组的功能脑网络表现出更规则化的拓扑结构。PPD患者的显著拓扑变化主要发生在显著性网络（SN，如左侧岛叶）及其相关皮下区域（如杏仁核），而HPW的功能差异主要体现在默认模式网络（DMN）中。PPD组和HPW组之间的异常区域（如苍白球、楔前叶）与抑郁严重程度相关。结合机器学习和功能连接性指标，PPD的预测准确率为88%。

结论

妊娠可能会改变DMN的功能连接组，而产后抑郁症可能会破坏SN的连接性。岛叶和楔前叶在识别PPD和HPW方面具有关键作用。这些发现表明功能连接组的变化具有临床意义，有助于及时发现PPD。

引言

产后抑郁症（PPD）是一种在分娩后四周内出现抑郁症状的心理健康状况（O'Hara和McCabe，2013）。它是育龄妇女中最常见的心理健康问题，患病率估计在13%到19%之间（O'Hara和McCabe，2013）。PPD的症状包括情绪波动、焦虑、易怒、感到不堪重负以及过度担忧，这些担忧通常集中在婴儿的健康、喂养和洗澡安全上（Schiller等人，2014；Pearlstein等人，2009）。PPD对母亲和婴儿都有显著风险（Goodman等人，2011）。研究表明，受PPD影响的母亲的孩子在行为、认知、语言、社交技能和情绪调节等方面更容易出现发育障碍（Liu等人，2017；Nasreen等人，2013；Roos等人，2022）。尽管过去十年对PPD的病因有了更多了解，但其神经生物学机制仍不甚清楚（Silver等人，2018）。深入研究PPD的神经生物学基础可能会带来更有效的预防和治疗策略。

神经影像学研究表明，围产期本身会导致健康母亲的大脑连接性和结构完整性的显著变化（Kim等人，2010）。这些正常的神经适应性在产后抑郁症中可能会失调，表明PPD可能反映了围产期典型功能重组的紊乱（Stewart和Vigod，2019；Mousavi和Shojaei，2021）。尽管PPD的一些症状与重度抑郁症（MDD）相似，但它具有独特的特征（Batt等人，2020；Cheng等人，2022）。基于功能性磁共振成像（fMRI）的研究表明DMN的连接性和活动发生了变化。另有研究发现，PPD患者的后扣带回-右杏仁核连接性明显异常（Chase等人，2014）。Che及其同事（Che等人，2020）进一步证实了DMN在PPD病理生理学中的作用，发现PPD患者的左侧中间额叶和左侧楔前叶的自发神经活动增加。一项研究表明，PPD患者的杏仁核信息流模式发生了显著变化（Mao等人，2020）。此外，PPD患者在静息状态下岛叶和前扣带回皮层的异常明显高于健康对照组（Mao等人，2020；Cheng等人，2022），杏仁核与颞叶和额叶之间的信息流方向与临床评分显著相关。

人脑在结构和功能上组织成一个复杂的网络，有助于高效处理和整合信息。图论方法已被广泛用于连接组研究，以探讨大规模功能性和结构性脑网络的拓扑结构（Wang，2010；He和Evans，2010；Rubinov和Sporns，2010；Suo等人，2018）。图论具有中等到高的可靠性，将整个大脑定义为“小世界网络”（He和Evans，2010）。脑网络的拓扑变化与多种脑疾病相关，如重度抑郁症（Goldman等人，2022；Gruber等人，2023；Zhi等人，2018；Hasanzadeh等人，2020）、阿尔茨海默病（delEtoile和Adeli，2017；Arpanahi等人，2024）、精神分裂症（Fasmer等人，2018；Gao等人，2023；Reavis等人，2020）。最近的一项研究（Li等人，2021）表明，PPD患者的网络枢纽与健康对照组不同，下顶叶可能是影响PPD心理变化的区域之一。虽然分析结构网络有助于理解连接的基本架构，但我们还需要直接考虑功能网络，以阐明这种架构如何支持神经生物学机制。此外，作为数据驱动的技术，机器学习在分析神经影像数据中起着重要作用（Aln?s等人，2018）。深度学习是机器学习中的一个专门方法，基于神经网络。尽管通常与大规模数据集相关联，但深度神经网络（DNN）已越来越多地应用于临床神经影像研究，以从高维数据中提取复杂的非线性模式（Kriegeskorte和Golan，2019）。通过使用强大的正则化技术和优化架构，DNN即使在临床研究典型的样本量下也能实现出色的分类性能（Liu等人，2017）。

妊娠和PPD相关的功能变化尚未得到充分描述。在这项研究中，我们通过比较PPD患者、健康产后妇女（HPW）和非孕妇健康对照组（HC），来区分由PPD引起的脑连接性变化和妊娠本身引起的变化。纳入HC组主要是为了提供非孕妇功能网络变化的基准对比，从而有助于理解产后组观察到的变化。考虑到围产期对母亲大脑的影响（McEwen等人，2022），我们假设HPW和HC之间的功能脑网络存在显著差异。此外，基于显示区域异常的研究，我们假设PPD会表现出更明显的拓扑紊乱，并且这些紊乱与临床症状的严重程度相关（Lei等人，2020）。

参与者

参与者

本研究招募了30名被两位经验丰富的高级精神科医生诊断为PPD的产后妇女，她们来自重庆医科大学永川医院的产科部门。患者组的纳入标准如下：（1）符合美国精神病学协会发布的《精神疾病诊断与统计手册》第五版（DSM-5）中的PPD诊断标准；（2）年龄在20至40岁之间。

人口统计和临床特征

共有79名受试者参与了这项研究的静息态fMRI扫描，其中PPD组30人，HPW组23人，非孕妇HC组26人。PPD组与HC组、HPW组之间存在年龄差异，但PPD组与HPW组之间的年龄和教育程度没有显著差异。此外，PPD组的EPDS评分显著高于HPW组（表1，p<0.001）。

PPD与HC的比较

如图1所示，在定义的阈值范围内，γ值在PPD组显著更高

讨论

在这项研究中，我们结合图论分析和机器学习来探讨与PPD相关的功能连接组变化。我们发现妊娠可能导致DMN的变化，PPD的特点是SN（特别是岛叶和杏仁核）的特定紊乱，以及整体网络向规则化的转变。DNN模型在区分PPD和HPW方面实现了高分类准确率（88%），其中左侧岛叶和右侧楔前叶被识别为关键特征

结论

总之，利用图论方法，本研究表明产后抑郁症与脑功能网络向规则化的转变有关。此外，这些发现表明妊娠可能导致DMN的变化，而产后抑郁症可能与SN内的变化相关。此外，我们的机器学习分析验证了这些拓扑发现，区分PPD和HPW的准确率为88%

术语表

PPD	产后抑郁症
rs-MRI	静息态功能磁共振成像
HPW	健康孕妇
HC	健康非孕妇
DNN	深度神经网络
AAL	自动解剖标注
GLM	广义线性模型
EPDS	爱丁堡产后抑郁量表
SHAP	SHapley加性解释

作者贡献

雷杜和胡亮波参与了概念构思和设计。刘灿起草了初稿。朱彤分析了数据并撰写了材料和方法部分。刘明科、黄明萌、姜玉婷、邹一佳、程子轩、刘静文和张宇收集了数据。杨宇航、张静波和何克伟帮助改进了手稿。所有作者都参与了手稿的编辑工作。所有作者都阅读并批准了最终版本的手稿。

资助

本研究得到了重庆市自然科学基金（项目编号：CSTB2022NSCQMSX1035(LBH)）；重庆市自然科学基金（项目编号：CSTB2024NSCQ-MSX0377 (DL)）；重庆市卫生健康委员会医学研究计划重点项目（项目编号：2024ZDXM013）；重庆市优秀青年人才项目（项目编号：cstc2024ycjh-bgzxm0220 (DL)）的支持。

数据可用性

本研究使用和/或分析的数据集可向相应作者提出合理请求后获取。

CRediT作者贡献声明

刘灿：撰写——初稿。朱彤：撰写——审阅与编辑，方法学。刘明科：数据管理。黄明萌：数据管理。姜玉婷：数据管理。邹一佳：数据管理。程子轩：数据管理。刘静文：数据管理。张宇：数据管理。杨宇航：可视化，软件。张静波：可视化。何克伟：可视化。雷杜：资金获取，概念构思。胡亮波：资金获取，概念构思。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：雷杜报告获得了重庆医科大学人工智能医学院的财务支持。胡亮波报告获得了重庆医科大学附属永川医院的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系。

致谢

我们衷心感谢参与研究的参与者及其家属，他们的参与对研究的成功至关重要。