编辑推荐：
本研究针对重性抑郁障碍（MDD）的高度异质性及认知功能损害难以客观分型的问题，结合视觉运动感知（VMP）行为测量与机器学习聚类分析，成功鉴定出以VMP功能受损为特征的VMP-P亚型。该亚型在独立队列中得以验证，并伴有显著的认知障碍与枕叶皮层异常神经活动，为MDD的精准分层与个体化治疗提供了可临床转化的客观标记物。
抑郁症（Major Depressive Disorder, MDD）是全球范围内导致残疾的主要原因，其临床表现千差万别，就像同一种感冒，有人流鼻涕，有人咳嗽不止。这种“异质性”给诊断和治疗带来了巨大挑战。特别是认知功能损害，如注意力不集中、记忆力下降，是许多抑郁症患者的核心痛苦，它不仅严重影响患者的社会和职业功能，还常常是传统抗抑郁药难以起效的“顽固分子”，甚至与自杀风险升高有关。长期以来，如何客观、准确地将抑郁症患者，特别是那些伴有显著认知损害的患者，从庞杂的群体中识别出来，并理解其背后的生物学机制，是推动精神病学走向“精准医学”的关键难题。
为了解决这一问题，一项发表在《Advanced Science》上的研究另辟蹊径，将目光投向了人类最基础的感官——视觉。研究人员猜想，那些看似复杂的“高级”认知问题，其根源或许能从更基本的知觉加工异常中找到线索。具体来说，就是视觉系统处理运动信息的能力，即视觉运动感知（Visual Motion Perception, VMP）。之前的研究已经发现，抑郁症患者的VMP功能和负责视觉处理的枕叶皮层活动都存在异常。那么，能否利用这些客观的、容易测量的视知觉指标，来给抑郁症患者“分分家”，找出那些隐藏的特殊群体呢？
为了回答这个悬而未决的问题，研究团队开发了一个结合视知觉行为测量与机器学习聚类分析的新框架。他们首先在一个包含272名急性期MDD患者的大样本（发现队列）中，让患者完成一项标准的视觉运动方向辨别任务。这个任务不仅能测量识别运动光栅所需的最短时间（持续时间阈值），还能计算出受试者在任务过程中反应的波动性（动态变异指标），共计9个VMP指标。研究人员利用主成分分析（PCA）和K-means聚类算法对这些数据进行分析，结果清晰地揭示出两个不同的患者亚型。
第一个亚型被称为VMP阳性（VMP-P）亚型，约占患者总数的四分之一。顾名思义，这个群体的VMP功能存在明显障碍，几乎所有指标的表现都差于健康人。而另一个更大的亚型，VMP阴性（VMP-N）亚型，其VMP表现则与健康人无异。更重要的是，当研究人员查看这两个亚型的临床症状时，发现VMP-P亚型的患者在认知障碍和“精神运动性迟滞”（表现为思维、言语、行动变慢）方面的得分显著更高。也就是说，通过简单的视觉测试，研究人员成功“锁定”了一个在临床上表现出更严重认知问题的抑郁症亚群。
为了验证这个发现的可靠性，研究团队在另一个独立的、由63名MDD患者组成的样本（重复队列）中重复了上述分析。结果令人振奋，同样的两个亚型（VMP-P和VMP-N）再次出现，并且VMP-P亚型同样表现出更严重的认知障碍。交叉验证和一系列统计检验都表明，这种基于VMP的分型方法是稳定、可靠的。
找到了行为上的标记，下一步就是探索其背后的大脑机制。研究团队利用高分辨率的7T磁共振成像（MRI）对重复队列的患者进行了扫描，重点关注与视觉运动处理密切相关的两个脑区：人类中颞叶复合体（hMT+）和初级视皮层（V1）。结果显示，与VMP-N亚型相比，VMP-P亚型患者的右侧hMT+脑区表现出显著降低的自发神经活动强度（分数低频振幅，fALFF）和局部神经同步性（区域同质性，ReHo）。同时，VMP-P亚型的双侧V1脑区不仅自发活动强度降低，其灰质体积（GMV）也出现了显著的萎缩。这些发现为VMP-P亚型的视觉感知缺陷提供了直接的神经生物学证据。
研究并未止步于此。进一步的关联分析发现，在VMP-P亚型内部，V1脑区的神经活动异常（ReHo和fALFF降低）与患者更严重的总体抑郁症状和认知障碍评分呈显著的负相关。而反映视觉感知波动性的一个关键指标（cvS）则与V1的神经活动呈正相关。更有意思的是，中介分析表明，V1脑区的神经同步性（ReHo）完全中介了视觉感知缺陷（cvS）与认知障碍之间的关联。这就像是在大脑中描绘出了一条通路：枕叶视觉皮层（V1）的功能紊乱，可能是连接基础感知障碍和高级认知损害的关键桥梁。
此外，研究还发现VMP-P亚型在与高级认知控制相关的背外侧前额叶皮层（DLPFC）也表现出功能活动降低的趋势，这提示其大脑异常模式可能涉及从感知皮层到联合皮层的广泛网络。基于这些发现，研究团队提出，针对视觉皮层（如V1）的神经调控技术，例如重复经颅磁刺激（rTMS），未来或可成为治疗这一特定亚型患者认知障碍的潜在精准策略。
关键技术方法
本研究采用多阶段研究设计。首先，在两个独立队列（发现队列n=272，重复队列n=63，均来自杭州市第七人民医院）的急性期MDD患者中，通过标准心理物理学范式测量其视觉运动感知（VMP）功能，获取9个静态与动态行为指标。其次，运用主成分分析（PCA）降维并结合K-means机器学习聚类算法，基于VMP指标对患者进行无监督亚型划分。随后，通过模拟检验、置换检验及交叉验证（留一法、留20%法）评估聚类结果的显著性与稳定性。最后，利用7T超高场磁共振成像技术，对重复队列患者进行静息态功能磁共振成像（rs-fMRI）与结构像扫描，量化其枕叶核心脑区（hMT+、V1）的神经活动指标（如fALFF、ReHo）与结构指标（灰质体积，GMV），以探索不同亚型的神经机制，并采用相关性分析与中介模型检验行为、临床与神经指标间的关联。
研究结果
2.1 视觉感知指标定义两种生物亚型
通过对MDD患者9个VMP指标进行主成分分析和K-means聚类，在发现队列和重复队列中均稳定地识别出两个亚型：VMP-P亚型（发现队列24.6%，重复队列27.0%）表现出广泛的VMP功能损害；VMP-N亚型（发现队列75.4%，重复队列73.0%）的VMP表现与健康对照组相当。
2.2 生物亚型验证
通过模拟检验、置换检验及交叉验证，证实了两个聚类解决方案具有统计显著性和高度稳定性。跨数据集的聚类中心相关性验证也显示，亚型划分具有良好的一致性（准确率最高达92.06%）。
2.3 生物亚型的临床症状
在发现队列中，VMP-P亚型在汉密尔顿抑郁量表（HAMD-17）的“认知障碍”和“精神运动性迟滞”因子上的得分显著高于VMP-N亚型，而焦虑、睡眠障碍、体重减轻等症状无差异。在重复队列中，VMP-P亚型同样表现出显著更高的认知障碍得分。在一项子研究中，VMP-P亚型患者在衡量知觉推理能力的积木构图测验（Block Design Test）中得分也更低，进一步证实了其认知缺陷的特征。
2.4 生物亚型在枕叶皮层的神经影像特征
7T MRI分析显示，与VMP-N亚型相比，VMP-P亚型在右侧hMT+脑区表现出显著降低的fALFF和ReHo。在双侧V1脑区，VMP-P亚型表现出显著降低的fALFF和显著的灰质体积（GMV）萎缩。
2.5 VMP-P亚型中临床症状、视觉感知与神经影像的关联
在VMP-P亚型内，V1脑区的ReHo和fALFF与总HAMD-17得分、认知障碍得分呈显著负相关，而与反映视觉感知变异性的cvS指标呈显著正相关。中介分析表明，V1脑区的ReHo完全中介了cvS与认知障碍评分之间的关系，即视觉感知缺陷通过影响V1的神经同步性，进而导致认知功能障碍。
补充发现：前额叶异常
与VMP-N亚型相比，VMP-P亚型在右侧背外侧前额叶皮层（DLPFC）的自发神经活动（ALFF）显著降低，在左侧DLPFC也呈现降低趋势，而前扣带回皮层（ACC）则无差异。这表明VMP-P亚型的功能异常同时涉及处理感知的“单模态”皮层（枕叶）和处理高级认知的“跨模态”皮层（前额叶）。
研究结论与讨论
本研究通过结合低成本、易实施的视觉运动感知（VMP）行为测量与机器学习方法，成功鉴定并验证了重性抑郁障碍中的一个新生物亚型——VMP-P亚型。该亚型约占MDD患者的四分之一，其核心特征包括：1）明确的VMP功能损害；2）伴随更严重的临床认知障碍；3）存在枕叶皮层（特别是右侧hMT+和双侧V1）的异常神经活动与结构萎缩；4）其视觉感知缺陷与认知障碍通过V1脑区的神经同步性（ReHo）相互关联。
这项工作的意义在于多个层面。首先，在方法学上，它提供了一种不同于昂贵、复杂的神经影像学的替代路径，利用仅需10分钟的行为学测试即可实现对MDD患者，特别是认知损害亚型，进行客观、可临床转化的初步分层，为在基层和资源有限的环境中推广精准精神病学理念提供了可能。其次，在机制上，研究不仅确认了VMP-P亚型的存在，还通过高场强MRI揭示了其潜在的神经基础，并构建了“基础感知缺陷-视觉皮层功能紊乱-高级认知损害”的关联模型，深化了对抑郁症认知症状起源的理解。最后，在临床转化上，研究明确指出VMP-P亚型是潜在的治疗靶点。基于其枕叶皮层的功能与结构异常，针对视觉皮层（如V1）的神经调控技术（例如重复经颅磁刺激，rTMS）有望成为改善该亚型患者认知功能的新型精准治疗策略。这为未来依据客观生物行为标记为患者选择最可能获益的疗法指明了方向，是推动抑郁症治疗从“一刀切”迈向“个体化”的重要一步。
当然，研究也存在一些局限，例如认知评估主要依赖抑郁量表条目、多数患者服用药物、以及用于神经机制探讨的7T MRI样本量相对较小等。未来的研究需要使用更专门的认知测评工具，在更大样本、未用药患者或纵向设计中进一步验证，并探索VMP指标能否用于区分抑郁症与其他精神疾病（如精神分裂症、自闭症）。尽管如此，本研究确立的VMP-P亚型及其分析框架，无疑为破解抑郁症异质性难题、开发靶向性干预措施开辟了一条富有前景的新途径。
