综述：双相情感障碍中的白质纤维通路改变：一项关于扩散张量成像研究的系统评价和荟萃分析

《Brain and Behavior》：White Matter Tract Alterations in Bipolar Disorder: A Systematic Review and Meta-Analysis of Diffusion Tensor Imaging Studies

　　**摘要**

**背景**
双相情感障碍（BD）患者中经常出现白质微结构变化，但这些变化的程度和解剖学一致性在不同研究中仍不明确。

**方法**
通过对PubMed、Web of Science和Scopus的系统性搜索，找到了比较BD患者与健康对照组之间分数各向异性（FA）的扩散张量成像（DTI）研究。经过筛选后，共有145项研究被纳入本系统评价。其中28项研究提供了适合定量分析的纤维束级别的FA数据，共计78个独立的区域特异性效应量条目，使用随机效应模型进行了分析。在研究层面对参与者数量进行了去重处理。

**结果**
在纳入系统评价的145项研究中，共有5372名BD患者和6240名健康对照组。在28项研究的定量分析中， pooled分析显示BD患者的多个白质纤维束中的FA值较低，尤其是参与前额-边缘系统调节和脑半球间整合的纤维束。效应量和异质性因纤维束而异，反映了定量分析研究在方法学、人口统计学和临床特征方面的多样性。

**结论**
这些发现支持BD患者存在区域特异性的白质改变，尤其是在与情绪调节、认知控制和脑半球间通信相关的纤维束中。虽然这些结果为现有的证据基础增添了解剖学细节，但需要进一步协调一致的、纵向的、多模态的研究来探讨临床特异性、发展时机和生物标志物的潜力。

**1 引言**
双相情感障碍（BD）是一种慢性且致残的精神疾病，其特征是反复发作的躁狂、轻躁狂和抑郁（Barbuti等人，2023年）。这些情绪障碍导致显著的功能障碍、生活质量下降以及由于自杀和共病医疗状况导致的死亡率增加。BD通常分为I型双相情感障碍（BD-I）和II型双相情感障碍（BD-II），全球患病率估计在1%至2%之间（Arvilommi等人，2022年；McIntyre等人，2022年）。该疾病通常在青少年晚期或成年早期发病，并表现为复发-缓解的病程，给个体和社会带来巨大负担（Volkmann等人，2020年）。尽管在精神药理学和心理治疗方面取得了进展，但BD的潜在神经生物学机制仍仅部分被理解。近年来，人们越来越关注阐明BD的神经解剖学和神经功能基础，以更好地指导诊断、预后和治疗策略。一个主要假设认为BD涉及神经连接的紊乱，特别是在调节情绪、执行功能和认知控制的回路中（Liberati等人，2025年）。早期的神经影像学研究主要集中在灰质异常上，而来自扩散张量成像（DTI）的新兴证据将注意力转向了白质（WM）微结构作为BD病理生理学的关键因素（Abi-Dargham等人，2023年）。DTI通过测量轴突纤维内水分子扩散的方向性来评估WM的完整性，产生诸如分数各向异性（FA）、平均扩散率（MD）、径向扩散率（RD）和轴向扩散率（AD）等定量指标。FA值降低和MD值增加通常被解释为WM完整性的受损，可能反映了脱髓鞘、轴突丢失或其他微结构紊乱（Bergamino等人，2021年）。许多DTI研究报告了BD患者的WM异常，经常涉及的纤维束包括胼胝体、扣带回束、钩状束和前丘脑辐射（ATR）（Madden等人，2012年）。这些纤维束在介导脑半球间通信以及连接参与情绪调节和认知处理的额叶、边缘系统和皮层下区域中起着关键作用。然而，关于BD患者WM改变的文献仍然存在不一致性。一些研究未能检测到BD患者与健康对照组之间的WM完整性差异，而其他研究则报告了相反的结果，例如某些区域的FA值增加（Ren等人，2020年）。这些差异可能归因于样本特征（BD亚型、疾病持续时间、情绪状态）、药物使用情况、成像采集协议和分析方法的不同。此外，许多单项研究的样本量相对较小，限制了统计功效和普遍性。先前的荟萃分析试图通过汇总各研究的结果来解决这些不一致性。Mahon等人（2010年）和Abramovic等人（2018年）提供了BD患者中广泛WM紊乱的早期证据，特别是在前额-边缘系统和脑半球间纤维束中（Mahon等人，2013年；Abramovic等人，2018年）。尽管如此，这些分析受到纳入研究数量的限制，且缺乏能够识别跨研究一致WM改变区域的空间荟萃分析技术。为了解决这些局限性，本研究进行了全面的系统评价和DTI研究的荟萃分析，以探讨BD患者的WM纤维束改变。我们汇总了145项研究的数据，涉及超过11,000名参与者，提供了当前关于BD的DTI文献的广泛概述。除了使用标准荟萃分析技术评估组间FA差异外，我们还采用了探索性空间聚类方法来识别WM异常的空间一致性，并进行了体素计数分析，以评估各研究中WM受累的程度。本研究有三个目标：首先，我们旨在量化BD患者与健康对照组在主要WM纤维束之间的FA差异程度；其次，我们利用探索性空间聚类方法识别WM改变的空间模式；第三，我们通过分析体素计数数据来评估WM紊乱的程度。通过综合大量多样化研究的结果，本研究提供了BD患者WM微结构改变的更新描述性概述。

**2 方法**
2.1 研究设计
本研究是一项符合PRISMA指南（Page等人，2021年）的系统评价和荟萃分析。研究方案已在Open Science Framework（OSF）中注册（DOI 10.17605/OSF.IO/5AK7S）。

2.2 搜索策略
在Web of Science、PubMed和Scopus数据库中进行了全面的文献搜索，以识别使用DTI研究BD患者WM改变的相关研究。搜索工作于2024年8月进行。每个数据库的详细搜索策略见表1。

2.3 入选标准
纳入标准如下：
- 研究纳入了根据DSM或ICD标准诊断为BD的参与者，不论亚型（BD-I或BD-II）。当原始文章中明确提供了亚型信息时，会在数据提取过程中记录下来。
- 研究采用DTI技术评估WM改变的同行评审原始研究。
- 研究以英文发表。

2.4 研究选择和数据提取
筛选和选择研究由两名评审员使用Rayyan软件独立完成。经过筛选后，有145项独特的研究符合系统评价的纳入标准。其中28项研究提供了适合定量分析的数值FA数据，共计78个独立的区域级效应量条目。通过第三位评审员（M.A.A.）的共识解决了任何差异。使用结构化的数据提取表确保数据一致性，重点关注研究的人口统计学特征、参与者特征、DTI指标（如FA）和报告的MNI坐标。

2.5 质量评估
两名评审员使用Newcastle-Ottawa量表独立评估每项研究的方法学质量。任何分歧通过讨论解决。

2.6 空间数据分析和报告坐标的探索性空间聚类
2.6.1 数据准备
坐标数据集被视为描述性空间汇编，而不是用于基于坐标的荟萃分析的正式输入集。不同研究在报告空间发现的方式上存在差异：一些直接提供了MNI坐标，而其他研究仅提供了解剖学标签。对于后者，使用JHU ICBM-DTI-81白质标签图谱分配了参考坐标，以便进行近似的空间可视化。由于图谱推断的坐标与报告的峰值效应不等，因此应对结果坐标集持谨慎态度。

2.6.2 空间数据可视化
使用Python的matplotlib库可视化了清洗后的MNI坐标的三维（3D）空间分布。坐标在MNI空间中绘制，轴分别代表左右（X）、前后（Y）和上下（Z）方向。这种可视化提供了报告的WM改变的分布概览。

2.6.3 聚类分析
为了研究报告坐标之间的空间一致性，使用scikit-learn在Python中进行了k-means聚类分析。通过评估一系列聚类解决方案（2-10个聚类）的轮廓分数来确定最佳聚类数量。最高的轮廓分数（0.81）表明两个聚类的解决方案是最优的。

2.6.3.1 聚类程序
对数据集应用k-Means聚类，根据坐标的空间邻近性对MNI坐标进行分组。计算并报告了每个聚类的质心（平均MNI X、Y、Z）和每个聚类中的点数。生成了3D散点图，用不同的颜色代码标记聚类，并用黑色“X”符号标出质心。

2.7 软件和工具
用于空间数据处理和分析的软件和库包括：
- Python 3.x
- pandas用于数据操作
- numpy用于数值处理
- matplotlib用于3D绘图
- scikit-learn用于聚类分析和轮廓分数计算

2.8 统计分析
所有统计分析都是为了定量综合研究BD患者WM改变的DTI发现。统计策略遵循已建立的神经影像学荟萃分析指南，并参考了先前的评价和荟萃分析（例如Mahon等人，2010年；Abramovic等人，2018年）。分析使用Python（v3.x）、Stata（v17）和专门的神经影像学荟萃分析工具进行。对于报告BD患者与健康对照组之间FA组间比较的研究，进行了随机效应荟萃分析，以计算合并效应量（Hedges' g）。选择这种方法是为了考虑研究设计和参与者特征的异质性。计算了每项研究的标准化平均差异（SMD）及其95%置信区间（CIs）。应用DerSimonian和Laird方法估计研究间方差（τ2）。使用Cochran的Q检验评估研究间的异质性，并用I2统计量量化。I2值大于75%被认为表示存在显著异质性。进行了亚组分析，以探讨不同WM纤维束（如胼胝体、钩状束、扣带回束、ATR）中FA减少的差异。使用Q统计量评估亚组间差异的显著性。对报告坐标的探索性空间聚类进行了分析，以识别MNI空间中一致WM改变的区域。包括报告FA显著减少的峰值MNI坐标的研究。使用k-means聚类（在scikit-learn v1.0中实现）对坐标进行合并和分析，以识别报告异常的空间一致性。通过优化2到10个聚类的范围来确定最佳聚类数量。在3D散点图中可视化了MNI坐标的空间分布。计算了每个聚类的质心和贡献坐标的数量。根据已建立的WM图谱（包括JHU ICBM-DTI-81白质标签图谱）解释了各区域。对于报告WM改变体素计数的研究，计算了描述性和荟萃分析统计量。体素计数按区域进行了分析，并计算了每个白质（WM）束的平均值、标准差（SD）和95%置信区间（CI）。为了可视化区域体素计数及其在研究间的变异性，生成了森林图（forest plots）。由于体素计数的范围很广，数据在对数尺度上进行了绘制，以便于解释区域差异。通过观察漏斗图（funnel plots）来评估发表偏倚，并使用Egger的回归不对称性检验（Egger's regression asymmetry test）进行了正式测试。还评估了FA差异的总体荟萃分析和关键亚组分析中的漏斗图对称性。Egger检验的p值小于0.05被视为可能存在发表偏倚的迹象。通过Galbraith图进一步探讨了研究间的异质性，该图将标准化效应大小与研究精度进行了对比，以检测导致异质性的异常值。并非所有亚组模型都提供了正式的留一法影响诊断（leave-one-out influence diagnostics），因此没有单独展示；相反，通过Galbraith图的检查和探索性异常值排除来评估结果的稳健性。在原始研究中报告时，会定性审查采集参数，如扫描仪供应商、场强、扩散方向数量、b值、体素尺寸、切片厚度和分析流程，以帮助解释研究间的异质性。

2.9 统计软件
数据处理和统计分析使用了以下软件：
- Python（v3.x）：数据清洗、坐标处理、k均值聚类以及可视化（matplotlib和seaborn）。
- Stata（v17）：FA值的荟萃分析、异质性统计、Egger检验以及森林图/漏斗图的生成。
- Microsoft Excel（v365）：补充数据的准备和验证。
- ACE Tools（自定义Python库）：用于交互式可视化荟萃分析数据集。

3 结果
3.1 研究选择和特征
共有145项研究符合系统综述的纳入标准，其中28项提供了可用于定量综合的束级别FA数据（Mahon等人，2013；Adler等人，2004, 2006；Aggio等人，2023；Aghajani等人，2014；Ajilore等人，2015；Armstrong等人，2020；Baumann等人，2016；Benedetti等人，2011, 2013, 2014, 2016, 2018；Berkovitch等人，2021；Besenek等人，2019；Besga等人，2012, 2016；Beyer等人，2005；Bollettini等人，2015；Caseras等人，2015；Cha等人，2022；Chan等人，2010；Chou等人，2014；Cruz-Sanabria等人，2021；Cui等人，2011；Cyprien等人，2016；Deng等人，2018；Fan等人，2019；Fernandez-Cabello等人，2022；Foley等人，2018；Gao等人，2013；Goghari等人，2021；G?nen?等人，2010；Guo等人，2021；Haarman等人，2016；Haller等人，2011；Hanlon等人，2021；Hatano等人，2019；Hawco等人，2017；Hermens等人，2018, 2019；Ho等人，2017；Hou等人，2022；Houenou等人，2007；Ishida等人，2017；Ji等人，2019；Jiang等人，2022, 2023；Kafantaris等人，2017；Koreki等人，2022；Kurumaji等人，2017；Kuswanto等人，2013, 2014；Lan等人，2020；Lee等人，2020, 2022；Leow等人，2013；J. Li等人，2014；X. Li等人，2021；Lin等人，2011；Linke等人，2013；Liu等人，2010；Maeno等人，2007；Mahapatra等人，2017；E. Mallas等人，2017；E.-J. Mallas等人，2016；Martino等人，2016；Masuda等人，2020；Mazza等人，2017；McKenna等人，2015；Melloni等人，2019；Nabulsi等人，2023；Nazeri等人，2017；Nenadi?等人，2017；Niida等人，2018；O'Donoghue等人，2017；Oertel-Kn?chel等人，2014；Ota等人，2016；Pan等人，2022；Pavuluri等人，2009；Piaggio等人，2018；Poletti, Bollettini等人，2015；Poletti, Mazza等人，2015；Price等人，2007；Reckziegel等人，2022；Ren等人，2020；Roberts等人，2016, 2022；Romero等人，2022；Saglam等人，2023；Sari?i?ek等人，2016；Shahab等人，2019；Singh等人，2023；Sivagnanasundaram等人，2007；Skudlarski等人，2013；Sprooten等人，2012, 2016；Stein等人，2022；Stevelink等人，2018；Sui等人，2011；Sun等人，2024；F. Tang等人，2020；Y. Tang等人，2018；T?nnesen等人，2020；Torgerson等人，2013；Toteja等人，2015；Vandekerckhove等人，2020；Verkooijen等人，2017；Versace等人，2008, 2014, 2018；Y. Wang等人，2019；F. Wang等人，2008, 2009；B. Wang等人，2018；Whalley等人，2015；White等人，2015；Winterer等人，2008；R. Zhang等人，2019；S. Zhang等人，2018；Zhou等人，2022）。在这145项研究中，共识别出5372名双相情感障碍（BD）患者和6240名健康对照组个体。这些数字反映了研究级别的去重，即使报告了多个脑区或分析对比，每个队列也只贡献了一次参与者数据。BD组的平均年龄为35.9岁（SD = 0.8），而对照组的平均年龄为34.8岁（SD = 0.7）。所有纳入的研究都使用DTI来评估白质微结构，主要通过FA测量（图1）。

3.2 FA的定量荟萃分析
使用随机效应模型进行的总体荟萃分析显示，与健康对照组相比，BD患者的FA显著降低：
Hedges' g = ?0.56（95% CI：?0.71至?0.42；p < 0.001）。研究间的异质性很大（I2 = 89.11%），表明研究间存在显著差异（图2）。

3.3 发表偏倚和异质性
Egger的回归检验未发现发表偏倚的显著证据（p > 0.05）。漏斗图显示平均效应大小的对称性，证实了没有发表偏倚（图3）。Galbraith图突出了异质性，有几项研究位于95%置信区间之外（图4）。

3.4 按改变的脑区域进行的亚组荟萃分析
基于与BD相关的特定白质束和区域进行了亚组荟萃分析。结果显示FA降低的程度存在区域特异性差异（表2）。
表2. 双相情感障碍中白质束分数各向异质性的亚组荟萃分析。

3.5 亚组差异
亚组差异的检验具有显著性（Q = 105.39；p < 0.001），表明不同白质束之间的FA降低程度存在差异。

3.5.1 “未分类”和“其他脑区域”类别
该类别包括以下脑区域：
- 非特异性的，
- 在BD组和对照组之间报告为无显著差异的，
- 或者在解剖学上定义模糊的。例如：
- 左侧前丘脑辐射（ATR）
- 胼胝体（非特异性区域）
- 主力夹（Forceps major）
- 后丘脑辐射（L）
- 矢状层（L）
- 额前叶（R）
- 额叶-顶叶（L），顶叶（R），枕叶（L和R）
- 额前扣带回（L）
- 颞叶WM区域
- 眶额皮层
- 皮层-桥脑-小脑束
- 小脑束（上、中、下）

这些区域被归类为“其他脑区域”，以涵盖超出经典白质束范围的发现。

3.6 报告坐标的探索性空间聚类
使用从数据集中提取的225个有效MNI坐标进行了报告坐标的探索性空间聚类：
3D散点图展示了报告的白质改变的空间分布（图5）。

3.7 按区域进行的体素计数荟萃分析
除了分析FA差异外，还进行了单独的荟萃分析，通过检查纳入研究中报告的体素计数来探索白质受累的程度。体素计数作为特定区域报告的白质改变的空间范围（体积）的指标，为效应大小（如FA降低）提供了补充测量。目的是确定某些区域在BD患者中是否一致显示出更大的空间受累。

3.8 数据概述
部分研究提供了体素计数数据，其中183条记录为voxel_cleaned，138条记录为voxel_count_cleaned，45条记录为voxel_size_cleaned。荟萃分析集中在那些体素计数数据足够充分，可以汇总统计并进行有意义比较的区域。

3.9 分析方法
体素计数按白质区域进行了聚合，如abr_cleaned列所示。对于每个区域，计算了平均体素计数、SD和贡献数据的研究数量。这些描述性统计提供了关于报告异常的平均空间范围和研究间变异性的见解。为了显示每个白质区域的平均体素计数及其95%置信区间，构建了森林图（图7）。由于区域间体素计数的范围很广，数据在对数尺度上进行了绘制，以便于视觉比较。图7：在图查看器或PowerPoint中打开

按区域划分的体素计数森林图（对数刻度）。ATR显示出最高的平均体素计数，平均值为21,994个体素（标准差=44,902）。这一发现表明，ATR的变化可能波及较大的白质（WM）体积，可能反映了双相情感障碍（BD）中丘脑-皮质连接性的广泛破坏。在体素计数方面，胼胝体（body）是研究最频繁的区域，有14项相关研究，平均体素计数为8,462个体素（标准差=13,123）。这种显著的参与度突显了BD中半球间通信缺陷的重要性。胼胝体（splenium）和放射冠（posterior）也显示出明显的空间参与度，平均体素计数分别为7,558个体素和504个体素。这些区域参与感觉-运动整合和认知处理，暗示了它们在BD病理生理学中的潜在作用。如扣带回束和放射冠（anterior）等区域的体素计数相对较低，平均值分别为392个体素和233个体素。虽然这些数值表明报告的异常空间范围较小，但它们在各项研究中的持续出现以及显著的FA降低强调了它们在BD中的相关性。

3.10 解释

体素计数结果应被视为报告异常空间范围的相对指标，而不是绝对体积测量。由于体素大小、切片厚度、预处理工作流程以及统计阈值策略（包括FWE校正、FDR校正、基于TFCE的校正和未校正的分析）的差异，直接比较各研究的结果是有限的。此外，一些研究报告了体素中的簇范围，而其他研究则报告了以mm3为单位的数值。这些因素意味着体素计数分析主要用于描述性区域分析，而不是精确的跨研究体积量化。

4 讨论

本研究结合了广泛的系统性回顾和较窄范围的定量综合，以表征BD中的白质异常。145项研究的系统性回顾提供了DTI文献的全面概述，并支持了对报告的空间模式和区域参与的描述性分析。在这个更广泛的证据基础上，28项研究的定量综合显示多个白质束的FA显著降低，包括胼胝体、扣带回束、钩状束、ATR和放射冠。这些发现共同表明，BD中涉及情感调节、认知控制和半球间通信的白质通路存在分布但具有解剖选择性的破坏（Favre等人，2019年）。我们的发现与早期元分析结果一致，这些元分析报告了BD中白质完整性的受损。Mahon等人（2010年）首次发现了胼胝体和扣带回束的FA降低，这些区域与情感调节和认知处理有关（Mahon等人，2013年）。Abramovic等人（2018年）在此基础上进行了扩展，展示了涉及情绪调节的广泛白质破坏。我们的发现与早期研究结果一致，并通过纳入更多已发表的研究和参与者样本进行了扩展（Abramovic等人，2018年；Houenou等人，2011年）。此外，我们的体素计数分析显示ATR和胼胝体的改变范围最大，这支持了丘脑-皮质功能障碍在BD病理生理学中起核心作用的假设。然而，文献中仍存在一些不一致之处。例如，Todd等人观察到胼胝体genus区域的FA升高，但我们的研究并未复制这一结果。患者选择、扫描时的情绪状态、药物使用和成像方法的差异可能是造成这些差异的原因（Yurgelun-Todd等人，2007年）。值得注意的是，我们的亚组分析突显了FA降低的束特异性变异性。放射冠的前部和后部以及钩状束显示出显著的改变，平均体素计数分别为392个体素和233个体素。尽管这些数值表明报告的异常空间范围较小，但它们在各项研究中的持续出现以及显著的FA降低强调了它们的相关性。仅有一项研究贡献的区域，如放射冠（superior）和整个胼胝体，显示出高变异性或缺乏分散度测量，这是由于数据有限所致。它们的纳入提供了完整性，但需要谨慎解释。

4.1 临床意义

本元分析中识别出的白质微结构异常模式具有潜在的临床意义，特别是在BD的神经生物学生物标志物这一不断发展的领域。胼胝体、扣带回束、钩状束、ATR和放射冠中一致的FA降低表明，BD可能涉及前额-边缘系统和丘脑-皮质连接性的特征级破坏，这些回路对情感调节、认知灵活性和半球间整合至关重要。从生物标志物的角度来看，这些发现具有多个领域的相关性。首先，不同研究中束特异性改变的可重复性表明其作为诊断或风险分层生物标志物的潜在效用，尤其是在结合遗传、炎症或神经认知特征时。其次，异常的空间分布，尤其是在钩状束和扣带回中，与先前在早发性、家族风险和青少年高风险队列中涉及的神经网络一致，支持了对内表型或脆弱性生物标志物的研究。第三，纵向成像研究表明，白质异常可能随着疾病持续时间和治疗暴露而演变，这表明DTI测量可能作为进展或预后生物标志物，特别是在区分神经发育轨迹和神经进行性变化方面。第四，新兴证据将束特异性完整性与药物反应联系起来（例如锂盐、情绪稳定剂和重复经颅磁刺激等神经调节治疗），突显了治疗反应或分层生物标志物的探索潜力，其中治疗前的扩散指标可能有助于预测谁将从特定干预中受益（Kafantaris等人，2017年；Bollettini等人，2015年；Shamabadi等人，2023年；Benedetti等人，2018年）。最后，鉴于DTI具有敏感性但不是疾病特异性的，未来的生物标志物开发可能需要多模态整合（DTI + 功能连接性 + 多基因风险 + 数字表型），以及临床决策框架内的协调成像协议。因此，这些发现代表了BD生物标志物发现的重要一步，但将其转化为临床应用需要标准化的采集方法、规范化的参考数据集以及跨疾病阶段和治疗环境的前瞻性验证。

4.2 未来方向

尽管这项元分析提供了现有DTI发现的全面综合，但仍有一些领域需要进一步探索。需要进行纵向研究，以澄清BD中白质改变的时间动态，包括这些异常是特征性标志物还是状态依赖性现象。此外，将DTI与功能性磁共振成像（fMRI）和磁共振波谱（MRS）相结合的多模态成像方法可能提供对白质结构、大脑功能和神经化学之间相互作用更全面的理解（Konarski等人，2006年；Og?odek等人，2026年）。应用先进的扩散成像技术，如神经纤维方向分散和密度成像（NODDI）和扩散峰度成像（DKI），可以更细致地了解白质的微结构特性。未来的研究还应探讨药物治疗、疾病持续时间和临床亚型（BD-I vs. BD-II）对白质完整性的影响。此外，机器学习和基于网络的分析可能有助于开发用于临床应用的个性化神经影像生物标志物（Konarski等人，2006年；Og?odek等人，2026年；Colombo等人，2022年）。未来的工作还应结合互补的多模态成像方法，以弥合微结构发现与功能网络行为之间的差距。将基于扩散的测量与静息态和任务态fMRI、形态测量分析或MRS等模态相结合，将使研究人员能够将束级改变与网络连接性、神经活动模式和神经化学特征联系起来。这种综合框架有助于确定白质异常是否在系统层面导致临床相关的功能障碍，最终改进机制解释和生物标志物的开发。

4.3 强点和局限性

这项元分析具有几个显著的优点，提高了其发现的可靠性、有效性和可解释性。这项工作的一个优点是广泛纳入了已发表的数据集，数据来自28项研究，涉及11,612名参与者。纳入了广泛而多样的已发表样本，增加了发现的描述广度，尽管潜在的变异性限制了对人群层面普遍性的假设。第二个关键优势在于这项研究的方法学严谨性。系统性回顾和元分析严格遵循PRISMA指南，确保了研究选择、数据提取和质量评估的透明度和可重复性。采用了多种先进的分析技术，以多维度理解BD中的白质微结构。具体来说，使用随机效应模型考虑了研究间的异质性，而亚组分析提供了对区域特异性改变的见解。此外，对报告坐标的探索性空间聚类和体素计数分析为发现的解释提供了额外的空间维度，识别了研究间的共性区域并量化了白质异常的程度。这项综合的另一个优点是它提供了一个束级别的结构框架，可以与互补的生物标志物方法相结合。当与fMRI的功能连接性测量、光谱学的神经化学指标、结构性MRI发现、遗传或多基因风险测量以及认知或临床标志物一起解释时，白质异常可能最具信息量。这种方法论的稳健性提供了新的区域特异性见解，扩展了之前的元分析。虽然之前的研究主要集中在FA的全球性测量上，但当前的分析确定了BD中最一致受影响的特定白质束。其中最突出的是胼胝体、扣带回束、钩状束和ATR。分析还强调了较少被关注的区域，如外部包膜和上部纵向束，强调了BD中白质病理的广泛性和多面性。此外，通过Egger回归测试确认的没有发表偏倚，增加了这些发现可靠性的信心。通过Galbraith图系统地检查并可视化了异质性，从而明确了如何处理变异性。尽管有这些优点，但仍需承认一些局限性。这项元分析最显著的局限性是研究间观察到的显著异质性。计算出的I2统计量为89.11%，表明报告发现的幅度和方向存在相当大的变异性。这种异质性可能反映了DTI采集协议、分析流程、参与者特征（包括年龄、性别和疾病持续时间）、药物状态以及成像时的情绪状态的差异。尽管使用了随机效应模型来减轻这种变异性的影响，但在整合来自不同来源的神经影像数据时，它们仍然是固有的限制。部分观察到的异质性可能反映了跨平台和采集相关的变异性，而不仅仅是生物学差异。在纳入的文献中，研究在扫描仪供应商、场强、扩散采样方案、b值、体素尺寸、切片厚度和分析方法（包括TBSS、束描记和基于ROI的分析）等方面存在差异。每个因素都可能独立于诊断影响FA估计，因此可能有助于分散汇总效应。因此，汇总结果应被视为跨不同成像平台的总结模式，而不是平台不变的效应幅度估计。另一个局限性是大多数纳入的研究采用了横断面设计，限制了关于白质异常随时间进展的因果推断。纵向研究对于确定这些异常是否在BD发病前就已存在、随着疾病进程发展或受药物治疗影响至关重要。此外，虽然体素计数元分析提供了关于白质改变空间范围的宝贵信息，但研究中体素大小的不一致报告阻碍了将这些发现转换为绝对体积测量的能力。标准化体素尺寸报告和使用协调的成像流程对于未来研究的可比性至关重要。潜在的混杂因素，如精神药物的效果、共病精神状况和情绪状态的变异性，并未在研究中得到一致控制。这种缺乏统一的报告方式阻碍了进行亚组分析以解释这些因素的可能性。此外，虽然FA是最广泛报告的DTI指标，但它对白质微结构异常的性质提供的特异性有限。先进的扩散成像模型，如NODDI和DKI，可能提供更细致的BD白质病理学见解，应纳入未来的研究。最后，尽管Egger的测试未显示出显著的发表偏倚，但这项元分析仅限于英语语言的研究，这可能引入了选择偏倚。在未来的系统性回顾中纳入非英语语言的出版物可以增强发现的全面性和普遍性。尽管这项荟萃分析提供了广泛的证据，表明双相情感障碍（BD）患者存在广泛的脑白质（WM）改变，但在解释这些发现时，必须考虑到现有的方法学局限性。在未来进行纵向、多模态成像研究中解决这些局限性对于深入理解脑白质病理在BD的病因、病程和治疗中的作用至关重要。

5 结论
这项荟萃分析提供了令人信服的证据，表明BD患者存在广泛且具有区域特异性的脑白质异常。FA（分数扩散）的减少在胼胝体、扣带回束、钩束和ATR（前额叶束）最为明显，空间上的聚集现象突显了中线及丘脑-皮质通路的作用。这些发现强调了结构连接紊乱在BD病理生理学中的重要性，并对神经影像生物标志物的开发及针对性干预措施具有重要的启示意义。通过采用纵向、多模态和标准化的研究方法来克服本研究中发现的方法学局限性，对于进一步理解BD中的脑白质病理至关重要。

作者贡献
Milad Yousefi：数据整理、撰写-审阅与编辑、撰写-初稿、可视化、验证、方法学研究。
Mohammad Javad Khosravi：撰写-初稿、验证、研究。
Negarsadat Namazi：撰写-初稿、撰写-审阅与编辑。
Alisa Mohebbi：撰写-初稿、撰写-审阅与编辑。
Mahsa Asadi Anar：撰写-审阅与编辑、研究、撰写-初稿、概念化、监督、验证、可视化、方法学研究、项目管理。
Behnaz Mahmoudvand：撰写-审阅与编辑、撰写-初稿、验证。
Zahra Rahimian：研究、撰写-初稿、撰写-审阅与编辑。
Mohammad Saeed Soleimani Meigoli：撰写-审阅与编辑、撰写-初稿。
Mohammad Sadra Saghafi：研究、撰写-初稿、撰写-审阅与编辑、正式分析。
Hanna Torkzadeh：撰写-审阅与编辑、撰写-初稿、研究。
Amirhossein Rigi：概念化、撰写-初稿、撰写-审阅与编辑。
Mina Jafari：方法学研究、可视化、撰写-审阅与编辑、撰写-初稿、正式分析。
Hadi Mahdavian：研究、撰写-初稿、撰写-审阅与编辑。
Mohaddeseh Sadat Hosseini：数据整理、撰写-审阅与编辑、撰写-初稿。
Farbod Khosravi：撰写-审阅与编辑、撰写-初稿、研究、验证。
Shaghayegh Karami：验证、撰写-审阅与编辑、撰写-初稿。
Melika Arab Bafrani：研究、撰写-初稿、撰写-审阅与编辑。
Shadi Hajizamani：撰写-初稿、撰写-审阅与编辑、数据整理。
Seyed Amirali Zakavi：撰写-审阅与编辑、撰写-初稿、概念化。

资金来源
作者无需要报告的内容。

伦理声明
作者无需要报告的内容。

同意书
作者无需要报告的内容。

利益冲突
作者声明无利益冲突。

数据可用性声明
数据可应相应作者的合理请求提供。

同行评审
为了保证透明度，与本文相关的同行评审文件可在以下链接获取：https://doi.org/10.1002/brb3.71459

第三轮评审
编辑决定函：2026/04/04

第二轮评审
编辑决定函：2026/03/24

评审员1报告：2026/03/23
评审员1报告附件1：2026/03/23

第一轮评审
编辑决定函：2025/11/15
评审员1报告：2025/08/21