脑机启侦|大脑网络揭示精神类疾病症状如何随时间变化（04.27）

了解从早期到慢性阶段的神经生物学变化对于制定有针对性的预防和治疗策略至关重要。但在这一转变过程中，症状如何变化，以及大脑在其中发挥了什么作用，目前尚不清楚。

耶鲁大学医学院 (YSM) 的研究人员目前已对患有早期和慢性精神病的患者进行了检查，以绘制症状演变图并识别相关的大脑网络。

“我们对精神病和精神障碍是如何发展的很感兴趣，”这项研究的第一作者 Maya Foster 说。“通过这项研究，我们研究了大脑的底层网络——功能上连接并协调工作的区域——将大脑区域与早期或慢性精神病患者的症状联系起来，并评估了这些网络之间的异同。”

01

精神病的阴阳症状

精神病症状的原因尚不十分清楚，但人们普遍认为它是由大脑活动紊乱或改变引起的。

精神病的所谓“阳性”症状即健康人通常不会遇到的附加体验——包括幻觉和妄想，而阴性症状或健康体验的缺陷版本——包括记忆力受损、思维混乱、缺乏动力和无法感受到快乐。精神病患者通常首先出现阴性症状。随着精神病的恶化，阳性症状开始出现。尽管早期和慢性病例有相同的症状，但治疗的反应却不同。

“研究表明，如果患者及早接受治疗，预后会更好，”福斯特说。“慢性精神病的复发率更高，而且现有的治疗方法效果也不佳。”先前的研究表明，早期干预可以减轻精神病症状，但尚未开展跟踪患者从早期到慢性状态转变的纵向研究。填补这一信息空白可以帮助临床医生更有效地治疗患者。

02

将大脑网络映射到精神病症状

为了解决这一差距，福斯特和谢诺斯特研究了两个大型开源数据集，以确定早期或慢性精神病患者的症状如何发展。

人类连接组计划早期精神病 (HCP-EP) 数据集包含数据收集后五年内出现症状的早期精神病患者的信息。脑科学战略研究计划 (SRPBS) 多重障碍连接数据集包含不同症状严重程度的患者。HCP-EP 数据集包含 107 名参与者的信息，并与 57 名健康参与者的数据进行了比较。SRPBS 数据集包含 123 名参与者的信息，并与 99 名健康参与者的数据进行了比较。

为了识别大脑中导致精神病症状的连接模式，研究小组利用从早期或慢性精神病患者收集的功能性磁共振成像数据和症状信息，训练了一个机器学习模型。

研究人员发现，该模型能够预测两组的阳性和阴性症状。对慢性精神病患者的预测结果更为准确，这可能是因为该人群的症状负担更重。虽然精神病是由整个大脑的功能紊乱引起的，但研究小组发现，额顶叶网络在早期和慢性精神病中都发挥着关键作用。大脑的这个区域与认知灵活性、认知控制和协调行为有关。据福斯特称，负面症状可能与额顶叶网络中断有关。

03

从对症下药到精准干预

研究人员表示，这些发现提供了一个神经生物学参考点，可以让临床医生在患者从早期精神病转变为慢性精神病时追踪基于症状的大脑网络。

“如果我们能够描述大脑的差异以更好地理解症状，那么我们就有可能确定目标或生物标志物，”Scheinost 说。“通过更多的研究，我们也许能够预测治疗过程中需要监测的转变点。”

未来的研究可以追踪患者的长期情况，揭示已识别的大脑网络在精神病患者整个生命周期内如何变化。这种方法可以为改善护理和预防症状恶化提供治疗方案。未来，随着脑成像技术的普及，早期识别与干预或将成为现实——让更多患者抓住治疗的“黄金窗口”，重获清晰思维与生活掌控力。

新闻来源：Neuroscience

论文参考：DOI: 10.1038/s41386-025-02064-9