脑机启侦丨抑郁症的神经生物学亚型（03.13）

2026年3月，我国认知神经科学与学习国家重点实验室课题组在国际精神病学期刊《Biological Psychiatry》在线发表题为《Neuroimaging insights into the neurophysiological subtypes of major depressive disorder》的综述论文。该综述系统总结了基于多模态神经影像识别抑郁症神经生物学亚型的方法学进展、不同影像模态的主要发现以及临床转化前景，并对该领域未来发展方向进行了系统分析。

抑郁症是全球发病率最高、疾病负担最重的精神障碍之一。由于患者在症状表现、疾病进程及治疗反应等方面存在显著差异，传统基于症状的诊断和治疗策略面临重要挑战。近年来，多模态磁共振成像为揭示抑郁症脑结构和功能异常提供了重要手段。然而，小样本研究结果往往不一致，而大样本研究虽然更稳健，但通常只表现出中等效应量，提示抑郁症脑异常具有明显的个体差异。在此背景下，研究者开始尝试利用脑影像特征识别抑郁症的神经生物学亚型，以更好地理解其复杂病理机制，并为精准诊疗提供客观依据。

综述首先总结了抑郁症神经生物学亚型识别的四类主要方法学路线，包括无监督方法、半监督方法、深度学习技术以及规范模型框架（图1）。该领域的方法正从早期以聚类为主的数据驱动分析，逐步发展为既能刻画个体异常模式、又兼顾生物学解释和临床可转化性的综合建模框架。其中，无监督方法能够在数据驱动条件下发现潜在亚型；半监督方法通过结合病例—对照信息，有助于提高亚型的临床解释性；深度学习方法则提供更强的非线性表征能力；规范模型通过构建健康人群参考分布，定量描述患者相对于常模的个体偏离，为精神障碍研究从“群体平均差异”转向“个体化异常评估”提供了重要工具。文章指出，未来研究有望整合多种方法框架，发展更加稳健、可解释且具有临床验证价值的分型策略。

图1 抑郁症神经生物学分型的方法学框架

随后，文章进一步梳理了不同影像模态揭示的抑郁症神经生物学亚型模式（图2）。在功能影像研究中，不同抑郁症亚型常表现出相反的脑功能活动或功能连接模式，尤其涉及默认网络和额顶网络等关键脑网络。这些网络在情绪调节、认知控制和自我相关加工中发挥重要作用，其不同异常模式可能对应抑郁症患者不同的临床表现及治疗反应。结构影像研究主要呈现两类模式：一类为相反方向的整体结构异常，例如广泛皮层变薄或增厚；另一类为异常脑区范围的差异，即部分患者局部脑结构异常，而另一部分患者呈现更广泛的脑异常。文章指出，这些差异可能与研究方法和样本构成有关，也凸显了建立标准化分析流程和统一验证框架的重要性。弥散磁共振研究目前仍较少，部分研究提示胼胝体及其相关白质通路可能是区分不同亚型的重要结构基础。相比之下，多模态融合研究仍处于起步阶段。现有研究发现，不同影像模态得到的亚型重叠度较低，提示它们可能刻画了抑郁症异质性的不同方面。未来通过更先进的数据融合方法，并结合遗传、分子或治疗反应等外部指标进行验证，有望进一步阐明不同亚型背后的病理生理机制。

图2 不同模态的抑郁症神经生物学亚型

在总结研究进展的基础上，文章进一步讨论了神经生物学亚型的临床意义，并提出神经生物学亚型临床转化的概念框架（图3），包括特征识别、亚型发现、亚型—治疗映射、亚型判别建模、治疗方案选择以及动态临床监测等关键步骤，为抑郁症精准诊疗提供了系统化路径。

同时，文章指出该领域仍面临多项挑战，包括大样本多中心数据建设与标准化、亚型稳定性的严格验证、跨人群泛化能力、亚型的遗传与环境基础，以及跨诊断维度的异质性机制等。随着规范模型、多模态融合和多组学研究的发展，神经影像学分型有望进一步深化对抑郁症异质性的理解，并推动研究从群体差异分析走向个体化脑表型刻画。

图3 神经生物学亚型临床转化的概念框架

总体而言，该综述表明，基于神经影像的抑郁症神经生物学亚型研究正逐步突破传统病例—对照研究范式，并朝着更加精细化和个体化的方向发展。随着大规模标准化数据集的建立以及前瞻性研究的不断推进，神经影像亚型有望在未来的精准精神医学中发挥重要作用。

来源 | 每日神经说

浙大科技园启真脑机智能产业化基地是在浙大控股集团领导下，由浙江大学科技园发展有限公司与杭州未来科技城管委会共建，围绕脑机智能产业主体，辐射脑机+生命健康、脑机+智能制造、脑机+新一代信息技术、脑机+新材料等领域的专业化特色产业基地，由杭州启真未来科技发展有限公司负责全面运营。

基地依托浙江大学在脑机智能方面的学科优势，以脑机智能作为核心科技支撑，贯彻浙江大学国家大学科技园“有组织科技成果转化、有靶向科技企业孵化、有体系未来产业培育”的服务体系，致力于打造脑机智能领域具备成果显示度、区域影响力的产业化高地。