- 1次围观
精神疾病诊断缺乏神经生物学基础，且基于脑的异常与现有诊断类别的对应关系较差。尽管多变量算法能够从脑—行为协变中提取跨诊断维度，但大多数研究依赖于皮层厚度和表面积等传统结构形态学指标，而这些指标无法捕捉非典型的发育轨迹。规范性建模（normative modeling，NM）通过将个体脑结构特征与基于人群得出的百分位数进行比较，量化个体水平的脑偏离分数，从而获得反映非典型脑发育的连续性指标。然而，这些分数能否识别跨诊断维度，仍不明确。我们对来自健康脑网络（Healthy Brain Network）的1095名儿童和青少年应用稀疏典型相关分析（sparse canonical correlation analysis，sCCA），以探究脑偏离分数与精神症状之间的协变关系。我们识别出一个情绪失调维度（r=0.33）。在独立队列中进行推广后，该维度呈现名义显著性（r=0.18，PFDR=0.05，未校正P=0.01，n=198）。相比之下，使用传统结构性脑特征未检测到显著维度。情绪失调主要由皮层厚度和表面积的偏离所驱动，且二者呈现不同的区域分布；中额回、扣带回、颞上回和岛叶的皮层表面积减少具有最高权重。基于脑偏离分数的sCCA权重计算得到的情绪失调潜在脑分数，与模型外情绪失调相关表型呈现特异性相关。此外，女性的潜在脑分数显著高于男性。总体而言，基于NM的脑偏离分数在识别跨诊断精神疾病维度方面较传统结构性指标更为敏感。此外，由sCCA估计权重导出的潜在脑分数，可能成为一种简便的指标，用于刻画维度特异性非典型脑偏离的程度。
精神疾病诊断缺乏神经生物学基础，而基于脑的异常与既有诊断类别的对应关系较弱。尽管多变量算法能够从脑—行为协变中提取跨诊断维度，但大多数研究依赖皮层厚度和表面积等传统结构形态学指标，而这些指标无法捕捉非典型的发育轨迹。规范性建模（normative modeling，NM）通过将个体脑结构特征与基于人群推导的百分位数进行对比，量化个体层面的脑偏离评分，从而获得反映非典型脑发育的连续性指标。然而，这些评分能否识别跨诊断维度仍不明确。我们对来自健康脑网络（Healthy Brain Network）的1095名儿童和青少年进行稀疏典型相关分析（sparse canonical correlation analysis，sCCA），以探究脑偏离评分与精神症状之间的协变关系。我们识别出一个情绪失调维度（r=0.33）。在独立队列中进行推广时，该维度显示出名义显著性（r=0.18，PFDR=0.05，未校正P=0.01，n=198）。相比之下，使用传统结构性脑特征未检测到显著维度。情绪失调主要由皮层厚度和表面积的偏离所驱动，且二者呈现不同的区域分布；额中回、扣带回、颞上回和岛叶的皮层表面积减少具有最高权重。利用脑偏离评分的sCCA权重计算得到的情绪失调潜在脑评分，与模型外情绪失调相关表型呈现特异性相关。此外，女性的潜在脑评分显著高于男性。总体而言，基于NM的脑偏离评分在识别跨诊断精神病理维度方面较传统结构性指标更为敏感。此外，基于sCCA估计权重所获得的潜在脑评分，可能成为一种简便的指标，用于捕捉维度特异性非典型脑偏离的程度。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.12.751102v1?rss=1
🏷️ 规范性建模 脑偏离评分 儿童青少年精神病理学 情绪失调 稀疏典型相关分析