vue-cli-subapp

Schizophrenia:较弱的自上而下认知控制和较强的自下而上信号传递作为精神分裂症的发病机制

13小时前 xiongjy MedSci原创 发表于上海

精神分裂症患者的自上而下认知控制减弱,自下而上信号传递增强。ISAE-SVM模型在分类精神分裂症患者和健康对照组时表现出82%的准确率。

精神分裂症是一种严重的精神疾病,其临床症状高度异质性,主要表现为认知障碍和感知觉异常。认知障碍通常与自上而下的调控机制异常有关,而感知觉异常则与自下而上的信息处理功能障碍相关。然而,目前尚不清楚精神分裂症的主要驱动因素是自上而下的控制机制、自下而上的感知过程,还是两者的相互作用。本研究假设,异常的上下行相互作用构成了精神分裂症的神经机制。基于静息态功能磁共振成像(rs-fMRI)数据,研究开发了一种改进的堆叠自编码器-支持向量机(ISAE-SVM)模型,用于精神分裂症的诊断。通过置换测试,从模型输出特征中识别出213个最具区分性的功能连接,并进一步分析了这些功能连接与临床症状的相关性。最后,使用频谱动态因果模型(sDCM)分析了这些功能连接对应脑区之间的动态因果相互作用。

研究结果显示,ISAE-SVM模型的平均分类准确率达到82%。值得注意的是,五个跨越认知和感知脑区的静息态功能连接与阳性和阴性症状量表(PANSS)评分显著相关。此外,sDCM分析揭示了精神分裂症患者自上而下调控减弱和自下而上信号传递增强的现象。这些发现支持了研究假设,即受损的自上而下调控和增强的自下而上信号传递共同构成了精神分裂症的神经机制。

研究首先对rs-fMRI数据进行了预处理,包括时间层校正、头动校正、结构像与功能像的配准、分割、归一化等步骤。随后,使用ISAE-SVM模型对功能连接矩阵进行分类。ISAE网络通过多层自编码器对输入特征进行非线性变换,提取潜在特征,并通过支持向量机进行分类。为了识别最具区分性的功能连接,研究采用了置换测试,最终筛选出213个关键功能连接。进一步的相关性分析表明,这些功能连接与PANSS量表的多个子项评分显著相关。最后,使用sDCM分析了这些功能连接对应脑区之间的动态因果相互作用。

图1:分析过程概述

研究结果表明,精神分裂症患者的自上而下调控减弱,表现为从前额叶皮层(如ORBinfL、ORBmidL和RECL)到感知脑区(如HESL、CUNR和DCGR)的有效连接减弱。与此同时,自下而上的信号传递增强,表现为从感知脑区到前额叶皮层的有效连接增强。这些发现与以往的研究一致,表明精神分裂症患者的认知障碍与自上而下调控的减弱有关,而感知觉异常则与自下而上信号传递的增强有关。

研究还发现,ISAE-SVM模型在分类精神分裂症患者和健康对照组时表现出较高的准确率(82%),显著优于其他对比模型(如SAE-SVM、ISAE-KNN、ISAE-LR和ISAE-DTREE)。该模型通过引入Dropout层和短连接,解决了传统自编码器在训练过程中梯度消失的问题,并通过优化损失函数,提升了模型的分类性能。

图2:五种不同模型的分类准确率

总之,本研究揭示了精神分裂症的发病机制可能与自上而下认知控制的减弱和自下而上信号传递的增强有关。这种上下行相互作用的异常动态因果关系可能解释了精神分裂症复杂多样的临床表现。此外,ISAE-SVM模型作为一种潜在的智能诊断工具,展示了深度学习在精神分裂症临床诊断中的应用前景。

文献出处:

Lyu, X., Liu, T., Ma, Y., Wang, L., Wu, J., Yan, T., Liu, M., & Yang, J. (2025). Weaker top-down cognitive control and stronger bottom-up signaling transmission as a pathogenesis of schizophrenia. Schizophrenia, 11(36). https://doi.org/10.1038/s41537-025-00587-0

你可能还想了解:
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2256305, encodeId=7a4f22563057b, content=<a href='/topic/show?id=c9bfe649471' target=_blank style='color:#2F92EE;'>#精神分裂症#</a> <a href='/topic/show?id=a343329413c' target=_blank style='color:#2F92EE;'>#功能连接#</a> <a href='/topic/show?id=518d12514e09' target=_blank style='color:#2F92EE;'>#动态因果模型#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=4, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=32941, encryptionId=a343329413c, topicName=功能连接), TopicDto(id=125147, encryptionId=518d12514e09, topicName=动态因果模型), TopicDto(id=76494, encryptionId=c9bfe649471, topicName=精神分裂症)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Sun Mar 16 12:58:16 CST 2025, time=22小时前, status=1, ipAttribution=上海)]

相关资讯

Schizophrenia:精神分裂症患者的跨感觉注意缺陷与感觉运动β振荡的关系

精神分裂症患者在跨感觉注意任务中表现出感觉运动皮层β波段振荡的异常,特别是在视觉注意条件下β振荡增强。这一效应与患者的阳性和认知症状呈负相关,表明β振荡异常可能与临床症状有关。

Psychiatry and Clinical Neurosciences:中国学者揭示间歇性θ爆发刺激对中度至重度认知障碍精神分裂症患者阴性症状的疗效

iTBS显著改善了患者的阴性症状,并增强了前额叶皮层的激活,尤其是右侧额下回和额眼区。治疗效果持续至治疗后8周,且iTBS治疗提高了患者的全局和局部效率,表明其在改善脑功能网络连接方面的潜力。

Psychiatry Clin Neurosci:日本精神分裂症患者长期社会康复趋势及其与抗精神病药物使用的关系

日本精神分裂症患者的长期社会康复结果发生变化,完全康复或长期住院患者减少,中间康复阶段患者增加。社会康复较好的患者更倾向于单一药物治疗,而康复较差的患者更可能接受多种药物联合治疗。

Mol Psychiatry:环状RNA在神经系统疾病中的计算识别、功能验证及潜在临床应用

本文综述了circRNA在精神分裂症、双相情感障碍、重度抑郁症、阿尔茨海默病和帕金森病等神经系统疾病中的表达变化及其功能机制。circRNA通过调控miRNA和RNA结合蛋白,影响基因表达和突触功能。

Mol Psychiatry:精神分裂症和首发精神病患者的多巴胺功能异常模式

患者在前额叶和颞叶皮层表现出显著的极端偏离,且与临床症状相关。基于纹状体[18F]FDOPA信号的规范模型能够有效预测治疗反应,提示其在精准医学中的潜在应用价值。

Translational Psychiatry:双盲随机安慰剂对照试验评估伽马频段经颅交流电刺激治疗精神分裂症难治性听觉幻觉的临床效果

接受40Hz-tACS联合药物治疗的难治性听觉幻觉精神分裂症患者在第4周及随访期听觉幻觉症状显著减轻,同时右额叶至顶叶及枕叶的伽马波段功能连接增强,右额叶平均可控性提升且模态可控性降低。

Molecular Psychiatry:βIV spectrin在精神分裂症中的异常表达及其对AKT/GSK3通路敏感性的影响

βIV spectrin在SCZ中的表达和分布异常,且对AKT/GSK3通路的敏感性降低。基于βIV spectrin成像特征的机器学习分类器能够以高达98%的准确率区分SCZ和HC神经元。

Psychological Medicine:脑-体连接失调:首发精神分裂症中自主神经对皮质功能的调节缺陷

首发精神分裂症患者在theta和alpha频段的HRV-EEG耦合显著低于健康对照组,且这种耦合能够独特地预测组别。alpha频段的HRV-EEG耦合与患者的持续注意力显著相关。

Schizophrenia:基于机器学习的脑灰质结构预测初发精神分裂症抗精神病药疗效

研究发现,基于脑灰质结构特征的机器学习模型可有效预测精神分裂症患者对抗精神病药物的短期和长期疗效。研究结果为个体化治疗提供了潜在生物标志物。

Translational Psychiatry:利用炎症标志物血浆水平的机器学习分类器预测精神分裂症患者的抗精神病药物反应

研究通过机器学习模型,基于血浆炎症标志物,成功区分了精神分裂症患者的不同治疗反应群体,揭示了多个与炎症相关的蛋白标志物,为精神分裂症的个性化治疗提供了新的生物标志物。