從傳統角度來看，我們習慣將精神分裂症(SCZ)，雙相障礙(BD)，重型抑鬱症(MDD)作為完全獨立的疾病進行研究，但實際上這些精神疾病存在共同的基因，環境風險因子，臨床症狀，神經心理異常和神經生物學變異。因此，跨疾病研究方法可以提供新的視角。

大腦的模組結構可以被描述為功能模組內部緊密連線，模組間稀疏連線的結構特點。模組化的網路結構使得大腦可以實現功能分化和功能整合的有效平衡。在以往研究中，精神疾病表現出了跨疾病和疾病特異性的模組結構變化。但是由於大部分研究是透過比較疾病組和正常對照組，因此這個結果缺少直接的證據。

這一篇文章透過跨疾病的研究方式，直接研究精神疾病的模組結構變化。

///

Transdiagnostic Dysfunctions in Brain Modules Across Patients with Schizophrenia, Bipolar Disorder, and Major Depressive Disorder: A Connectome-Based Study

回答什麼問題

精神疾病表現出大腦功能網路模組結構的跨疾病和疾病特異性變化。

如何回答

1.採集被試人口學和臨床資訊

研究採集了512個被試（年齡13-45歲，其中包括121個精神分裂症（SCZ）患者，100個躁鬱症（BD）患者，108個抑鬱症（MDD）患者和183個健康對照組）的人口學資訊，疾病持續時間，發病時間和吸菸歷史等資訊。被試的臨床症狀透過簡易精神疾病評分量表（BPRS），漢密爾頓抑鬱評分量表（HAMD），漢密爾頓焦慮評分量表（HAMA）和楊氏躁狂量表（YMRS）評估。

2. 考察全腦總的模組性

模組劃分方法：Louvain演算法，每個人10次，取全域性模組性Q最大的1次。考察指標：全域性模組性Q，模組數量和連線節點的數量（PC>0.3視為連線節點）(FDR across 3 measures)

*參與係數（Participation Coefficiency，PC）

3. 考察模組的分離程度

如圖1，根據已有模板（Yeo et al., 2011）將大腦劃分為 額頂控制網路(FPN)，預設模式網路(DMN), 腹側注意網路(VAN), 邊緣網路(LIM), 視覺網路(VIS), 感覺運動網路(SMN), 皮層下模組(SUB)8個模組，計算各個模組的模組分離指數MSI。統計模組內和模組間的連線數量，透過非引數置換檢驗（10000次）進行差異分析。（FDR across 8 inter+28 intra-modular measures）

4. 考察節點在模組結構中的作用

透過非引數置換檢驗（10000次）對節點PC值進行組間比較。（P<.05 and Cluster-size - 95 percentile of 10,000 permutation's maximal cluster size at p<.01）對於PC有組間差異的節點進行區域和模組的連線分析 。

5. 考察所有異常和行為學資料的Spearman相關

用什麼證據回答

1. 如圖2，精神疾病表現出跨疾病的全腦模組性下降，SCZ組的全腦模組性顯著低於BD和MDD組。這種下降可能是模組間連線數增多導致的。

圖2：表示四組中全域性模組化體系結構的度量差異。Violin plot描繪了每組中測量值的分佈，點和線分別代表平均值和標準偏差。所有的plot生成都控制了年齡和性別。透過FDR校正將顯著性水平設定為P <.05。*** P <.001和* P <.05。患有MDD和HCs的患者之間的連線組數量（PC> 0.3）呈顯著趨勢。BD，雙相情感障礙；HC，健康控制；MDD，重度抑鬱症；SCZ，精神分裂症。

2. 如圖3，精神疾病表現出跨疾病的FPN,SUB,VIS,SMN的模組分離程度的下降。SCZ在SMN和LIM的模組分離程度顯著低於BD和MDD組，VAN-DMN的模組間連線顯著多於BD和MDD組。

圖3A：表示組間模組分離的差異。Violin Plot描繪了每組中模組分離指數的分佈，點和線分別代表平均值和標準偏差。

圖3B：表示左側的矩陣顯示了四組中每組的內部和模組間連線，顏色欄表示連線數。右側的矩陣說明了四組之間的組水平效果。

圖3C：表示每對組的模組內和模組間連線的組間差異。紅線和藍線分別表示更多的連線和更少的連線。

3. 如圖4，精神疾病表現出跨疾病的dlPFC, ANG和THA在模組結構中連線作用增強的現象。SCZ組左側dlPFC和丘腦在模組結構中的連線作用顯著強於BD和MDD組。

圖4A：圖中顏色標記的region表示對PC表現出顯著群體效應的區域（P <.05，10,000次置換）。

圖4B：表示對PC具有顯著組效應區域的成對比較。在MDD和HCs患者之間的L.dlPFC中觀察到了顯著趨勢，在SCZ和BD患者之間的R.dlPFC和L.THA中以及在BD和MDD患者之間的R.ANG中觀察到了顯著趨勢。（L,Left左；R,Right右；dlPFC,dorsolateral prefrontal cortex背外側前額皮質；ANG,Angular gyrus角回）

圖4C：表示每組之間的區域到模組連線的組間差異。實心圓的大小代表顯著性水平。較暖和較冷的顏色分別表示越來越多或少的連線。透過FDR校正，將C和D中顯示的資料的顯著性水平設定為P <.05； *** P <.001；** P <.01; 和* P <.05。

4. 如圖5，精神疾病模組結構變化和行為學資料存在相關關係。

圖5：表示患者組中行為學資料與模組結構之間的相關性。在執行Spearman的相關分析之前，透過迴歸年齡和性別對資料進行擬合。BPRS，簡要精神病評定量表；dlPFC，背外側前額葉皮層；DMN，預設模式網路；FPN，額頂網；HAMA，漢密爾頓焦慮量表；HAMD，漢密爾頓抑鬱量表；L，左；MSI，模組分離指數；PC，參與係數；R，右；VIS，視覺網路。

結論

精神疾病表現出模組結構的跨疾病異常，這種異常是以由模組間連線的增多和連線節點在模組連線中的作用增強造成的。SCZ組表現出了疾病特異性的異常。

主要問題

服藥情況，吸菸等會影響結果。 掃描睡覺的情況，是由參與者自己報告的。 研究只包括了BD MDD和SCZ的患者。

有什麼啟發

可以納入更多的精神疾病來進行跨疾病的研究。在進行精神疾病研究的時候，要考慮到一些影響因素，比如服藥情況，發病年齡，是否初發，吸菸情況等。

原文連結

https://doi.org/10.1093/schbul/sbz111