重度抑郁症（MDD）是一种严重的疾病，通常伴随着默认模式网络（DMN）功能和结构的改变。常见的变化包括灰质体积（GMV）、皮层厚度（CoT）以及脑回形态（gyrification）的改变。使用超高场强MRI和机器学习方法对这些变量进行全面分析，可能为抑郁症的病理生理学提供新的见解，并有助于开发更个性化的治疗方案。此前的研究揭示了这些结构性特征的变化与抑郁症的相关性，但缺乏精确的预测模型。本研究使用7T高场MRI扫描技术，结合机器学习方法，探讨DMN区域结构变化是否能够作为抑郁症的预测因子。

本研究包括41名经确诊的MDD患者和41名健康对照者，所有参与者在年龄和性别上匹配。使用7特斯拉（7T）MRI扫描仪获取脑成像数据，DMN区域的划分采用Schaefer 600 Atlas。首先，使用混合模型重复测量（MMRM）分析对数据进行初步分析，评估不同结构特征（如灰质体积、皮层厚度和脑回形态）的变化。接着，通过支持向量机（SVM）结合交叉验证评估这些结构特征对抑郁症存在的预测能力。为了确定各个区域对分类结果的贡献，采用了连续置换程序。通过与BDI-II和AMDP评分的关联分析，进一步阐明了这些区域的变化与抑郁症症状的关系。

图1：部分回归散点图，显示左侧海马旁回区域灰质体积与抑郁症症状严重度的负相关关系（pfdr=0.03）

MMRM分析结果表明，灰质体积、皮层厚度和脑回形态在MDD患者和健康对照者之间存在显著差异（灰质体积：χ2(115)=295.97, p<0.001；皮层厚度：χ2(115)=101.57, p=0.810；脑回形态：χ2(115)=153.79, p=0.009）。特别是在左侧下顶叶、小脑、前额皮层以及双侧颞叶和海马旁回等DMN区域，灰质体积的变化具有较强的显著性。脑回形态方面，左侧前扣带皮层（PCC）和右侧前额皮层（PFC）等区域也表现出显著的差异。
SVM分析结果显示，基于脑回形态数据，SVM能够较好地预测抑郁症的存在，准确率达0.76。此外，灰质体积在左侧海马旁回（PHC）区域与抑郁症的严重程度（通过BDI-II评分测量）呈负相关（β=−0.415, pfdr=0.03）。皮层厚度的变化未能在混合模型中显示出相关性，因此未进入进一步分析。对于脑回形态特征，与BDI-II或AMDP评分的相关性未表现出显著性结果。

图2：SVM分类结果的卷积图，每个区域显示正确分类的比例

本研究表明，DMN区域的结构数据可能包含预测抑郁症存在所需的信息，尤其是灰质体积和脑回形态在特定脑区的变化表现出良好的预测能力。尽管灰质体积的变化与抑郁症的严重程度相关，但其在疾病预测中的应用存在一定的挑战，特别是在高变异性和脑回形态的静态特征上。进一步的研究需要改进数据采集和分析方法，以克服这些挑战，并进一步提高预测模型的准确性。

原始出处：
Schnellbächer, G.J., Rajkumar, R., Veselinović, T. et al. Structural alterations as a predictor of depression – a 7-Tesla MRI-based multidimensional approach. Mol Psychiatry (2024). https://doi.org/10.1038/s41380-024-02854-5

Tags： Molecular Psychiatry：结构性改变作为抑郁症预测因子——基于7特斯拉MRI的多维度方法