[论文解读] A Network Control Theory Approach to Longitudinal Symptom Dynamics in Major Depressive Disorder

Tim Hahn, Hamidreza Jamalabadi+32 more|arXiv (Cornell University)|Jul 21, 2021

Mental Health Research Topics被引用 9

一句话总结

本研究将网络控制理论应用于重度抑郁障碍（MDD）的纵向症状动态建模，引入一种理论控制能量（E₀），用于量化从个体症状网络拓扑结构到达无症状状态所需的能量。E₀显著预测未来症状改善，且其预测能力在遗传风险较高或童年虐待史存在时增强，而在个体韧性较高时减弱。

ABSTRACT

Background: The evolution of symptoms over time is at the heart of understanding and treating mental disorders. However, a principled, quantitative framework explaining symptom dynamics remains elusive. Here, we propose a Network Control Theory of Psychopathology allowing us to formally derive a theoretical control energy which we hypothesize quantifies resistance to future symptom improvement in Major Depressive Disorder (MDD). We test this hypothesis and investigate the relation to genetic and environmental risk as well as resilience. Methods: We modelled longitudinal symptom-network dynamics derived from N=2,059 Beck Depression Inventory measurements acquired over a median of 134 days in a sample of N=109 patients suffering from MDD. We quantified the theoretical energy required for each patient and time-point to reach a symptom-free state given individual symptom-network topology (E 0 ) and 1) tested if E 0 predicts future symptom improvement and 2) whether this relationship is moderated by Polygenic Risk Scores (PRS) of mental disorders, childhood maltreatment experience, and self-reported resilience. Outcomes: We show that E 0 indeed predicts symptom reduction at the next measurement and reveal that this coupling between E 0 and future symptom change increases with higher genetic risk and childhood maltreatment while it decreases with resilience. Interpretation: Our study provides a mechanistic framework capable of predicting future symptom improvement based on individual symptom-network topology and clarifies the role of genetic and environmental risk as well as resilience. Our control-theoretic framework makes testable, quantitative predictions for individual therapeutic response and provides a starting-point for the theory-driven design of personalized interventions. Funding: German Research Foundation and Interdisciplinary Centre for Clinical Research, M\\"unster

研究动机与目标

• 开发一种定量、理论驱动的框架，以理解重度抑郁障碍（MDD）的纵向症状动态。
• 形式化一种理论控制能量（E₀），表示基于个体症状网络结构，从当前症状状态过渡到无症状状态所需的最小能量。
• 检验E₀是否能预测MDD患者随时间推移的未来症状改善。
• 考察多基因风险评分（PRS）、童年虐待史和自我报告的韧性对E₀与症状改善关系的调节作用。

提出的方法

• 在1,099名MDD患者中收集了使用贝克抑郁量表测量的纵向症状数据，中位随访时间为134天。
• 在每个时间点构建症状网络，将症状作为节点，其相互依赖关系作为边。
• 应用网络控制理论计算E₀，即驱动系统从当前症状状态到达无症状状态所需的理论最小控制能量。
• E₀被建模为症状网络拉普拉斯矩阵与系统当前状态向量的函数。
• 采用多层次回归模型检验E₀与未来症状变化之间的预测关系。
• 进行调节效应分析，评估多基因风险评分（PRS）、童年虐待史和韧性对E₀–症状改善关系的影响。

实验结果

研究问题

• RQ1 基于个体症状网络拓扑结构推导出的理论控制能量（E₀）是否能预测MDD患者的未来症状改善？
• RQ2 作为精神疾病多基因风险评分（PRS）衡量的遗传风险，如何调节E₀与未来症状变化之间的关系？
• RQ3 童年虐待史在多大程度上影响E₀对症状改善的预测能力？
• RQ4 自我报告的韧性如何影响E₀与未来症状轨迹之间的耦合关系？
• RQ5 E₀能否作为MDD治疗反应的机制性、可量化的预测指标？

主要发现

• E₀在下一个评估时间点显著预测未来症状减轻，且E₀值越高，症状改善的抵抗性越强。
• E₀对症状改善的预测能力随精神疾病多基因风险评分（PRS）的提高而增强。
• 在有童年虐待史的个体中，E₀与症状改善之间的关系进一步被放大。
• 韧性显著减弱了E₀与未来症状变化之间的耦合关系，提示其在症状调节中具有保护作用。
• 控制理论框架在个体症状网络拓扑结构中表现出稳健的预测能力，支持其在个性化治疗规划中的应用。