[论文解读] Identifying melancholic depression biomarker using whole-brain functional connectivity

Naho Ichikawa, Giuseppe Lisi+15 more|arXiv (Cornell University)|Apr 3, 2017

Functional Brain Connectivity Studies参考文献 19被引用 3

一句话总结

本研究利用fMRI数据中的全脑静息态功能连接（FC）识别出一种与忧郁型重度抑郁障碍（MDD）相关的生物标志物。通过仅关注中度至重度症状的忧郁型MDD，研究人员开发了一种类器，其在区分患者与健康对照组时达到70%的准确率，在独立验证队列中准确率为65%，并识别出与左侧背外侧前额叶皮层（DLPFC）/额下回（IFG）相关的关键功能连接，以及与楔前叶/后扣带皮层（PCC）和右侧DLPFC/辅助运动区（SMA）的连接。

ABSTRACT

By focusing on melancholic features with biological homogeneity, this study aimed to identify a small number of critical functional connections (FCs) that were specific only to the melancholic type of MDD. On the resting-state fMRI data, classifiers were developed to differentiate MDD patients from healthy controls (HCs). The classification accuracy was improved from 50 % (93 MDD and 93 HCs) to 70% (66 melancholic MDD and 66 HCs), when we specifically focused on the melancholic MDD with moderate or severer level of depressive symptoms. It showed 65% accuracy for the independent validation cohort. The biomarker score distribution showed improvements with escitalopram treatments, and also showed significant correlations with depression symptom scores. This classifier was specific to melancholic MDD, and it did not generalize in other mental disorders including autism spectrum disorder (ASD, 54% accuracy) and schizophrenia spectrum disorder (SSD, 45% accuracy). Among the identified 12 FCs from 9,316 FCs between whole brain anatomical node pairs, the left DLPFC / IFG region, which has most commonly been targeted for depression treatments, and its functional connections between Precuneus / PCC, and between right DLPFC / SMA areas had the highest contributions. Given the heterogeneity of the MDD, focusing on the melancholic features is the key to achieve high classification accuracy. The identified FCs specifically predicted the melancholic MDD and associated with subjective depressive symptoms. These results suggested key FCs of melancholic depression, and open doors to novel treatments targeting these regions in the future.

研究动机与目标

• 识别忧郁型MDD的特定、生物同质性生物标志物，忧郁型MDD是重度抑郁障碍的一种临床亚型。
• 通过聚焦于与更一致神经生物学基础相关的忧郁型特征，克服MDD的异质性。
• 开发一种基于功能连接的分类器，以准确区分忧郁型MDD患者与健康对照组。
• 通过在自闭症谱系障碍（ASD）和精神分裂症谱系障碍（SSD）等其他精神疾病中测试其性能，验证该生物标志物的特异性。
• 探讨所识别的功能连接生物标志物与临床症状严重程度以及艾司西酞普兰治疗反应之间的关系。

提出的方法

• 从93名忧郁型MDD患者和93名健康对照组（HCs）收集静息态fMRI数据，其中66名患者和66名HCs用于模型训练。
• 使用fMRI时间序列数据计算9,316个解剖学节点对之间的全脑功能连接（FC）。
• 应用机器学习分类器（可能为SVM或类似方法）识别出能最佳区分忧郁型MDD与HCs的最小功能连接集合。
• 在独立队列的66名忧郁型MDD患者和66名HCs中验证分类器，以评估其泛化性能。
• 训练分类器以预测生物标志物评分，并将这些评分与临床抑郁症状评分及治疗反应进行相关性分析。
• 通过在自闭症谱系障碍（ASD）和精神分裂症谱系障碍（SSD）个体中测试分类器，评估其特异性。

实验结果

研究问题

• RQ1 哪些功能连接模式特异性地与忧郁型MDD相关，而非其他MDD亚型或精神疾病？
• RQ2 一组少量的功能连接能否作为可靠生物标志物，以高准确率区分忧郁型MDD患者与健康对照组？
• RQ3 生物标志物评分如何与忧郁型MDD患者的主观抑郁症状严重程度及治疗结局相关？
• RQ4 所识别的生物标志物是否可推广至其他精神疾病，如ASD和SSD？
• RQ5 哪些脑区及连接在忧郁型抑郁的功能连接生物标志物中起最关键作用？

主要发现

• 当在中度至重度抑郁症状队列上训练时，分类器在区分忧郁型MDD患者与健康对照组时达到70%的准确率。
• 在独立验证队列中，模型保持65%的准确率，表明其具有稳健的泛化能力。
• 生物标志物评分与临床抑郁症状评分显著相关，表明其对症状严重程度敏感。
• 生物标志物评分在艾司西酞普兰治疗后有所改善，提示其对药物干预具有反应性。
• 最具信息量的12个功能连接主要与左侧背外侧前额叶皮层（DLPFC）/额下回（IFG）相关，关键连接涉及楔前叶/后扣带皮层（PCC）和右侧DLPFC/辅助运动区（SMA）。
• 分类器在ASD（准确率54%）和SSD（准确率45%）中的准确率较低，证实其对忧郁型MDD具有特异性，且在其他精神疾病中不具备泛化能力。