[论文解读] More Alike than Different: Quantifying Deviations of Brain Structure and Function in Major Depressive Disorder across Neuroimaging Modalities

Nils R. Winter, Ramona Leenings+29 more|arXiv (Cornell University)|Dec 20, 2021

Functional Brain Connectivity Studies被引用 7

一句话总结

这项针对1,809名参与者的大型多模态神经影像学研究揭示，重度抑郁症（MDD）患者与健康对照组在脑结构和功能上的单变量差异极为微小，效应量范围为偏η² = 0.004至0.017，分类准确率仅略高于随机水平（54–55%）。研究结果挑战了单变量病例对照神经影像学在MDD中的临床与理论相关性，主张采用多变量、理论驱动且生态有效的研究方法。

ABSTRACT

Introduction: Identifying neurobiological differences between patients suffering from Major Depressive Disorder (MDD) and healthy individuals has been a mainstay of clinical neuroscience for decades. However, recent meta- and mega-analyses have raised concerns regarding the replicability and clinical relevance of brain alterations in depression. Methods: Here, we systematically investigate healthy controls and MDD patients across a comprehensive range of modalities including structural magnetic resonance imaging (MRI), diffusion tensor imaging, functional task-based and resting-state MRI under near-ideal conditions. To this end, we quantify the upper bounds of univariate effect sizes, predictive utility, and distributional dissimilarity in a fully harmonized cohort of N=1,809 participants. We compare the results to an MDD polygenic risk score (PRS) and environmental variables. Results: The upper bound of the effect sizes range from partial eta squared = .004 to .017, distributions overlap between 89% and 95%, with classification accuracies ranging between 54% and 55% across neuroimaging modalities. This pattern remains virtually unchanged when considering only acutely or chronically depressed patients. Differences are comparable to those found for PRS, but substantially smaller than for environmental variables. Discussion: We provide a large-scale, multimodal analysis of univariate biological differences between MDD patients and controls and show that even under near-ideal conditions and for maximum biological differences, deviations are extremely small and similarity dominates. We sketch an agenda for a new focus of future research in biological psychiatry facilitating quantitative, theory-driven research, an emphasis on computational psychiatry and multivariate machine learning approaches, as well as the utilization of ecologically valid phenotyping.

研究动机与目标

• 在近乎理想且标准化的条件下，系统量化MDD患者与健康对照组在多种神经影像学模态下的单变量神经生物学差异。
• 评估MDD神经影像数据中效应量、预测效用及分布差异性的上限。
• 将神经影像学差异的大小与多基因风险评分（PRS）及环境变量的差异进行比较。
• 评估亚组分析（如急性与慢性抑郁症）或方法学同质性增强是否改变MDD组与对照组之间的观察到的相似性。
• 质疑当前MDD单变量病例对照神经影像学方法的临床与理论相关性，并倡导生物精神病学范式的转变。

提出的方法

• 开展了一项完全标准化的大型队列研究，共纳入N = 1,809名参与者，包括MDD患者与健康对照组。
• 采用多种神经影像学模态：结构磁共振成像（MRI）、弥散张量成像（DTI）、任务态fMRI及静息态fMRI。
• 使用偏η²（partial η²）计算单变量效应量，以量化各模态下组间差异。
• 通过分布差异性统计指标评估MDD组与对照组之间的分布重叠程度。
• 利用多变量模型评估分类准确率，以估计神经影像特征的预测能力。
• 将神经影像学效应量与MDD多基因风险评分（PRS）及环境变量的效应量进行比较，以明确其生物学相关性。

实验结果

研究问题

• RQ1 在多种神经影像学模态下，MDD患者与健康对照组在脑结构与功能方面的单变量效应量上限是多少？
• RQ2 MDD患者与健康对照组的神经影像学特征分布重叠程度如何？这对个体水平的分类意味着什么？
• RQ3 神经影像学特征在区分MDD与对照组方面的预测准确率，与多基因风险评分（PRS）及环境变量相比如何？
• RQ4 亚组分析（如急性与慢性抑郁症）或方法学同质性增强是否改变MDD组与对照组之间的观察到的相似性？
• RQ5 当前MDD单变量神经影像学研究在多大程度上提供了具有临床相关性或理论意义的生物学差异？

主要发现

• 在所有神经影像学模态中，单变量效应量的上限范围为偏η² = 0.004至0.017，表明组间差异极小。
• MDD患者与健康对照组之间的分布重叠度为89%至95%，表明绝大多数个体的神经影像学特征无法在组间区分。
• 在所有神经影像学模态中，区分MDD患者与对照组的分类准确率仅为54–55%，仅略高于随机水平。
• 即使仅分析急性或慢性抑郁症患者，结果也基本不变，表明这些微小效应量在不同临床亚型中均具有稳健性。
• 神经影像学差异远小于环境变量相关的差异，且与多基因风险评分（PRS）的效应量量级相当，表明其临床实用性有限。
• 本研究得出结论：既往MDD单变量神经影像学研究中观察到的微小效应量并非主要由于样本量小或方法学异质性所致，而是反映了MDD患者与健康个体之间固有的神经生物学相似性。