2019年3月1日，《Biological Psychiatry》杂志发表了贺永课题组及其合作者的研究论文“Common Dysfunction of Large-Scale Neurocognitive Networks Across Psychiatric Disorders”。该论文采用精神疾病和健康被试的多模态脑影像大数据（共45760名被试），揭示了多个精神疾病认知受损的共享脑网络机制及其脑灰质结构基础，并探索了这些脑网络在认知加工中的作用。
不同精神疾病（如儿童自闭症、儿童多动症、抑郁症、精神分裂症等）患者在发病过程中经常表现出认知紊乱，在治疗后表现出部分或者完全的认知康复。精神疾病临床和认知的变化可能与脑网络连接密切相关（Gong and He, 2015；Bi and He, 2014; Zhang et al., 2011）。斯坦福大学的Menon等研究发现，人脑存在三个认知核心网络（即默认网络、额顶网络和凸显网络），参与了多个重要认知加工过程（Menon, 2011）（图1）。然而，很少研究将不同精神疾病联合起来探究认知失衡的共享网络机制，这主要是由于前人文献中较小的样本量、疾病本身的异质性以及被试入组标准的差异性等问题造成的。脑功能连接组元分析将脑功能网络和元分析相结合，可以提高样本的同质性以及统计力度，为发现精神疾病认知紊乱的共享网络连接机制提供有效途径。贺永课题组前期基于脑功能连接组元分析大数据（共13375名被试）发现了不同脑疾病在脑网络枢纽区域共享功能异常模式（Sha et al., 2018），然而跨诊断精神疾病认知缺陷的共享网络连接机制及其结构受损基础仍不清楚。
    在该论文中，研究人员首先针对8种精神疾病（儿童多动症、自闭症、抑郁症、精神分裂症、强迫症、焦虑障碍、双相障碍、创伤后应激障碍），获得已发表的242篇静息态磁共振脑功能成像研究论文（共8298名患者以及8165名健康对照），针对其中涉及的种子点空间定位进行认知网络划分，并对报道的异常功能连接进行元分析。与正常对照相比，不同精神疾病存在默认网络与腹侧凸显网络之间，以及凸显网络和额顶网络之间的功能连接降低，而在默认网络和额顶网络之间，以及默认网络和背侧凸显网络之间表现出功能连接升高（图2）。进一步，通过对363篇磁共振脑结构成像研究论文（共14027名患者以及14504名健康对照）报道的异常灰质体积进行元分析，发现精神疾病共享的灰质萎缩模式主要分布于内侧前额叶、前扣带回、脑岛以及背外侧前额叶等脑区，同时与功能异常连接模式之间存在显著关联（图3），这为揭示精神疾病功能异常模式潜在的结构基础提供重要依据。最后，通过人脑连接组计划公开数据库（共766名被试）进行脑网络连接分析，发现精神疾病中表现功能异常的网络连接参与了多个认知功能，包括空间朝向以及抑制控制等（图3）。该研究跨越传统疾病诊断标准，不仅为揭示多个精神疾病认知缺陷的共享网络连接机制提供了实验证据，而且为探索基于脑影像的精神疾病诊断标志物研究提出了新方向和新挑战。
    该论文被Biological Psychiatry选为最新一期的“Editor's Choice”。杂志主编，John Krystal在Press Release中评论：“Dr. He and colleagues provide an important clue as to why neuroimaging diagnostic biomarkers have made limited progress,”…“This finding pushes us to rethink the potential role of neuroimaging in the diagnostic process.”
本文第一作者为沙志强博士，通讯作者为贺永教授，合作者为美国科罗拉多大学的Tor Wager教授和英国伦敦国王学院Andrea Mechelli教授。该研究得到了国家自然科学基金重点国际合作项目，教育部长江学者特聘教授奖励计划等项目的资助。
 
论文链接： https://www.sciencedirect.com/science/article/pii/S0006322318320237
Press release: https://www.biologicalpsychiatryjournal.com/content/press_releases
贺永课题组主页： http://helab.bnu.edu.cn/ 相关文献：
Sha Z, Wager T, Mechelli A, He Y (2019) Common dysfunction of large-scale neurocognitive networks across psychiatric disorders. Biological Psychiatry 85(5):379–388.
 
Sha Z, Xia M, Lin Q, Cao M, Tang Y, Xu K, Song H, Wang Z, Wang F, Fox P, Evans A, He Y (2018) Meta-connectomic analysis reveals commonly disrupted functional architectures in network modules and connectors across brain disorders. Cerebral Cortex 28(12):4179-4194.
 
Gong Q, He Y (2015) Depression, neuroimaging and connectomics: a selective overview. Biological Psychiatry 77(3):223-235.
 
Bi Y, He Y (2014) Connectomics reveals faulty wiring patterns for depressed brain. Biological Psychiatry 76:515–516.
 
Zhang J, Wang J, Wu Q, Kuang W, Lui S, Huang X, He Y, Gong Q (2011) Disrupted brain connectivity networks in drug-naive, first-episode major depressive disorder. Biological Psychiatry 70:334-342.