抑郁症患者脑网络效率降低：与病情严重度的关联研究

该研究论文由陈建淮等人进行，旨在深入探讨抑郁症患者脑结构网络的效率属性，特别是与疾病严重程度的关系。作者团队选取了27名抑郁症患者（抑郁症组）和36名健康对照者（对照组），通过弥散张量成像技术（DTI）进行大脑扫描，对大脑进行细致的解剖学自动标记，并将90个区域划分为一个二值化网络模型。他们分析了抑郁症患者的脑网络在全局和局部效率上的表现，以及这些效率与随机网络的对比。 研究结果显示，抑郁症患者的脑网络全局效率与健康对照组相似，但整体上稍低于随机网络，表明抑郁症患者可能在大脑信息处理上存在效率降低的情况。具体来说，抑郁症组的网络全局效率平均值为0.86±0.01，而对照组为0.87±0.01，这显示出显著的统计学差异（t=-2.31，P=0.02）。在节点层面，抑郁症组在右侧额上回眶部和左侧颞中回颞极的全局效率属性值低于对照组，如右侧额上回眶部的值分别为0.41±0.04和0.44±0.02，左侧颞中回颞极为0.31±0.02和0.33±0.03，经过多重校正后的差异达到显著水平（t=-3.52、-3.84，P=0.0008、0.0003）。 此外，研究还发现抑郁症患者的右侧额上回眶部全局效率属性值与汉密尔顿抑郁量表（HAMD）总分存在负相关关系，这意味着抑郁症的严重程度与这一脑区的功能障碍有显著关联。这一发现揭示了抑郁症患者大脑中特定区域的信息整合能力受损，且这种损害与疾病的临床表现紧密相连。 该研究强调了抑郁症患者脑结构网络效率属性的变化，尤其是与疾病严重程度之间的关联，为理解抑郁症的神经机制提供了新的视角，有助于未来针对个体化治疗方案的开发。