精神病学神经影像学结果的可靠性往往受到过度依赖相关关系的限制。单纯的相关分析研究无法确定行为与脑影像结果的关系是否与疾病、功能补偿过程等有关。阴性症状(如快感缺乏、运动性兴奋和表达障碍)被认为是精神分裂症患者残疾的主要原因之一，然而，目前药物治疗效果非常有限，因而需要更多的探讨。在该研究中，研究人员使用两步法来识别和测试分裂症症状的脑网络模型。
方法：
在第一个实验中(N=44)，使用数据驱动的静息态功能连接（resting-state functionalconnectivity）来识别与阴性精神症状严重程度相对应的网络连接。在第二组(N=11)中，通过每天两次的经颅磁刺激(TMS)对小脑中线进行5天的刺激，以用于调控脑网络连接模式。
结果：
结果发现，一个特定的背外侧前额皮质到小脑网络连接的受损与阴性症状的严重程度显著相关。TMS刺激对网络连通性的修复与阴性症状的改善显著相关。
结论：
小脑和右侧背外侧前额皮质之间的连通性损坏与阴性症状的严重程度相关，修复这种损坏可以显著缓解阴性症状。结果还支持新提出的药物难治性阴性症状的网络假说，表明对脑网络的操作可能在网络标记和临床现象之间建立因果联系。
1.背景：
对精神疾病症状的脑网络的识别一直是精神病学神经影像研究的主要目标。然而，精神疾病的异质性、疾病的长期性、技术上的限制和方法上的差异限制了我们对致残性精神症状的脑网络的探索。
相关研究表明，最易识别的阳性症状，如妄想和幻觉，并不能最好地预测精神疾病患者的功能状态。相反，阴性症状的严重程度，如兴奋、表达障碍和快感缺乏，则能更好预测精神疾病患者总体功能和生活质量。对这些阴性症状的干预则受到我们对其病理生理机制认识严重不足的限制，而精神药物对阴性症状治疗效果有限则进一步限制了我们提升精神分裂症患者总体功能的能力。
神经影像学有助于阐明那些存在缺陷的神经基础，但已有研究对于脑环路或网络能否体现临床改善尚未达成共识。这背后涉及研究方法的异质性，诊断中个体差异的影响(例如，病程)，以及多个网络病理亚型可能具有类似临床特征等原因。这些原因都会导致影像学结果与感兴趣的量表之间无法建立因果关系，也就是说，这些发现可能与疾病的临床表现、功能代偿过程等有关，但是相关分析并无法说明这些影像学结果就是致残精神症状的脑网络基础。
因此，研究人员为了解决这一问题，针对一个被认为与症状相关的脑环路进行了静息态功能网络的分析，然后，在另一个单独的实验中，通过TMS刺激对这一脑网络进行了深入探讨，以评估因果关系。
2.方法：
2.1被试
脑网络构建实验：
该研究纳入44名精神分裂症(N=35)或分裂情感障碍(N=9)患者的数据。在参与研究之前，所有被试均提供了书面知情同意（通过了伦理道德委员会审查）。
脑网络验证实验：
该研究还纳入了11名参与临床试验的精神分裂症患者的数据（独立数据集）。在参与研究之前，所有被试均提供了书面知情同意（通过了伦理道德委员会审查）。
值得注意的是，这次研究中的被试数据是来自多中心的。其中，第一次试验即脑网络构建实验的被试分别来自匹兹堡和波士顿，不过研究人员使用了相同的机器及扫描参数。而用于网络验证实验的被试数据来自于贝斯以色列女执事医疗中心。
2.2数据采集
脑网络构建实验数据采集：
西门子3T 核磁机器。采集1 mm3层厚的T1加权解剖扫描，并从所有被试中(124个时间点，TR为3s，体素大小：3 mm3*3
mm3*3 mm3，回波时间30ms，翻转角度85度) 获得了（每人）6.2分钟的静息态功能图像，其中包括4个时间点的dummy scan。
脑网络验证实验数据采集：
西门子3T核磁机器，1 mm3层厚的T1加权解剖扫描，所有被试都进行了三次静息态扫描，每次获得124个时间点全脑图像，TR为3s，体素大小：3 mm3*3mm3*3
mm3，回波时间30ms，翻转角度90度.4个时间点的dummy scan。静息态扫描在基线时间点（即参与rTMS实验前）和rTMS术后第5天的一周，有+/-3天的时间差距。
脑网络验证实验的rTMS刺激：
基线解剖核磁共振成像用于无框架脑立体定向系统(Rogue
Research,Montreal, Canada)，以解剖学上确定的小脑蚓部VIIB（cerebellar vermisVIIB ）为目标
theta-burst刺激。被试接受了针对小脑蚓部的10次TBS刺激或假性刺激。TBS刺激每天进行两次，连续五天(周一至周五)，每次之间至少间隔4小时。参与者要么在贝斯以色列女执事医疗中心住院一周，在自己的房间里等待，要么选择作为门诊患者，在每天的疗程之间得到一间安静的房间休息。TBS是通过MagPro X100刺激器使用主动和被动8型组合线圈应用于头皮上。对于伪刺激组，将假体表面电极置于所有参与者的颈线上，模拟刺激的触觉效果。
2.3数据处理
脑网络构建和脑网络验证的预处理方法一样。数据处理使用dpabi工具包，在数据质量控制方面，将所有平动方向移动>3mm和转动方向>3度的数据排除。与此同时，在每个被试个体数据上丢弃帧位移（这里一帧理解为一个时间点的图像）为0.5 mm的单个时间点，如果被试在帧位移为0.5 mm的时间点数目大于等于百分之50，那么这个数据将被剔除。所有数据经过预处理，然后回归头动(24参数，Friston
24-parameter)、脑脊液信号、白质信号和线性漂移等协变量。采用0.01-0.08 Hz的带通滤波器。然后使用DARTEL工具包将个体被试的功能数据配准到MNI标准空间。最后使用了8mm的高斯核进行空间平滑。统计在组内定义的灰质模板（mask）中进行。
图1 脑网络构建实验数据排除标准
采用多元距离矩阵回归（Multivariate
distancematrix regression ）进行网络构建。利用DPABI工具箱提取网络识别方法识别区域的时间序列作为网络构建依据，使用Z值化后数据进行Pearson相关。后续的voxel层面的网络构建使用SPM12完成。
脑网络构建实验的网络构建：
首先，研究者基于静息态磁共振数据构建了每个被试voxel-wise的全脑功能网络（FC），然后将连通图中每个体素的相关系数与每个其他被试生成的图中相应体素的值进行比较。被试间连接映射的相似性使用距离度量2(1−r)的开平方计算。
多元距离矩阵回归计算给定变量上的被试间差异(这里是SANS评分)与第二阶段生成的连通图上的被试者间距离之间的关系。这种操作为每个体素生成一个伪F统计量，该统计量显示SANS评分如何反映在该体素的功能连接中，对每一个体素都重复这个过程。这样就会得到一个显示出SANS评分在每个体素与全脑其它体素功能连接中的重要性。本分析中包括的协变量包括扫描仪位置、年龄、性别、平均FD(即变换后头动参数和规定的抗精神病药物剂量(氯丙嗪当量,CPZE)。使用非参数检验（permutation
test）的方法进行多重比较矫正。
图2 MDMR网络构建流程图
通过上述分析，确定感兴趣区(ROI)，其中SANS评分与功能连接相关。上面描述的分析步骤没有显示生成结果的连接性的模式或方向(即相关性与反相关性)。为了对这些模式进行可视化，对MDMR中确定的感兴趣区进行事后测试。
脑网络构建实验基于ROI的网络分析：
研究人员仍然使用ROI中BOlD信号的时间序列，然后生成z变换Pearson相关系数的全脑图。然后使用SPM的second level进行分析。对于上述MDMR生成的右侧背外侧前额皮质ROI，将这些脑图与总的SANS评分进行回归，以生成整个大脑功能连接到ROI的脑图，该脑图随SANS评分的变化而变化。和之前MDMR分析一样，SPM分析将位置、性别、年龄、平均FD和处方抗精神病药物剂量作为协变量。
脑网络验证实验的网络构建:
在脑网络验证实验中，共有22名被试参与实验，在进行实验前删除了5名被试，因此参加双盲rTMS实验的被试共17名，他们被随机地分为两组，其中真实刺激组10人，伪刺激组7人。在后续实验中，真实刺激组由于两人fMRI数据质量不合格被排除，伪刺激组有一人未参与后续实验，有三人fMRI数据质量不合格。因此，脑网络验证实验中，共11人进入最后的数据分析，其中真实刺激组8人，伪刺激组3人。
图3 脑网络验证实验的数据分析流程
对于初始的基于ROI到ROI的分析，作者采用了网络识别研究中的结果脑图(阈值为T > 2.0，即p<.05)，即右侧背外侧前额叶皮质的功能连接度与SANS评分的相关性图。采用右侧背外侧前额叶皮质和小脑ROIs的mask，对研究中rTMS前后的fMRI数据进行分析。使用dpabi工具包得到被试在静息态（resting-state）ROI内BOLD信号的时间序列，然后生成Z变换的皮尔逊相关系数。对于每个被试，研究人员计算了rTMS前后功能连接的变化，将这一变化与该个体在基线评估和磁共振成像后一周的PANSS阴性症状分量表的变化进行相关分析。
对于第二次基于体素的ROI分析，研究者采用了上述“网络构建”研究中右侧背外侧前额皮质ROI。使用dpabi工具包得到被试在静息态（resting-state）ROI内BOLD信号的时间序列，然后生成Z变换的皮尔逊相关系数。从rTMS后的脑功能连接映射图中减去rTMS前的脑功能连接映射，为每个参与者生成功能连接变化的映射图。研究者将这些映射与每个个体的PANSS负总分变化(同样刺激后减去刺激前）进行回归，用来观察整个大脑到右侧背外侧前额叶皮质的功能连接变化是如何随着PANSS阴性得分的变化而变化的。
2.4临床评估
采用网络构建实验中使用了阴性症状评估量表（the Scale for
Assessment of
Negative Symptoms ）对参与者进行评估，在网络验证实验中使用了阳性和阴性综合征量表(PANSS)。
3. 结果
（1）研究结果表明，位于双侧背外侧前额叶皮质的额中回(Brodmann’s
area 9)是voxel层面功能连接网络中与阴性症状严重程度显著相关的区域。其中，右侧背外侧前额皮质(峰值体素z=3.8;MNI坐标:36,24,30)与左侧背外侧前额叶皮质相比，与全脑其它体素功能连接与阴性症状严重程度的关系更强(峰值体素z=2.95;MNI坐标:-33,30,42)。
图4 脑网络构建实验MDMR网络结果图
注：MDMR网络研究中发现双侧背外侧前额叶皮质的额中回(Brodmann’s area 9)区域与全脑其它区域的功能连接与阴性症状严重程度显著相关的区域（permutationtest,voxel p<0.005,
cluster p<0.05）。
（2）基于ROI的后续分析发现，精神分裂症病人的阴性症状的严重程度与右背外侧前额叶皮质与默认网络，小脑节点的连接呈负相关。进一步分析表明，在默认网络中，右背外侧前额叶皮质和小脑中线节点(MNI坐标:-9,-96,-27)的连接中断是阴性症状严重程度的最显著的预测因子。
图5 右侧背外侧前额叶皮质-分布大脑网络功能连接度和PANSS阴性性症状相关图
注：图中蓝色区域对应的是与背外侧前额皮质连接降低（甚至于中断）的区域，这些区域对应的症状严重程度更高。红色区域对应的背外侧前额皮质到该区域连接升高的区域。其中，小脑中线的背外侧前额叶皮质连通性破坏与症状严重程度的相关性最为明显。
（3）研究者通过独立数据集，探讨rTMS前后脑网络变化情况来检验网络连通性与阴性症状严重程度之间是否存在因果关系。结果表明，通过rTMS刺激提升小脑中线与右侧背外侧前额皮质的功能连接可改善精神病人的阴性症状。
图6 小脑-右侧背外侧前额叶皮质功能连接与PANSS阴性症状相关图
注：从图中可以看出，接受rTMS刺激组的被试在小脑-右侧背外侧前额叶皮质功能连接提升的同时，其PANSS分数也在明显的降低。而未接受rTMS刺激组的被试其小脑-右侧背外侧前额叶皮质功能连接没有明显变化。
（4）将右侧背外侧前额叶皮质作为种子点对全脑体素计算rTMS刺激后与rTMS刺激前功能连接变化得到右侧背外侧前额叶皮质到全脑的功能连接变化值，然后与被试的负性症状改变进行相关的相关分析表明：小脑区域与右侧背外侧前额叶的功能连接改变程度与阴性症状改善程度呈现出显著正相关(r=0.952,
95% CI=0.987,0.821)。
图7
voxel-wise小脑与右侧背外侧前额叶功能连接变化与PANSS阴性症状相关图（p<0.001）
(5)总体来说，研究者采用静息态fMRI和多元数据分析相结合的方法，发现与精神分裂症阴性症状严重程度相关的是背外侧前额皮质-默认网络的功能连接障碍。这种连通性破坏在背外侧前额皮质和小脑中线之间最为明显。采用rTMS刺激（TBS）选择性地调节小脑与右侧背外侧前额皮质的功能连接后，阴性症状的严重程度得到显著改善。
一句话总结：背外侧前额皮质到小脑功能连接的缺损与精神病人的阴性症状严重程度相关，通过rTMS对精神疾病患者小脑中线与右侧背外侧前额叶皮质的功能连接进行调节，可有效改善该群体阴性症状的严重程度。
原文：
Cerebellar-Prefrontal
Network Connectivity and Negative Symptoms in Schizophrenia
RO Brady Jr, I Gonsalvez, I Lee… - American
Journal of …, 2019 - Am Psychiatric Assoc
如需原文及补充材料，请关注思影科技公众号后直接发信息给我们
欢迎微信扫码关注思影科技
您的支持与转发是思影前进的动力之源
欢迎浏览思影的其他课程以及数据处理业务介绍。（请直接点击下文文字即可浏览，欢迎报名与咨询）：
第十九届功能磁共振数据处理基础班（南京）
第十届磁共振脑网络数据处理班（南京）
第五届脑影像机器学习班（重庆）
第八届磁共振弥散张量成像数据处理班（重庆）
第十八届功能磁共振数据处理基础班（重庆）
第十七届功能磁共振数据处理基础班（南京）
第四届任务态fMRI专题班（南京）
第六届脑影像机器学习班（南京）
第七届磁共振脑影像结构班
第五届磁共振ASL（动脉自旋标记）数据处理班
第四届动物磁共振脑影像数据处理班（南京）
第二届脑电数据处理入门班（南京）
第十四届脑电数据处理班（与入门相邻）
第五届脑电信号数据处理提高班（南京）
第三届脑电数据处理入门班（重庆）
更新通知：第三届眼动数据处理班
第二届脑磁图（MEG）数据处理学习班（南京）
第六届近红外脑功能数据处理班（上海）
思影数据处理业务一：功能磁共振（fMRI）
思影数据处理业务二：结构磁共振成像(sMRI)与DTI
思影数据处理业务三：ASL数据处理
思影数据处理业务四：EEG/ERP数据处理
思影数据处理服务五：近红外脑功能数据处理
招聘：脑影像数据处理工程师（重庆)
