精神分裂症患者皮层厚度的减少不规则地分布在大脑的多个位置。作者假设：皮层连接网络可以解释皮层厚度的减少在整个大脑皮层中的分布状态。具体为：存在皮层厚度减少的脑区之间的“皮层-皮层”连接将异常强烈，并且形成一个相互连接的网络。该假设在首发精神疾病、慢性精神分裂症和难治性精神分裂患者群体中均得到了验证。该研究发表在American Journal of Psychiatry杂志。
方法：
数据采集70例首发精神疾病患者、153例慢性精神分裂症患者、47例难治性精神分裂症患者及健康对照组(分别对应N=57、168、54 )的T1像。比较患者和相应对照组的148个跨皮层脑区的皮层厚度。采用结构协变分析方法（PS:请直接点击：第七届磁共振脑影像结构班(南京）如对结构像分析感兴趣可以参加）：计算皮层间的结构连接强度。将皮层厚度减少区域之间的连接强度与随机选择的5000个区域之间的连接强度进行比较（就是使用了置换检验的方法来统计），以确定皮层减少区域间的连接强度是否比随机预期的更强。
在慢性精神分裂症组(79个区域)和难治性精神分裂症(106个区域)组中发现了显著的大量区域的皮层厚度减少；相对而言，在首发精神疾病组(34个区域)发现了更有限的皮层厚度的减少。在额叶、颞叶、扣带回和岛叶区域，皮层厚度的减少最大。对所有组而言：与随机选择的区域相比，在病人组相对于健康对照组皮层厚度减少的区域，它们之间的结构协变均表现出显著增加。
结论:
脑网络方法可以解释精神分裂症患者皮层厚度减少的不规则分布。在三个不同阶段的精神分裂症群体中重复实验发现，这种效果是显著的，并且与疾病阶段无关。
研究背景：
在精神分裂症患者的研究中一致发现了他们皮层厚度的减少。然而，这些研究在减少的程度和受影响脑区方面的发现存在明显的异质性。这种异质性可能与疾病的长期性、症状的严重性或对药物的反应等因素有关。首发精神疾病患者表现出轻微的皮层厚度减少，其中前额叶和颞叶区域的变化最为一致。在慢性精神分裂症中，皮层厚度减少更为普遍，其中额叶和颞叶明显减少，以及顶叶和枕叶皮层也有一些减少。那些\对\抗精神病药物\没有反应的\患有慢性精神分裂症的人（这句话比较长，给各位读者断句以方便阅读，贴心），被认为是难治性精神分裂症患者。难治性精神分裂症与皮层厚度的减少有关，并且皮层厚度的减少比对治疗有反应的病程相同的患者更为普遍。
在这些不同的疾病阶段，皮层厚度的减少不规则地分布在多个脑区。并且，在首发精神病、慢性精神分裂症和难治性精神分裂症中观察到的皮层渐进性变薄不能用假定的病理中心的空间邻近性来解释。
第一种假设是精神分裂症患者的皮层厚度减少延申到未受影响的脑区，这些脑区在结构上与已有的皮层厚度减少脑区相连。具体地说，神经元连接可以将病理过程传播到远处的皮层区域，或当这些区域被破坏时导致脑区之间失去正常的信号。在这一假设下，作者预期皮层厚度显著减少的皮层脑区是紧密连接的。因此，这些减少将可能同时发生在这些连接的皮层区域之间。
作者使用结构协变分析来评估皮层厚度减少脑区之间的灰质结构连接。随着皮层厚度的减少，各脑区之间的结构协变增加；这可能表明与疾病相关的重要脑区的皮层萎缩决定了其他脑区萎缩的速度；并且为理解该疾病皮层萎缩过程提供了一个模型。作者特别假设：与随机选择的区域之间的连接相比，皮层厚度显著减少的区域之间的“皮层-皮层”连接会更强。
在该研究中，作者评估了三组精神分裂症患者的皮层厚度——首发精神疾病患者、慢性精神分裂症患者和难治性精神分裂症患者——并与相应的健康对照组进行了比较。该研究的目的是描述皮层厚度减少的程度和位置，并确定从结构协变分析推断的皮层-皮层连接是否可以解释整个皮层的拓扑分布减少。在3个精神分裂症小组中验证作者提出的假设，确定其发现是否可以在独立的数据集中重复，以及在不同的疾病亚型中是否具有普适性。
具体方法：
采集70例首发精神病(精神分裂症，N=19; 精神分裂样障碍,N= 38，持续时间低于六个月的精神分裂症症状病人; 分裂情感障碍，N=13)、153例慢性精神分裂症患者、47例难治性精神分裂症患者和分别对应于3组精神分裂病症的健康对照组(N=57、168和54)。人口统计学和临床特征总结在表一。
表一 病人组及其对应的健康对照组的人口统计学信息
同时，作者对所有病人组的药物治疗信息也进行了调查，以排除无关变量。具体见表二。
成像数据采集：
FEP(首发精神疾病患者)：
使用GE 1.5T机器采集 ，T1加权像扫描了124层（冠状位），层厚1.5mm。成像参数：回波时间=3.3 ms;翻转角=30°；矩阵大小=256*256，FOV=240*240mm2 ；体素大小=0.94*0.94*1.5mm3.
CSZ（慢性精神分裂症患者）：
T1结构像（MPRAGE）采用西门子1.5T 在澳大利亚5个不同地点扫描；每个站点使用相同的序列采集。T1加权像无间隙扫描了176层（矢状位），层厚1mm；FOV=250*250 mm2。TR=1980ms，回波时间 4.3 ms；矩阵大小256*256；体素分辨率=1.0*1.0*1.0mm3。
TRS（难治性精神分裂症患者）：
采用西门子3T ( Siemens Avanto 3T Mgnetom TIM Trio)扫描采集图像，T1加权像使用MPRAGE序列。其扫描参数：176层无间隙扫描（矢状位），层厚1mm；FOV=250*260mm2 ;TR=1980 ms;回波时间=4.3ms；翻转角15°；分辨率为0.98*0.98*1.0
mm3，矩阵大小为256*256。
表二 病人组药物治疗信息
皮层厚度的计算：
使用FreeSurfer计算软件计算皮层厚度（慢性精神分裂症使用版本为5.1，首发精神病和难治性精神分裂症使用版本是5.3）。预处理包括归一化、去除非脑组织、灰质分割、白质边界平滑。然后根据每个顶点的白质和灰质边界的距离计算皮层厚度；并对每个被试的整个皮层进行视觉检查，对分割不准确的被试进行手动调症。再根据 Destrieux 图谱（详见如下文章——Automatic
parcellationof human cortical gyri and sulci using standard anatomical
nomenclature，如需原文请联系siyingyxf索取）将皮层表面分成148个分区。最后，通过对包含每个区域的所有顶点进行平均，计算区域平均皮层厚度的估计值。这为每个被试产生一个向量，该向量是与148个分区皮层厚度值相关的。
统计分析：
分别采用T检验（连续变量）和卡方独立性检验（离散变量），比较三组患者（首发精神疾病、慢性精神分裂症和难治性精神分裂症）与其对照组之间的人口学差异。
皮层厚度差异：分别比较三组患者与其相应对照组的148个分区的皮层厚度。对每个病人组与其对照组的比较为，建立一般线性模型，以年龄、性别以及仅针对于慢性精分患者的数据采集地点作为协变量。选用 Benjamini-Hochberg procedure （FDR的一种执行方法）多重比较矫正方法，将148个皮层区域的假阳性率控制在5%以内。
全脑结构协变分析：结构协变分析是一个应用广泛的方法，该方法是描述皮层脑区间的结构连接强度的方法。结构协变是指特定于研究的被试间，其大脑中一个脑区的形态与另一个脑区的形态之间的关系。该方法是基于个体间在脑形态的差异上存在共变的脑区之间是在结构上和功能上存在相互连接的。
在本研究中，以皮层厚度为形态学测量指标，采用 Pearson 相关计算结构协变。偏相关也可以用来估算结构协变，但是这种方法会虚假地降低相关网络的传递性，并且当脑区数量超过样本量时无法进行计算。计算所有被试的脑区皮层厚度值之间两两的Pearson相关（148个脑区，10878对脑区连接，（147*148）/2）。首先在估算皮层厚度时已经回归掉了年龄、年龄平方（对年龄的平方进行校正是为了避免可能的非线性的年龄效应）、性别和针对于慢性精分患者的数据采集地点。为了提高正态性，对所有相关系数进行了从 r 到 z 的变换。这产生了一个独立的矩阵，从而为三组病人和各自的对照组量化了所有脑区之间的连接强度（结构协变）。
分别对患者与对照组的10878对脑区进行双样本T检验。使用基于网络的统计量控制多重比较的假阳性率。初始T统计量阈值卡为3，其团块水平错误率阈值为5%。对每个病人组分别进行基于网络的统计。
皮层厚度减少脑区之间的结构协变：采用置换检验来确定与随机选择脑区相比，皮层厚度减少脑区之间的结构协变是否有显著增强（或减少）。分三种情况进行：分别测量3组患者的结构协变、分别测量3组对应的健康对照组的结构协变、病人与健康对照组之间的结构协变差异。根据皮层厚度减少的严重程度将脑区从大到小进行排序。然后计算皮层厚度减少量最大的前 n 个脑区之间的平均协变。为了得到该均值的零分布，计算随机选择的n个节点之间的平均结构协变。一共有5000个随机节点。
在实际（非随机）数据中，平均结构协变大于或等于随机节点集的比例；为皮层厚度减少脑区与随机选择脑区之间的结构协变相等的零假设给出了一个p值。对 n =2,…,148时，独立重复这一过程，并将皮层厚度减少量最大的前 n 个脑区之间的平均协变量作为 n 的函数绘制出来。平均结构协方差的曲线下面积（AUC）作为函数n以用于计算n 的所有值的全局p值。结构协变分析方法和分析如图1所示。
图一 结构协变网络的构建与置换检验方法
在辅助分析中，作者考虑了比随机选择的n个节点集约束更强的零模型（多水平模型中，零模型（null model）是模型分析的前提，因为它能提供对组内相关系数的估计，从而判断多水平模型的构建是否有其必要性）。具体地来说，确保每个大脑半球内的节点数量并保留了皮层厚度减少幅度最大的前n个区域与随机选择的n个节点集之间的总欧氏距离（欧式距离衡量了两个向量在每个维度上的差距）。将平均皮层厚度作为协变量重复上述分析，以确定整体皮层厚度减少对皮层连接的影响。
实验结果：
人口特征
人口统计数据见表1。年龄在患者和对照组之间没有显著性差异。首发精神疾病组和难治性精神分裂症组的性别组成没有差异。但与各自的对照组比较，慢性精神分裂症患者中女性的比例明显更低。难治性精神分裂症患者的阴性症状显著于慢性精神分裂症患者。所有三组患者在目前和发病前的智商测试中都表现出明显的缺陷。
皮层厚度减少
与健康组相比，首发精神疾病、慢性精神分裂症和难治性精神分裂症组分别在34个、79个和106个脑区上的皮层厚度显著减少（148个脑区的假阳性率控制在5%）。在3组患者中，皮层厚度的增加并不明显。皮层厚度显著减少的脑区如图二所示。
图二 三组病人相对于其对照组皮层厚度显著降低区域
在慢性和难治性精神分裂症中，额叶和颞叶，以及岛叶和扣带皮层的减少幅度最大。首发精神疾病与皮层厚度减少的分布模式有关。作者发现皮质厚度显著减少的区域的数目和这些脑区的平均效应大小是根据临床上推定的疾病严重程度排序的；其中脑区数目分别为首发精神病,n = 34;慢性精神分裂症,n = 79;难治性精神分裂症,n = 106；脑区平均效应大小为：首发精神病,0.06;慢性精神分裂症,0.10;难治性精神分裂症,0.30。采用 Levene’s 检验用于对原假设的检验，即患者与对照组皮质厚度差异无统计学意义（矫正后p值大于0.05，意思就是原假设不成立，即统计结果是显著的）。
全脑的结构协变
所有的结构协变矩阵如图 三所示。
图三 所有组的结构斜边网络构建，
A为首发精神疾病及其对照组；
B为慢性精神分裂症患者及其对照组；
C为难治性精神分裂症及其对照组
在首发精神疾病队列中，患者与对照组之间的结构协变差异通过矫正（使用FWER方法控制假阳性，矫正后p小于0.05，对基于网络的10878对脑区统计结果进行矫正）。具体来说，基于网络的统计数据确定了一个单一子网络，在这个子网络，首发精神疾病患者与其对应的健康组被试相比，其结构协变呈现较弱的连接。这些连接大部分（60.1%）与颞叶和额叶脑区有关，如图4所示。对于慢性和难治性精神分裂症患者群体的统计没有通过矫正。
图四 首发性精神疾病与其对照组在结构协变网络上的差异（矫正后p<0.05）
皮层厚度减少脑区的结构协变网络
通过置换检验来确定皮层厚度减少区域之间的结构协变是否增加。
对于这三组患者，皮层厚度减少脑区间的结构协变显著增加（p值小于0.0001）。这个结果与结构协变是在患者组还是健康对照组中测量得到的是无关的。即无论是在普通人群中，还是在不同精神分裂症亚型中，容易受精神分裂症影响而导致皮层减少的脑区之间的连接要比任意选择的脑区间的连接更为密切。
图5显示了皮层厚度减少幅度最大的前n个脑区之间的结构协变随n的变化。蓝色阴影部分为其置信区间（95%）。
图5 皮层厚度减少幅度最大的前 n 个脑区之间的结构协变随n的变化图
当使用一个更有约束的空模型时，也可得到这些发现。在该模型中，随机选择 n个节点集与每个大脑半球内的节点数量和节点对之间的欧式距离相匹配，详见图 6。
图6 空模型皮层厚度减少幅度最大的前 n 个脑区之间的结构协变随n的变化图
通过分别计算对照组和疾病组的结构协变，量化皮层厚度减少区域之间的连通性（如图5A-5C）。在最后的分析中，作者研究了组间结构协变在皮层减少区域之间的差异。与健康对照组相比，慢性和难治性精神分裂症组在皮层减少脑区间的结构协变显著增强（p值小于0.00001，如图5B和图5C）。相反，在皮层厚度减少的脑区，首发精神疾病患者的结构协变显著低于各自的健康对照组（p值小于0.00001，如图 5A）。因此，和健康组比较，随着疾病严重程度的增加，皮层减少脑区之间的结构协变也会增加。
将平均皮层厚度作为协变量后的结构协变分析结果见图 7。在矫正了这个潜在的混杂因素后，无论是疾病组还是健康对照组，测量到的结构协变（即连接）在皮层厚度减少的脑区之间仍然显著增加（p值小于0.0001）。但，对于所有疾病组和各自的对照组，随着皮层厚度的减少，患者与对照组之间的结构协变差异不再呈显著增加（p值大于0.05）。当从分析中去掉这个潜在的假负相关时，这些结果保持不变。
图 7 矫正平均皮层厚度后的统计模型结果
补充分析
在补充分析中，发现 81个脑区（55%）的皮层厚度在3个组中至少有2个呈现出显著减少。这样的结果不能归因于偶然（p=0.006）。与随机选择的81个脑区之间的结构协变相比，这3组疾病患者与健康对照组比较得到的81个脑区之间的结构协变均表现出显著增加。此外，皮层厚度减少脑区之间的结构协变在整个样本和每个随机子样本之间高度一致。
结论与讨论：
作者试图在3个不同的精神分裂症群体（首发精神疾病、慢性精神分裂症和难治性精神分裂症）中找出皮层厚度减少的脑区，并确定这些脑区之间的结构连接是否相对于随机选择的脑区间的连接有所增加
1、所有的3组患者的皮层厚度均明显减少。
2、随着病情的加重，皮层厚度减少也随之增加。
3、在皮层厚度减少幅度最大的脑区之间，结构协变呈现显著增加（疾病组和健康对照组）。
4、只有当分析局限于存在皮层厚度减少的脑区时，才能观察到结构协变增加；在疾病患者和健康对照组之间观察到的平均全脑结构协变没有差异。
5、研究结果表明：在精神分裂症患者中，皮层厚度减少的脑区不仅可能是疾病中心，而且彼此之间的联系也可能比偶然预期的更紧密。
不同精神分裂症患者的皮层厚度减少的特征：首发精神疾病伴有弥漫性但轻微的皮层厚度减少，其中额叶、颞叶和顶叶收到的影响最为持续。在慢性精神分裂症组中，额叶、颞叶、岛叶和扣带回皮层厚度的减少幅度最大，枕叶和顶叶受到的影响最小。在难治性精神分裂症中，减少的范围很广，包括了70%以上的研究脑区，并且向后延申到顶叶和枕叶皮层的大片区域。这与通常发现首发精神疾病患者的皮层厚度减少、弥漫性降低，慢性和难治性精神分裂症患者的皮层厚度更普遍降低的研究结果一致。
基于网络的皮层厚度减少：结构协变网络显示，在首发精神疾病、慢性和难治性精神疾病患者中，皮层厚度减少的区域，其“皮层-皮层”的连接强度显著增加（分别与其对应的健康对照组相比）。
这些发现与大脑皮层网络可能传播与精神分裂症有关的局部病理过程的假设一致（如异常的神经元信号），这一假设导致大脑皮层厚度减少在这些过程中传播到远处的皮层位置。假设这些减少是由连接远处脑区的连接形成的，这也解释了为什么皮层表面厚度减少的分布是不规则的和非连续的。
局限性与展望：
该研究的局限性是其横向研究设计。就研究的样本而言，假设皮层厚度逐渐减少是可能的，但考虑到皮层厚度减少随着疾病持续时间和严重程度的增加而增加，这就需要确认一个纵向样本（因为这样才是直接验证假设的证据啊，有没有发现新的目标啊，我的朋友）。
在研究中，不可能确定显著的皮层厚度减少是否真的来自研究小组中脑组织（包括髓鞘的形成、铁和水的含量）的微观结构特性的变化结果。此外，磁场强度和 FreeSurfer 版本的不同。这些变化可能会影响皮层厚度估计的准确性和可靠性，本研究没有将不同组别的 MRI 数据结合起来进行定量统计分析。作者没有定量估计疾病严重程度对连接和皮层厚度减少之间关系的影响，因为本研究结合使用不同扫描仪获得的MRI数据，并用不同的 FreeSurfer 版本进行处理，从而引入了几个潜在的混杂因素（如果想做上面的想法，就必须面对这些混杂变量并想办法进行控制）。
总结：
本次研究发现皮层连接（结构协变）网络可以解释精神分裂症患者皮层厚度减少的不规则分布。在3个不同精神分裂症群体均表现出该效应。通过对大脑结构连接性的测量，发现与随机选择的脑区相比，皮层厚度减少的脑区之间的连接性显著增强（在病人组和与其对应的健康组都发现了，同时，病人组与健康组在这些区域的结构协变连接上存在显著的差异（不矫正平均皮层厚度时））。在这种疾病的皮层厚度减少是渐进的前提下，研究结果表明，将来最容易退化的脑区很可能在结构上与受到这种减少影响的脑区相连。这一发现为基于网络的精神分裂症皮层厚度的减少研究提供了新证据。结构像分析及结构共变分析对研究者数据处理水平提出了极高的要求，如果想开展相关的工作，思影的第七届磁共振脑影像结构班(南京）（直接点击），会系统的对T1结构像数据处理进行带教，感兴趣的请报名参加。
原文：
Evidence for Network-Based Cortical Thickness
Reductions in Schizophrenia
CMJ
Wannan, VL Cropley… - American
Journal of …, 2019 - Am Psychiatric Assoc
如需原文及补充材料，请加微信：siyingyxf索取。
微信扫码或者长按选择识别关注思影
谢谢转发支持与推荐
欢迎浏览思影的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）：
第七届磁共振脑影像结构班(南京）
第十届磁共振脑网络数据处理班（南京）
第四届任务态fMRI专题班（南京）
第二十一届功能磁共振数据处理基础班（南京
第九届磁共振弥散张量成像数据处理班(南京）
第六届脑影像机器学习班（南京）
第一届灵长类动物脑影像数据处理班（南京）
第二十届功能磁共振数据处理基础班（重庆）
第十一届磁共振脑网络数据处理班（重庆）
第七届脑影像机器学习班（重庆）
第三届脑电数据处理入门班（重庆，与15届脑电相邻）
第十五届脑电数据处理班（重庆）
第四届脑电数据处理入门班(南京）
第十六届脑电数据处理班（南京）
第五届脑电信号数据处理提高班（南京）
第四届眼动数据处理（南京)
更新通知：第三届眼动数据处理班（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&南京）
