EEG静息态大尺度脑网络动力学与抑郁症状有关_脑电波抑郁症相关数据集

背景：之前少数抑郁症患者静息态脑电图微状态的研究表明，相较于正常被试，患者的微状态时域特征有所改变。我们检验了微状态的时域特征是否可以捕捉到与抑郁症相关的大尺度脑网络动态活动。

方法：为了评估在静息态大尺度脑网络动态与抑郁症之间的可能的关系，我们对19名双相情感障碍、抑郁症以及复发性抑郁症的中度到重度抑郁症患者进行了EEG微状态分析，19名健康被试作为控制组进行对照。

结果：微状态分析揭示了六种微状态（A-F）在被试间的全脑聚类上。在微状态的时间特征上没有组间的差异；在病患组，在Montgomery–ÅsbergDepression量表上显示更高的抑郁症状与更高的微状态A的出现率相关。（斯皮尔曼等级相关，r=0.70，p<0.01）

结论：我们的结果表明，观测到的静息态EEG微状态参数的个体间差异可能反映了抑郁症发作期间与抑郁症有关的大尺度脑网络动态的改变。需要在更大的队列中进行复制，以评估微状态分析方法在个体水平上客观评估抑郁症的作用。本文发表在Frontiers in Psychiatry杂志。

介绍

重度抑郁症（Majordepressivedisorder，MDD）和双相情感障碍具有高发病率和疾病相关的残疾，属于最严重的精神疾病。尽管有越来越多的证据表明情绪障碍的谱系概念，并且即使近年来开发了先进的神经影像学方法，抑郁症的基本病理生理机制仍然知之甚少。静息态功能磁共振（fMRI）的研究证据指出MDD中存在大尺度静息态脑网络的破坏，而不是离散的脑区损伤。与抑郁症的神经生物学模型相一致，许多静息态的fMRI研究表明，MDD患者的额叶皮层功能下降，边缘系统功能增加。大尺度脑网络的功能异常包括额顶网络和以腹侧纹状体为中心的奖赏回路的低连通性。最近的报告表明在首次发病的未服药的MDD患者中，额叶和齿状突起网络之间的功能连接减少。此外，默认网络的超连通性和杏仁核与情感显著网络的超连通性被证明是抑郁症的特征。

一般来说，大尺度网络在亚秒级的时间尺度上动态地重新自我组织以实现高效的运作。大尺度神经网络在时域上的快速动力学变化，无法在fMRI技术的低时间分辨率下获得，但可以通过分析EEG微状态的时域特征来研究。头皮脑电图测量大脑中神经元活动产生的电位，其时间分辨率为毫秒级。分布在头皮上的足够数量的电极，即高密度脑电图（highdensity-EEG，HD-EEG），可以重建代表全脑活动的头皮电位图。地形图的变化反映了大脑中活动源分布和/或方向的变化。早在1987年，Lehmann等人就观察到，在无意识静息态的脑电图中，头皮电位图的地形图在短时间内保持稳定，然后迅速切换为一个新的地形图，并再次保持稳定。忽略地形图的极性，这些稳定的地形图的持续时间约为80-120ms。Lehmann称这些短暂的稳定时段为EEG微状态，并将其归结为大尺度脑网络中的同步活动周期。

最近的综述对这些微状态的时间特征评估提供了有关大尺度脑网络动力学的信息，因为这种技术考虑了从大脑皮层的所有区域记录的信号。由于静息态的脑网络动力学可能是疾病和治疗结果的重要生物标志物，微状态分析用于这一目的非常合适。

许多研究表明，神经精神疾病患者的EEG微状态发生了变化，如精神分裂症、痴呆症、恐慌症、多发性硬化症等。尽管微状态分析在检测全脑动力学损伤方面具有潜力，但除了三项研究提供了不一致的结果外，没有对抑郁症患者的微状态进行调查。利用对抑郁症患者静息状态EEG的适应性分割，两项早期研究显示了异常的微状态拓扑和总体平均微状态持续时间的减少，但每秒不同微状态的数量没有变化。在最近的一项研究中，使用拓扑聚合层次聚类算法（topographicalatomize-agglomeratehierarchicalclusteringalgorithm），在难治性抑郁症（treatment-resistantdepression）中，总体微状态持续时间异常增加，而总体微状态每秒出现次数减少。

为了更好地了解抑郁症中脑网络动力学的中断和变化，开发新的和有针对性的治疗方法至关重要。例如，在治疗难治性抑郁症中的深部脑刺激。此外，反映脑网络动力学中断的微状态特征可能会被检测为抑郁症的候选生物标志和治疗反应的预测指标。因此，我们研究的主要目的是：探索与健康人相比，抑郁症患者在静息态下微状态动力学是如何受到抑郁症影响的。我们假设抑郁症患者在脑电图微状态的时间特征方面会表现出与健康对照组不同的微状态动力学，如持续时间、覆盖范围和发生率。我们还假设，微状态动力学将与抑郁症的整体临床严重程度有关。

材料与方法

被试：

收集了19名抑郁症患者（年龄：M=53.0，SD=9.8；6名女性）和19名健康对照（HC）（年龄：M=51.4，SD=9.1；6名女性）的数据。教育程度分为三个等级：1=高中以下，2=高中，3=大学，抑郁症组M=1.9，SD=0.9，HC组M=2.2，SD=0.7。两组在性别上没有差异，独立样本t检验也显示两组之间在年龄[ p>0.05]或教育[ p>0.05]上没有显著差异。患者在马萨里克大学医学院精神病学系和布尔诺大学医院招募。

患者的诊断过程有两个步骤，并根据两位通过认证的精神病学家的临床评估来确诊。首先，根据《国际疾病分类》（ICD-10）的研究标准进行诊断。其次，根据《精神疾病诊断与统计手册》第五版（DSM-V），通过迷你国际神经精神访谈（M.I.N.I.）来确诊。

患者通常是在住院的第一周接受检查，即在他们住院后和治疗稳定前的最短时间。所有患者都符合以下情感障碍中至少中度抑郁的标准：双相情感障碍（F31）、抑郁症发作（F32）和复发性抑郁症（F33）。

患者被排除的标准是：存在任何精神或神经系统的合并症、智商<70、存在影响大脑功能的器质性疾病、酒精依赖或其他物质依赖。所有患者都处于用药状态，且接受特定药物的个体间差异显著。患者特征如表1所示。对照组被试由医生从他们的客户数据库中招募。对照被试由委员会认证的精神病学家进行M.I.N.I.检查，以确保他们以前或现在没有以DSM-V为标准的精神疾病。Montgomery–Åsberg抑郁评分量表(MADRS)的得分和ClinicalGlobalImpression（CGI）被用来评估被试的抑郁症状的严重程度。抑郁症发作的次数和病程的年数被用来进一步描述抑郁症的状况。被试在EEG检查前24小时的用药情况也被记录下来。本研究是根据布尔诺大学医院伦理委员会的建议进行的，并得到了所有被试的书面知情同意。所有被试都按照《赫尔辛基宣言》给予了书面知情同意。该方案得到了医院伦理委员会的批准。

表1患者特征

EEG的记录和预处理

被试被要求尽可能地保持平静，在一个有电屏蔽的暗室里以舒适的姿势直坐着，保持清醒闭眼放松15分钟。所有被试在实验中都受到监控，如果监控中出现打瞌睡的迹象，或通过检查EEG信号发现存在昏睡的迹象便停止记录。EEG使用高密度128通道系统（EGISystem400; ElectricalGeodesicInc., OR, USA）记录，采样率为1kHz，Cz通道作为采集时的参考电极。目测判断伪迹以选择5分钟的EEG数据。EEG数据在1~40Hz之间进行带通滤波。随后，为了去除心电和眼动所产生的伪迹，采用基于infomax的独立成分分析（ICA），一到两个通道因存在大量伪迹而被删除。

根据成分的波形、地形图和时间进程，只去除与心电、眼动和眨眼有关的成分。清理伪迹后的EEG数据被降采样至125Hz，并使用三维球面样条对先前确定的噪声通道进行内插，重参考使用全脑平均参考。在随后的数据分析中，EEG数据被减少至110个通道，以消除源自颈部和面部的肌电伪迹。所有的预处理步骤均使用Cartool软件3.70完成。

微状态分析

微状态分析遵循标准程序。使用k-means聚类方法来估计解释EEG信号的最佳地形图集，聚类程序中忽略地形图极性。为了确定最佳的聚类数量，我们使用了一个由七个独立的优化标准组合而成的元标准。

为了提高信噪比，只对全局场功率(GFP)局部最大值的时间点数据进行聚类。GFP是头皮电位场强度的指标，通过计算所有电极在某时间点的标准差来得到。聚类分析首先在个体水平上计算，然后在所有被试的整体水平（患者与对照组）上计算。

在预处理后的EEG记录的每一时刻，计算在全局水平上确定全局水平上确定的每个地形图与单个被试的地形图之间的空间相关性。被试的EEG中每个连续的时间点（不仅是局部场电位的峰值）被分配给相关性最高的微状态类别，并且忽略地形图的极性。时间平滑参数[半窗=3，强度（BesagFactor=10）]确保低GFP的噪声不会虚假地中断稳定地形图的时段。对于每个被试，随后计算先前确定的每个微状态的三种时间参数：

i）发生率，表示每个微状态类别在1s中重复出现的次数；

ii）覆盖率，在一个给定微状态类别中发生的时间和；

iii）持续时间，一个给定微状态类别连续存在的时间，以毫秒为单位。

为了评估有代表性的微状态地形图对原始EEG数据的解释程度，全局解释方差（GEV）被计算为每个微状态的解释方差之和，并以GFP（全局场功率）加权。

图1：

(A)静息态EEG 110个电极中的16个子样本;

(B)全局场电位(GFP)曲线与(A)中所示的同一时期的GFP峰值(垂直线)；

(C)在(B)中所示的连续GFP峰值的电位图，数据记录的第一个1s时段；

(D)通过对GFP峰值的地形图进行K-Means聚类而发现的六个最能解释数据的聚类图；

(E)A中所示的原始EEG信号与叠加的彩色编码微状态时间段。脑电图记录的每个时间点都标有聚类图，如（D）所示，与即时地形图的相关性最好。所有微状态的段的持续时间、发生率和覆盖率都是在这样标记的EEG记录上计算出来的。

统计分析

为了研究组间差异，对每个微状态的时间参数应用独立t检验。使用错误发现率（FDR）方法进行校正。为了评估微状态动力学与抑郁症严重程度的可能关系，我们计算了所有微状态参数与MADRS和CGI评分及发作次数的Spearman等级相关系数。

为了评估药物治疗对微状态动力学的可能影响，我们计算了所有微状态参数与患者在EEG测量前24小时内接受的药物之间的Spearman等级相关系数。

抗抑郁药、抗精神病药和情绪稳定剂的摄入量以单一的顺序变量表示，考虑到药物的数量和剂量。苯二氮卓类药物的摄入量用苯二氮卓类药物的等效剂量表示。所有的相关性都采用了α<0.01的显著水平。结果的统计学评价由软件包Statistica'13（1984-2018，TIBCO软件公司，版本13.4.0.14）中的程序进行。

结果

用于确定最主要地形图的元标准显示，六个微状态解释了82.6%的全局变异。四个地形图类似于以前文献中报道的A、B、C和D图,我们将这些地形图标记为A-D；两个地形图类似于最近确定的静息态微状态地形图标记为E和F（图2）。

两组在任何微状态下的任何时间参数都没有显著差异。抑郁症组与对照组没有区别（所有t的绝对值<2.5）。FDR校正后的P值（六个微状态类的六次比较）在患者组和对照组之间的任何微状态的持续时间上都没有显著性差异状（A：P=0.39；B：P=0.39；C：P=0.30；D：P=0.39；E：p=0.77；F：p=0.68），发生率（A：p=0.13；B：p=0.92；C：p =0.92；D：p =0.92；E：p=0.13；F：p=0.29），或覆盖率（A：p=0.44；B：p=0.75；C：p=0.44；D：p=0.75；E：p=0.16；F：p=0.44）。Spearman等级相关的结果显示，抑郁症的严重程度与微状态A的出现有正相关，但与其他微状态的出现没有关系。微状态A的出现与MADRS评分显著相关（r=0.70，p<0.01；图3），但与CGI评分（r=0.40）、病程（r=0.06）或发作次数（r=0.08）无关。抑郁症的严重程度与微状态A的持续时间或覆盖范围之间没有显著的关联（所有r的绝对值<0.55）。Spearman等级相关的结果显示，用药情况与微状态E的出现有显著的正相关，但与其他微状态的出现没有关系。微状态E的发生率与抗抑郁药、抗精神病药和情绪稳定剂的摄入量显著相关（r=0.65，p<0.01；图4），但与苯二氮卓类药物的摄入量无关（r=0.20）。药物治疗状况与微状态E的持续时间或覆盖率之间没有显著的关联（所有r的绝对值<0.45）

图2.被试间在全局水平上确定的六种微状态

图3.微状态A的发生率与MADRS得分之间的相关性

图4.微状态E的发生率与抗抑郁药、抗精神病药和情绪稳定剂的摄入之间的相关性。

用药量表：1，一种药物的亚治疗剂量；2，一种药物的治疗剂量；3，联合使用一种药物的治疗剂量；4，联合使用一种以上药物的治疗剂量。

讨论

本文将静息态大尺度脑网络活动动力学以功能性EEG大脑微状态的形式描绘出来。我们证明了微状态的时间动力学对中度至重度抑郁症患者的抑郁症状严重程度的个体间差异很敏感。特别是，我们表明，抑郁症状的严重程度与微状态A的较高发生率相关。这一发现表明，基于微状态分析的神经标志物可能代表了理解抑郁症神经生物学的一种未开发的资源。由于EEG动力学中不存在组间差异，因此我们不知道微状态A的较高发生率是否是抑郁症状的复杂表现，或者它是否反映了一个潜在的风险因素。这里显示的与症状有关的微状态的个体间差异需要进一步研究，以测试其在客观抑郁症评估中的效用。本研究是计划对布尔诺大学医院招募的抑郁症患者进行的纵向研究系列中的第一个，这将有助于进一步研究微状态参数作为药物治疗和神经刺激方法（包括电休克疗法）治疗反应的可能预测因素。

只有三项研究考察了抑郁症患者的微状态持续时间和/或发生率。最早的研究显示，抑郁症组的持续时间低于对照组。在随后的研究中，与健康对照组相比，年轻或年长的抑郁症患者在发生率方面都没有发现组间差异。与这些早期的研究结果相反，最近证明，与健康人相比，耐药的抑郁症患者的微状态持续时间更长，发生率更低。作者认为，微状态持续时间的延长和发生率的降低，可能反映了对抗抑郁症治疗有抵抗力的病人以前服用的神经营养药物对全脑动力学的调节作用。在目前的研究中，我们发现抑郁症患者的微状态A发生率增加的影响只与症状严重程度有关，而与组间差异无关。尽管研究中使用了不同的分析方法，但这一发现与之前报道的癫痫磁刺激和电休克治疗后微状态发生率的降低是一致的，实际上这可能代表了成功治疗后发生率的正常化。

然而，不同的方法可能会导致目前和以前的三项研究在微状态持续时间方面有不一致发现。方法上的差异包括所检查的频带不同，应用的聚类算法不同，用于拟合EEG的地形图数量不同。

不同的研究结果也可能反映了抑郁症的病理生理学异质性。与目前的样本类似，Strik等人的研究中的实验组包括符合单相或双相情绪障碍或癔症标准的抑郁症患者。另外两项研究都集中在单极性抑郁症，最近的一项研究甚至只限于治疗耐药的抑郁症。关于符合抑郁症标准的患者的症状变化，目前只基于临床访谈和诊断问卷，这种发现的异质性是可预期的。在目前的研究中，微状态A的地形图与先前参考文献中描述的微状态A的地形非常相似。静息态的fMRI实验表明此微状态与听觉脑网络有关，涉及与语音处理有关的双侧颞上回和颞中回。

以往的溯源研究表明这种微状态主要源于为左侧颞叶和左侧脑岛。此外，最近有报道称，内侧前额叶皮层和枕部的左侧活动是这种微状态的基础。功能性神经影像学研究的元分析表明，首次发病且未服药的MDD患者的静息态功能改变在额叶-边缘系统，包括背外侧前额皮层和壳核，以及默认模式网络，即楔前叶和上、中颞回。存在多个fMRI研究报告了MDD患者颞上颞回的活动改变，这种改变被认为是在首次发病且未服药的MDD患者负面情绪和认知异常处理的原因。因此，我们发现和颞叶活动有关的微状态A的发生与抑郁症状呈正相关，与这些研究是一致的。

已有研究表明，苯二氮卓和抗精神病药物可能会调节微状态动力学。因此，我们观察了药物对微状态E的影响。这种微状态的地形结构与新报道的微状态之一非常相似，其被确定为由背侧前扣带皮层、上额和中额回以及岛叶产生。由丘脑、额叶/前岛和前扣带皮层组成的扣带-前岛网络（CON）被认为在维持警觉性或在维持知觉准备状态方面具有核心作用。有人认为CON在抑郁症的病理生理机制中起着重要作用，在首次发作的未服药的MDD患者中观察到其功能连接被破坏。由于在我们的研究中只是粗略地定义了药物治疗的状态，所以观察到的药物评分和微状态E发生率之间的相关性是否与作用于CON的结构活动的药理作用有关尚且存疑。

在目前的研究中，我们使用静息态条件，而不是采用认知任务。抑郁症不仅影响情绪和认知的心理操作，而且还影响动机过程。因此，患者和健康对照组之间的任务表现差异可能与不同的动机水平有关，而不是与信息处理本身有关，使用静息态有可能避免一些与任务有关的混淆，并使无创神经影像技术的应用成为测量基线大脑活动的有力工具。此外，如果本研究提出的结果导致开发一种新的抑郁症诊断工具，基于评估静息态的头皮EEG工具十分易于使用，且只需要患者最简单的配合。值得注意的是，我们的数据可能有局限性。首先，我们的样本存在混合诊断。因此，观察到的微状态A的发生率与抑郁症状之间的关系应被视为一种状态，而不是抑郁症的特质标志。其次，由于样本量少，药物治疗的差异性大，因此不可能通过比较接受某种特定药物的患者和不接受这种药物的患者来研究药物治疗对微状态参数的任何潜在影响。为了总结各种药物作用，我们使用了一个序数变量，这只是对药物使用情况的粗略测量。因此，应谨慎看待我们观察到的微状态E发生率与药物之间的关系。

结论

这里提出的研究提供了对抑郁症患者静息状态的全局大脑动力学的见解。在静息状态大尺度脑动力学中发现的抑郁症状相关变化提示了微状态分析方法在客观抑郁评估中的效用。另一方面，在个人层面使用这种分析可能具有挑战性。在个体水平上测试观察到的微状态变化作为疾病和/或治疗反应的可能生物标志物是未来抑郁症患者研究的下一步。