由庞培法布拉大学领导的一项研究揭示了哪些大脑机制能够使精神病得以缓解。这项开创性的研究成果可能对探索精神病患者的新干预策略具有重要的临床意义。该研究是在瑞士洛桑大学医院的主要精神病学团队的合作下进行的。
该研究考察了已从精神病中恢复的患者和未恢复的患者的神经连接模式的差异。通过计算模型识别这些差异，确定了哪些神经连接模式有助于疾病的缓解。
该研究的结果最近发表在《自然心理健康》杂志上。主要作者是庞培法布拉大学认知脑中心（CBC）计算神经科学小组的医生兼神经科学家Ludovica Mana。主要共同研究者分别是同一研究小组的主任Gustavo Deco和研究员Manel-Vila Vidal。
该研究聚焦于精神病，这是一种严重的心理障碍，会导致异常且脱离现实的想法和感知，其主要症状包括妄想或幻觉。根据西班牙卫生部2020年的数据，西班牙有1.2%的人口受到精神病的影响。全球范围内，估计有1.5%到3.5%的人在其一生中可能会被诊断出患有精神病（Calabrese和Al Khalili，2023年）。
研究团队分析了洛桑医院88名早期精神病患者的MRI脑扫描图像以及128名健康个体（对照组）的数据。通过这种方式，探索了精神病缓解患者和症状持续患者的神经连接模式之间的差异。
通过对这两种患者群体的比较分析，发现了他们大脑网络活动中的显著差异。实际上，他们的连接模式相反：症状持续的精神病患者的神经连接性降低，而缓解期精神病患者的神经连接性增加。
利用全脑计算模型，研究发现这两组患者的神经连接整体稳定性都低于健康患者。神经连接的变化可能是由于大脑需要适应精神病引起的传导不良情况。然而，在康复患者中，神经连接模式的变化更广泛且有效地促进了疾病的缓解。这可以解释两组患者在实证和临床方面的差异。
Gustavo Deco（庞培法布拉大学）指出，这项研究“使我们能够预测患者在首次精神病发作后的自然演变”，这得益于“全脑计算模型的改进，这些模型允许我们机械地分析其功能”。目前，“这些全脑模型是数字脑孪生技术在精准医疗领域真正实施的最佳也是唯一的例子”。
最初，这些模型仅限于解释不同大脑状态下的机制，包括精神病状态，这对第一阶段非常有用。但现在进入第二阶段，它们能够重现特定患者的个性化大脑机制，符合所谓的精准医疗。
Deco补充说：“此外，它们不仅能够解释某一时刻的大脑状态，还能够开始预测其时间演变，甚至基于不同的药物或电磁治疗效果来预测其演变，这些治疗方法可以在计算模型中首先进行测试。”
Mana补充说：“这项研究强调了我们需要挑战自己并改变我们的观点：首先，超越广泛的诊断类别以更好地理解患者的多样性体验；其次，认识到当计算方法与临床知识仔细结合时，确实可以帮助我们进一步了解精神障碍。”
(全文结束)
