一种新的分析脑扫描的方法可能帮助研究人员更好地理解精神疾病，使用的患者群体比以前认为必要的要小得多，这可能会加速更精确的精神健康治疗方法的开发。直到最近，科学家们还认为他们需要数千人的扫描数据才能得出可靠的结论，关于大脑功能如何与行为和症状相关联，这一要求使得大多数临床研究人员无法进行此类研究。然而，在《科学进展》杂志上的一项新研究中，研究人员证明，他们可以在保持科学严谨性的同时，使用数百而非数千个受试者准确预测精神病患者的认知功能。
“这仍然处于研究阶段，”罗格斯新泽西医学院精神病学副教授、该研究的资深作者Avram Holmes说，“但最终，这些方法可以帮助识别导致患者症状的根本机制，并尽可能直接地治疗病因。”
研究人员使用了一种称为“元匹配”的方法，该方法利用大规模人群研究的数据来提高小型临床研究的准确性。这种技术的工作原理类似于科技公司如何利用大数据来改善对个别用户的预测。“这就像一座桥梁，从那些大型的人群样本跳到较小规模的临床集合，”Holmes说，他也是罗格斯脑健康研究所和高级人类脑成像研究中心的核心成员。
研究团队证明，他们可以在三个不同诊断的患者群体中准确预测认知功能，包括抑郁症、焦虑症和精神分裂症患者。即使在不同的患者群体、扫描地点和认知测试中，这些预测依然准确。这一发现尤为重要，因为认知问题是精神疾病患者的主要关切，即使其他症状有所改善，这个问题往往也不会得到解决。
“这是许多患者的首要抱怨。他们生病后，处理复杂问题和执行功能的能力会随着症状的增加而受损，”Holmes说。
研究确定了参与认知功能的具体脑网络。他们还观察到这些区域与处理基本感官信息的区域之间的连接减少。这种模式在不同的精神疾病中是一致的，表明各种精神疾病中的认知问题可能有共同的生物学机制。
虽然目前的研究集中在认知功能上，但Holmes表示，这种方法有可能扩展到研究其他症状，并最终可能帮助医生更好地将治疗与个体患者匹配。例如，它可能帮助识别哪些抑郁症患者可能有药物副作用的风险。“患者在当前可能表现出相同的临床症状，但未来的病程可能会完全不同，”Holmes说。“我们的想法是，这些算法不仅能够预测当前的症状，还能预测最终的病程。”
然而，Holmes强调，常规脑扫描用于精神疾病患者仍遥不可及，一方面是因为技术需要进一步发展，另一方面是因为成本考虑。“在我看来，是否有其他更能在短期内受益于患者的用途？”他说。“如何最好地权衡未来科学研究（可能有助于未来的临床护理）与近期的临床需求？”
研究人员现在正在努力扩展他们的方法，通过研究精神疾病的其他方面，同时试图理解将大脑功能与症状联系起来的生物学机制。他们的目标是开发更精确和个性化的精神疾病治疗方法。
(全文结束)
