在过去的几十年里，研究人员已经绘制了被诊断患有各种精神疾病的人的大脑区域减少的地图，但这项发现主要集中在群体平均水平上，这使得很难清楚知道个体大脑中发生的变化。类似于，我们都能知道中国人口的平均身高，但是却不知道隔壁邻居的身高是多少。

2022年3月10日，莫纳什大学的Ashlea Segal博士及其研究团队在Nature Neuroscience（IF=25.0）上发表了题为“Regional, circuit and network heterogeneity of brain abnormalities in psychiatric disorders”的文章，该研究使用脑成像测量了1000多个不同大脑区域的形态和体积，绘制了被诊断患有六种不同类型精神疾病的人的大脑变化图，揭示了重度抑郁症和精神分裂症等疾病患者大脑变化的多样性。

该团队绘制了大脑中体积显示异常的区域，这些区域异常活动与精神分裂症、抑郁症、双相情感障碍、强迫症、注意力缺陷多动障碍或自闭症谱系障碍有关。并使用了一个统计模型，根据一个人的年龄和性别来建立对大脑大小的预期。然后，量化个体的脑容量偏离这些预期的程度，就像儿科中通常用于身高和体重的生长图表一样。

表征大脑区域、功能回路和扩展网络水平上的神经异质性

研究结果证实了早期的发现，即在大脑容量上表现出较大偏差的特定大脑区域在个体之间差异很大，不超过7%的患有相同诊断的人在同一大脑区域表现出较大偏差。这一结果意味着仅关注群体平均水平很难确定治疗目标或因果机制。这也可以解释为什么具有相同诊断的人在症状特征和治疗结果方面表现出很大的差异。

每种疾病极端负GMV偏差的区域异质性

然后，该团队还调查了显示出较大体积偏差的区域的连接性。因为大脑是一个网络，一个区域的功能障碍可以扩散到其他连接的部位。结果发现，虽然偏差发生在不同人的不同大脑区域，但它们通常与共同的上游或下游区域有关，这意味着它们聚集在相同的大脑回路中，这种回路层面的重叠可能解释了具有相同疾病的患者的共性。

每种疾病极端负GMV偏差的功能网络异质性

该团队的新方法能够确定不同疾病的潜在治疗目标，即某些特定的大脑回路优先参与某些疾病，这表明它们是潜在的治疗目标。

然而，研究结果也表明，这些目标只适用于一部分人。例如，与额叶区域相关的大脑回路优先参与抑郁症，这些回路通常被用作非侵入性脑刺激疗法的目标，但数据表明，它们可能只对大约1/3的人有效。

该团队开发的方法为绘制精神疾病中的大脑变化开辟了新的机会。其开发的框架展示了精神疾病患者在不同水平上大脑变化的多样性，从个体区域到更广泛的大脑回路和网络，从而能够更深入地了解大脑如何影响个体。

点点赞，点在看，点分享，点收藏！