2025年3月10日，《JAMA Network Open》（IF=10.5）上刊发了一篇题为“Connectome-Based Predictive Modeling of PTSDDevelopment Among Recent Trauma Survivors”的文章。这项研究利用大型纵向fMRI数据，首次系统揭示了早期大脑网络连接模式对创伤后应激障碍（PTSD）症状进展的预测价值。研究团队采用全脑连接组预测建模（CPM）方法，分析了162名急性创伤幸存者在创伤后第1个月的静息态和任务态fMRI数据，发现其前默认网络、运动感觉网络、突出性网络及中央执行、视觉网络等在不同时间点对PTSD不同症状簇具有显著预测作用。这一研究为通过神经影像实现PTSD风险的个体化识别提供了重要神经基础，也为早期干预策略提供了潜在靶点。

（15）捕获大脑的“高光时刻”！高振幅共波动分析揭秘全脑协同爆发瞬间：脑海科技脑影像云平台，秒级定位“关键帧”

研究聚焦于创伤后应激障碍（PTSD）的神经预测机制，力图突破传统以主观症状为基础的诊断方式，探索神经连接作为生物标志的可行性。研究者指出，尽管PTSD的诊断标准已被明确界定，但现有的主观量表在预测个体长期症状发展方面存在局限，尤其在早期干预和个体化治疗策略制定方面缺乏客观依据。因此，该研究以功能连接为切入点，旨在识别创伤后早期大脑神经网络的变化是否可以预测PTSD的长期发展轨迹，借此为精准精神健康干预提供神经基础。

研究人员使用了“神经行为调节与创伤后疾病轨迹研究”（Neurobehavioral Moderators of Posttraumatic Disease Trajectories, NMPTDT）这一大型纵向神经影像数据集。参与者为162名创伤后1个月内被招募的成年被试，他们经历了各种急性创伤事件（如交通事故、暴力、自然灾害等），并接受了静息态与任务态功能磁共振成像（fMRI）扫描。在创伤后第1个月、第6个月和第14个月，受试者完成了多轮PTSD临床评估（采用CAPS-5量表）以及神经影像采集。研究者通过连接组预测建模（Connectome-based Predictive Modeling, CPM）这一机器学习方法，分析早期大脑功能连接图谱与后续PTSD症状之间的关系。

图3. 有助于症状预测的脑网络

节点级和网络级对预测创伤后应激障碍（PTSD）症状严重程度随时间变化的贡献。因为只有少数边缘与DSM-5临床医生管理的PTSD量表（CAPS-5）总分呈正相关（如结果部分所述），我们在此仅展示与CAPS-5总分呈负相关的边缘（即，连接性降低与PTSD症状严重程度增加相关）。A和B，在创伤后1个月（A）和14个月（B）时，负向预测CAPS-5分数的节点度中心性。更深的颜色表示网络中心性的增加。C和D显示了创伤后1个月（C）和14个月（D）经典功能网络内及网络间的连接情况。对角线表示单个网络内边的平均贡献，非对角线元素表示两个网络对之间边的平均贡献。颜色越深表示对最终预测贡献越大的网络。aDMN表示前默认模式网络；CBL表示小脑网络；CEN表示中央执行网络；MSN表示运动感觉网络；pDMN表示后默认模式网络；SAL表示显著性网络；SC表示皮下网络；VAs表示视觉关联网络；VI表示视觉网络1；VII表示视觉网络2。

参考文献：

Talmon A, Lin T, Fonzo G, et al. Connectome-based predictive modeling of PTSD development among recent trauma survivors. JAMA Netw Open. 2025;8(3):e250331. doi:10.1001/jamanetworkopen.2025.0331

资讯来源：

https://medicalxpress.com/news/2025-03-machine-ptsd-symptom-severity.html

解读成员 | 范美怡

审核成员 | 张航