基于多模态数据对抑郁症自杀倾向的预测研究

It is increasingly acknowledged that major depressive disorder not only poses a challenge to the quality of personal life, but also leads to huge social and economic costs. Studies have revealed that cognitive bias was an important impairment during the worsening of depression, which was characterized by a memory bias to negative information and memory deficits in positive information. The current project aims to identify predictors of suicidality in depression by examining the potential of various imaging modalities including structural magnetic resonance imaging and brain activation during emotion recognition and suppression. In addition to these imaging modalities, known important clinical variables (depressive severity, childhood trauma and personality traits) will be measured to discriminate suicidal depressive patients from non-suicidal patients.

抑郁症不仅对个体生活质量造成重大影响，还给社会和经济带来巨大负担。抑郁症在最严重的情况下会导致自杀，已有研究表明抑郁病程的恶化最突出的一个表现就是认知情绪的负性偏向，表现为两大显著特质：对负性情绪信息的记忆增强和正性情绪信息的记忆消退。本项目将围绕“结合临床和多模态脑成像数据考察抑郁症患者自杀倾向的可预测性”这一核心问题展开，对有自杀倾向或意图的抑郁个体在情绪记忆相关脑结构以及情绪记忆提取和抑制过程中的认知与神经活动特征进行系统的考察，并提供行为和神经两个层次的证据。除此之外，我们还对临床上自杀的几个重要预测因素，如人格因素、绝望程度、抑郁严重程度、童年创伤等进行了测查，同时运用模式识别分析方法综合考察其对个体水平上自杀倾向的预测力，最终为临床上早预防、早诊断、早治疗患者的自杀倾向提供参考和依据。

抑郁症不仅给社会经济带来巨大负担，在最严重时还会导致自杀。抑郁病程恶化的关键表现就是对负性刺激的刺激偏好增强以及对正性信息的记忆消退。本项目立足于多模态磁共振成像技术，对临床上情绪障碍患者的记忆和其他认知加工过程进行了探测，并考察了基于认知和情绪功能、结构像和静息态脑功能连接的神经指标对于情绪障碍状态和疾病病程的可预测性。我们发现，自杀倾向抑郁患者存在与其他抑郁患者和正常个体不同的特异性情绪加工机制，情绪认知加工过程中的脑功能活动能够预测抑郁症的病程发展。此外，我们多次使用基于静息态脑网络和结构像的模式识别技术对焦虑抑郁在内的情绪障碍进行预测研究，显示了极大的应用潜力。项目研究成果在未来进一步重复验证的基础上，有望应用于临床，为临床上预测情绪障碍提供实证基础和理论支持。

内容获取失败，请点击重试