簡要總結該研究聚焦于一個問題是不同研究中心使用結構 MRI 比較同一診斷患者與健康對照時得到的全腦灰質差異空間圖到底能否彼此重復。該研究匯集59個精神疾病掃描站點的個體水平 T1 加權 MRI 數據覆蓋精神分裂癥、分裂情感性障礙、自閉癥譜系障礙、重性抑郁障礙和雙相障礙共2,437例患者和2,065名不重復健康對照并以7個阿爾茨海默病站點作為具有明確神經退行性病理和較強結構效應的參照。對納入SBM和VBM分析的數據分別采用統(tǒng)一處理流程SBM用于估計皮層厚度VBM用于估計灰質體積由于質控標準不同兩條分析路線的最終站點和受試者數量并不完全一致。隨后研究分別獲得各站點的患者—對照差異圖并通過站點間兩兩空間相關計算跨站點一致性。結果顯示阿爾茨海默病的皮層厚度差異圖具有中等至較高一致性中位相關為0.54五類精神障礙均明顯更低其中最高的精神分裂癥和分裂情感性障礙也只有約0.16和0.15自閉癥、抑郁和雙相障礙更接近零。閾值化、增加平滑、改用不同腦區(qū)模板、是否使用ComBat、改變協(xié)變量以及采用VBM 均沒有從根本上改變結論。站點之間年齡、性別、藥物、病程、掃描儀和圖像質量等 19 項差異總體也不能解釋低一致性。樣本量增加可以明顯改善精神分裂癥和分裂情感性障礙的結果但對自閉癥、抑郁和雙相障礙的改善較弱模擬提示后者可能需要每組約千人才能獲得中等水平的一致性。該文獻的核心意義并不是否認精神障礙存在腦結構異常而是指出在當前診斷分類、傳統(tǒng)患者—對照組均值比較和常見小樣本條件下難以獲得穩(wěn)定、具有臨床可操作性的診斷級平均腦圖。未來需要更大規(guī)模的跨站點協(xié)作、開放數據、統(tǒng)一臨床表型、跨診斷分層、個體異質性建模以及多模態(tài)和多變量方法。摘要背景數十年的結構MRI研究反復報告精神障礙患者存在灰質體積或皮層厚度差異但不同研究常常在涉及腦區(qū)甚至差異方向上相互矛盾迄今缺少可用于診斷、療效預測或疾病監(jiān)測的共識性形態(tài)學表型。目的評估同一精神障礙在不同掃描站點獲得的患者—對照灰質差異圖是否具有穩(wěn)定的空間一致性并系統(tǒng)檢驗分析流程、樣本特征、掃描因素與樣本量對可重復性的影響。方法整合五類精神障礙59個站點的個體水平T1 MRI并用7個阿爾茨海默病站點作為陽性參照。分別采用 FreeSurfer 表面形態(tài)學分析皮層厚度和 CAT12/SPM 體素形態(tài)學分析灰質體積每個站點獨立建立一般線性模型獲得全腦 z 圖或 t 圖以站點間差異圖的 Pearson 空間相關衡量跨站點一致性并結合保留空間自相關的零模型、標簽置換、閾值化復制率、平滑、分區(qū)、ComBat、協(xié)變量、19 項站點特征、bootstrap 和信噪比模擬進行驗證。結果阿爾茨海默病的皮層厚度差異圖中位跨站點相關為0.54精神分裂癥0.16、分裂情感性障礙0.15、自閉癥0.04、抑郁0.01、雙相障礙0.06。除自閉癥和抑郁外其余疾病的中位相關雖然高于空間零模型但效應仍很低不足以形成穩(wěn)定的診斷級形態(tài)圖。常用分析選擇僅產生輕微改變站點特征總體不能解釋差異。精神分裂癥在每組約 200 人時中位一致性可接近 0.5而抑郁、自閉癥和雙相障礙可能需要遠大于傳統(tǒng)單中心研究的樣本量。結論以當前診斷體系為分組依據、依賴每組少于100人的獨立單中心結構 MRI 患者—對照研究很難通過不斷重復小樣本研究自然收斂到可靠的精神障礙形態(tài)學表型。改進方向不只是擴大樣本還包括重新定義更同質的臨床或生物亞型、顯式建模個體異質性、使用跨診斷和多模態(tài)指標并建設可共享的個體或體素水平數據資源。1.引言精神疾病的生物學研究長期建立在這樣一個基本設想上不同診斷類別應當對應相對明確、可重復且具有診斷特異性的腦部病理改變。自MRI技術應用于精神疾病研究以來結構MRI尤其是T1加權成像被廣泛用于比較患者與健康對照之間的灰質體積和皮層厚度差異相關研究數量已經非常龐大也不斷有文獻報道額葉、顳葉、扣帶回、紋狀體、丘腦等區(qū)域存在形態(tài)學異常。然而幾十年的研究并沒有形成被廣泛接受、能夠用于診斷、療效預測或疾病進展監(jiān)測的穩(wěn)定形態(tài)學表型。更突出的問題是即使研究對象屬于同一種精神疾病不同研究報告的異常腦區(qū)和變化方向也常常不一致同一個區(qū)域可能在部分研究中表現為體積或厚度降低在另一些研究中卻表現為升高。這種不一致提示單篇研究中達到統(tǒng)計學顯著的腦區(qū)并不一定代表可以跨樣本、跨中心穩(wěn)定重復的疾病特征也不能簡單等同于真正具有臨床應用價值的生物標志物。造成這種現象的原因可能包括不同研究在患者病程、癥狀嚴重程度、發(fā)病年齡、藥物暴露和人口學特征方面存在差異不同團隊采用的圖像處理流程、平滑參數、腦區(qū)分區(qū)和統(tǒng)計方法并不一致傳統(tǒng)單中心研究樣本量較小使效應量估計容易受到抽樣波動影響以及經典病例—對照設計主要比較組平均值難以處理精神疾病內部高度顯著的個體異質性。除此之外還存在更根本的問題結構MRI只能間接反映宏觀腦形態(tài)空間分辨率和病理機制特異性有限目前以癥狀為基礎的診斷系統(tǒng)本身也可能缺乏足夠的生物學同質性同一種診斷可以由多種不同癥狀組合構成并且不同診斷之間經常存在共病和癥狀重疊。在這種情況下將具有不同病因、不同神經生物學基礎和不同腦部異常模式的患者簡單歸入同一診斷組再計算平均病例—對照差異很可能得到一個并不能準確代表多數個體的平均異常圖譜由此進一步放大不同研究之間的不一致。因此該研究所關注的并不是某一種精神疾病到底萎縮了哪個腦區(qū)而是提出了一個更基礎的問題按照當前精神疾病診斷體系和常用結構MRI研究范式得到的灰質形態(tài)學差異究竟能否在不同研究中心之間形成穩(wěn)定、可重復的空間模式。這里的可重復性并不是指同一批數據重復分析后能否得到相似結果而是指不同站點分別招募患者和健康對照、獨立計算病例—對照差異圖后這些全腦統(tǒng)計圖在空間分布上是否彼此相似。為回答這一問題該研究引入了跨站點一致性即cross-site consistencyCSC將每個站點得到的皮層厚度差異圖或灰質體積差異圖進行兩兩空間相關從而定量衡量不同中心是否識別出了相似的疾病相關腦形態(tài)模式。如果兩個站點的CSC較高說明患者相對健康對照的異常區(qū)域及變化方向比較一致如果CSC接近零說明兩項研究得到的全腦差異圖缺乏共同結構若相關為負則可能意味著兩個中心在部分區(qū)域甚至得到相反方向的結果。與只比較顯著腦區(qū)是否重疊相比這種方法能夠利用整個統(tǒng)計圖中的連續(xù)效應信息更直接地評價疾病形態(tài)學表型是否真正具備跨中心穩(wěn)定性。該研究還將阿爾茨海默病作為參照因為阿爾茨海默病具有相對明確的神經退行性病理基礎和較穩(wěn)定的腦萎縮模式如果同樣的分析方法能夠在阿爾茨海默病中獲得較高CSC而在精神疾病中只能得到很低的一致性就說明低重復性并不只是MRI技術或統(tǒng)計方法本身造成的而可能反映精神疾病表型更弱、異質性更高或當前診斷分類與真實腦病理之間對應關系不足。在具體設計上該研究匯集了59個獨立站點中2,437例精神疾病患者和2,065名健康對照覆蓋精神分裂癥、分裂情感性障礙、自閉癥譜系障礙、重性抑郁障礙和雙相障礙五類疾病并額外納入7個阿爾茨海默病站點、654例患者和937名對照作為神經退行性疾病基準。每個站點均使用統(tǒng)一的圖像處理和統(tǒng)計分析流程分別通過表面形態(tài)學方法估計皮層厚度通過體素形態(tài)學方法估計灰質體積再在站點內部建立一般線性模型得到患者與健康對照之間的全腦差異統(tǒng)計圖隨后計算站點之間的空間相關。統(tǒng)一處理流程實際上為跨站點一致性提供了一個相對樂觀的估計因為現實文獻中不同研究團隊往往還會采用不同軟件、不同參數和不同統(tǒng)計策略真實研究之間的一致性可能更低。為了判斷低CSC是否只是某種分析選擇造成的該研究進一步系統(tǒng)考察了統(tǒng)計圖是否閾值化、是否進行多重比較校正、采用不同平滑核、使用體素或腦區(qū)水平分析、選擇不同分區(qū)尺度以及是否進行ComBat站點效應校正等因素同時還分析了年齡、性別構成、樣本量、病例—對照比例、藥物暴露、發(fā)病年齡、病程、掃描儀品牌、型號、體素大小和圖像質量等站點特征判斷具有更相似臨床或掃描條件的站點是否會獲得更相似的腦形態(tài)差異圖。最后該研究利用Bootstrap重采樣和模擬分析評估樣本量對CSC的影響核心目的不是簡單回答“樣本越大是否越好”而是區(qū)分兩種情況一種是疾病確實存在共同形態(tài)學表型只是小樣本無法穩(wěn)定檢測此時擴大樣本應明顯提高跨站點一致性另一種是同一診斷內部的共同腦形態(tài)信號本身非常弱個體差異和測量噪聲占主導即使不斷增加樣本一致性提高也可能十分有限。通過這一整套分析該研究試圖判斷當前常見的小樣本、單中心、病例—對照結構MRI研究是否有可能最終收斂到穩(wěn)定的精神疾病形態(tài)學表型并進一步為未來應該擴大樣本、重構診斷分組還是轉向多變量、網絡化和個體異質性分析提供方法學依據。2.方法2.1研究設計與研究對象該研究整合開放數據庫和合作團隊提供的個體水平 T1 加權 MRI。數據整理階段共收集到133項研究、165個獨立掃描站點一個站點按具體掃描儀定義因此同一研究若使用多臺掃描儀可貢獻多個站點。研究最初也檢索了注意缺陷多動障礙、強迫障礙和焦慮障礙但可獲得數據不足未進入正式分析。補充表S1逐項列出了 ABIDE、B-SNIP、COBRE、HCP-EP、OASIS、SRPBS、UCLA-CNP 等數據來源及獲取方式。正式精神障礙分析包括精神分裂癥、分裂情感性障礙、自閉癥譜系障礙、重性抑郁障礙和雙相障礙。表面形態(tài)學分析中精神分裂癥為24個站點、1,054例患者分裂情感性障礙為 8 個站點、272 例患者自閉癥為5個站點、229例患者抑郁為8個站點、462 例患者雙相障礙為14個站點、420例患者共2,437例患者。摘要報告不重復健康對照為2,065名主文表1按疾病逐行列出的對照數不能直接相加因為部分多診斷站點共享同一批對照。阿爾茨海默病參照包含7個站點、654 例患者和937名對照。體素形態(tài)學分析因質控和處理要求不同樣本量有所減少。補充表S2顯示阿爾茨海默病7個站點、603例患者和732名對照精神分裂癥17個站點、800例患者和964 名對照分裂情感性障礙6個站點、187例患者和307名對照自閉癥5個站點、249 例患者和250名對照抑郁8個站點、397例患者和466名對照雙相障礙9個站點、307例患者和 530名對照。由于不同疾病可共享站點和對照報告總結為VBM共 2,427 例病例、2,353名對照、42個獨立掃描站點。精神障礙樣本限制在18–60歲阿爾茨海默病樣本為 42–95 歲。每個站點必須同時具有來自同一掃描儀的病例和對照并且質控后每個診斷組至少保留20人。選擇20人作為下限并不是認為這一規(guī)模足夠可靠而是為了保留文獻中常見的小樣本站點同時避免極端小樣本進一步拉低一致性。SBM 質控結合FreeSurfer表面重建的人工檢查、MRIQC自動圖像質量指標和 Euler number。MRIQC提取42項質量特征在每個站點內部進行主成分分析保留解釋80%方差的主成分任何主成分標準化得分超過 z3.5 的受試者被標記并人工復核。平均 Euler number 低于站點均值 3.29 個標準差的受試者也被排除。最終 SBM 包括阿爾茨海默病與精神障礙合計 3,091例病例和 3,002名對照、66個站點。VBM 質控采用CAT12報告的加權圖像質量等級綜合噪聲—對比度、不均勻性與空間分辨率IQR大于2.8的圖像被排除并人工檢查灰質分割與空間歸一化。由于SBM和VBM的質控標準不同兩條分析路線不是完全相同的受試者集合這反而提供了一個重要的穩(wěn)健性檢驗。2.2表面形態(tài)學分析皮層厚度SBM使用FreeSurfer 7.1.0。流程包括偏置場校正、去除非腦組織、組織與腦區(qū)分割、白質表面和軟腦膜表面重建、球面配準到 fsaverage并以白質表面與軟腦膜表面之間的平均距離估計每個頂點的皮層厚度。fsaverage 每側半球包含 163,842 個頂點。主分析使用10 mm FWHM 表面平滑敏感性分析使用15 mm 和20 mm。每個站點獨立建立GLM以年齡和性別作為協(xié)變量得到患者—對照皮層厚度差異的 z 統(tǒng)計圖。補充分析進一步加入Euler number或顱內容積以檢驗圖像質量或全局頭顱大小是否影響跨站點一致性區(qū)域水平分析使用Desikan–Killiany、Schaefer-100、Schaefer-500和 Schaefer-1000圖譜。2.3 體素形態(tài)學分析灰質體積VBM使用CAT12 8.1、SPM12和MATLAB。處理包含空間自適應非局部均值去噪、重采樣、偏置校正、仿射配準、統(tǒng)一分割、精細分割與去顱骨、局部強度校正、部分容積估計以及通過Geodesic Shooting標準化到MNI152NLin2009cAsym 空間。主分析使用6 mm FWHM 體積平滑敏感性分析使用 8 mm 和 12 mm并以灰質組織概率不低于0.2的共同掩膜限制統(tǒng)計范圍。每個站點分別進行體素水平GLM協(xié)變量為年齡、性別和總顱內容積得到病例—對照灰質體積差異的t圖。區(qū)域分析使用Schaefer-100/500/1000 皮層分區(qū)并加入 Melbourne 32個皮層下分區(qū)和Buckner 7個小腦分區(qū)。2.4 ComBat的作用與邊界主分析先用ComBat調整站點效應批次變量為站點同時保留年齡、性別和診斷相關變異。這樣做的目的是盡量去除掃描儀和站點造成的整體偏移使剩余差異更接近生物學信號。由于現實文獻通常不會在彼此之間共同進行ComBat該處理可能使跨站點一致性被樂觀估計因此該研究又完整重復了不使用ComBat的分析。需要特別強調ComBat可以減少系統(tǒng)性批次差異但不能把本來不同的疾病效應空間模式“協(xié)調”為相同模式。2.5 站點一致性計算對于每種疾病每個站點先得到一張全腦患者—對照差異統(tǒng)計圖。隨后將任意兩個站點的未閾值化統(tǒng)計圖進行Pearson空間相關相關系數越接近1表示兩個站點在哪些位置增厚或減薄、增大或減小以及相對強弱上越一致接近0表示空間模式缺乏共同結構負值表示差異方向呈反向關系。所有站點兩兩相關后形成一個對稱的站點×站點 CSC 矩陣中位相關作為該疾病整體跨站點一致性的概括。這里的CSC不是同一個人在重復掃描中的測量信度也不是某個單一腦區(qū)效應量的重復性。它衡量的是不同站點獨立病例—對照比較所得整張空間差異圖的相似程度。一個疾病可以在某些研究中存在顯著腦區(qū)但若這些顯著腦區(qū)在另一個站點的位置或方向不同CSC仍會很低圖 1跨站點一致性分析流程2.6空間自相關零模型與統(tǒng)計分析腦圖相鄰位置天然相似直接把空間相關與零比較可能產生偏差。SBM使用 eigenstrapping 生成1,000份保留原圖空間自相關的替代腦圖VBM使用 BrainSMASH 生成1,000份匹配空間自相關的替代體積圖。每次根據替代圖構建CSC 矩陣從而得到疾病中位CSC的經驗零分布。研究還通過100次隨機打亂病例和對照標簽、重新估計組間差異圖建立另一套置換零模型。觀察到的 CSC 高于零模型意味著站點間存在超過隨機空間結構的共同模式但不等于這種共同模式已經足夠強、足夠穩(wěn)定或具有臨床價值。例如精神分裂癥中位r0.16 雖可高于零模型卻仍遠低于阿爾茨海默病的0.54。該研究把統(tǒng)計上非隨機與實際可重復明確區(qū)分開來。主分析優(yōu)先使用未閾值化統(tǒng)計圖因為其保留全部效應信息。為模擬常見論文只展示顯著簇的做法研究還分別應用未校正P0.05和簇水平FWER校正P0.05將病例高于對照與低于對照的顯著位置二值化。隨后計算二值相關并計算復制率即一個站點顯著位置在另一個站點重復出現的比例。閾值化結果尤其容易受樣本量和顯著性邊界影響兩個站點可能具有相似但都未過閾值的弱效應也可能只有很少顯著位置使二值相關和復制率不穩(wěn)定。因此閾值化分析在該研究中屬于對傳統(tǒng)呈現方式的檢驗而不是替代未閾值化CSC的主要指標。研究系統(tǒng)改變四類常見選擇表面平滑從10 mm增至15/20 mm體素平滑從6 mm 增至8/12 mm從頂點或體素水平改為不同分辨率的腦區(qū)分區(qū)比較使用和不使用ComBat在 SBM 中加入 Euler number、ICV 或平均皮層厚度。補充圖S3–S10 和擴展數據圖3–6 分別展示這些結果。2.7站點特征與樣本量分析該研究為每對站點計算19項相似性指標包括年齡均值和方差、男女數量和比例、病例與對照人數、總人數、病例—對照比例、藥物暴露、圖像質量均值和方差、發(fā)病年齡均值和方差、病程均值和方差、掃描儀廠商、型號及體素大小。每項特征都形成站點×站點相似性矩陣再以Spearman相關和5,000次 Mantel置換檢驗其與CSC矩陣的對應關系。為估計樣本量對一致性的影響該研究把每種疾病的所有病例和所有對照分別合并為總體再隨機抽取兩個年齡和性別盡量匹配的偽站點。每個偽站點含病例和對照各N 人N按對數尺度取10、16、25、40、63、100、158、251、398精神分裂癥最大可到 527。每個樣本量重復 100 次得到 CSC 分布并對閾值化圖和不同分區(qū)重復。這種bootstrap提供的是在統(tǒng)一處理、病例與對照平衡且數據已合并的條件下樣本量能夠達到的一致性近似因此可能偏樂觀另一方面合并數據來自不同病程和不同中心又保留了真實異質性。因此結果更適合被理解為粗略的規(guī)模需求而不是精確的最低樣本量公式。由于某些疾病可用的最大樣本有限研究建立簡化模擬每名個體的腦圖由隨機個體差異與患者組共同疾病向量疊加構成參數α控制共同疾病表型相對于個體變異和測量噪聲的強度。每組樣本從10增至10,000觀察不同信噪比下 CSC 如何變化。該模擬用于解釋為什么增加樣本有時有效、有時幾乎無效但原文明示模型過于簡化不能據此直接估算現實疾病的真實信噪比。3.結果3.1 皮層厚度差異的跨站點一致性在主分析的左半球SBM未閾值化統(tǒng)計圖中阿爾茨海默病表現出明顯高于精神疾病的跨站點一致性7個站點之間的相關范圍為0.43–0.71中位數為0.54。相比之下精神分裂癥的相關范圍為?0.15–0.40中位數僅0.16分裂情感性障礙為0.04–0.32中位數0.15自閉癥譜系障礙中位數0.04重性抑郁障礙中位數0.01雙相障礙中位數0.06。也就是說即使在精神障礙中相對最高的精神分裂癥和分裂情感性障礙兩個獨立站點的全腦差異圖通常也只有很弱的空間相似性自閉癥、抑郁和雙相障礙的大多數站點對則集中在零附近部分站點對甚至呈負相關?？臻g自相關零模型檢驗顯示阿爾茨海默病、精神分裂癥、分裂情感性障礙和雙相障礙的觀察中位CSC高于隨機期望而自閉癥和抑郁未能穩(wěn)定超過零模型。這里必須區(qū)分統(tǒng)計上高于隨機與絕對一致性較高精神分裂癥和分裂情感性障礙雖然可能存在一個可檢測的共同形態(tài)學信號但中位相關約0.15仍然很低不能據此認為現有單中心研究已經獲得穩(wěn)定的疾病腦表型。圖2中不同站點對最高與最低相關腦圖的明顯差異直觀展示了同一診斷下異常區(qū)域和方向可在站點之間大幅變化。圖 2 不同疾病左半球SBM病例–對照差異圖的兩兩CSC及其分布這一結論并不依賴左半球或單一形態(tài)指標。擴展數據圖1顯示左右半球的SBM分布基本一致擴展數據圖2將指標替換為包含皮層、皮層下結構和小腦的VBM灰質體積后仍然得到阿爾茨海默病最高精神分裂癥與分裂情感性障礙相對較高自閉癥與抑郁接近隨機的總體層級。由于SBM與VBM使用不同的軟件、空間表示、質量控制標準和最終樣本這種跨方法重復說明低CSC不是某一種形態(tài)學算法的偶然產物。擴展圖 1 SBM左、右半球結果比較顯示低CSC并非由單側半球驅動擴展圖 2 VBM灰質體積t圖的跨站點一致性整體疾病排序與SBM主分析相似補充圖S1和S2進一步比較了兩類統(tǒng)計零模型一類通過置換病例與對照標簽重新生成差異圖另一類通過eigenstrapping或BrainSMASH生成保留原始空間自相關結構的替代腦圖。兩類零模型得出的判斷基本一致說明結果并非依賴特定隨機化方法。阿爾茨海默病觀察分布與零分布清楚分離精神分裂癥和分裂情感性障礙存在較弱但可檢測的共同模式自閉癥和抑郁的觀察值則與隨機期望高度重疊。補充圖S1 SBM觀察CSC與標簽置換零模型及eigenstrapping空間自相關零模型的比較補充圖S2 VBM觀察CSC與標簽置換零模型及BrainSMASH空間自相關零模型的比較3.2 數據處理與分析流程對CSC的影響研究接下來系統(tǒng)檢驗低CSC是否主要由常見的數據處理和統(tǒng)計選擇造成。首先將連續(xù)的未閾值化統(tǒng)計圖轉換為P≤0.05未校正或簇水平多重比較校正后的二值顯著圖不但沒有提高一致性反而使站點間二值相關和復制率進一步下降。校正后許多精神障礙站點幾乎沒有可重復的顯著位置大部分結果落入空間零模型范圍。該發(fā)現說明只報告通過顯著性閾值的腦區(qū)會丟失分布廣泛但效應較弱的共同信息并使結果更容易受到樣本波動和顯著性邊界變化影響顯著腦區(qū)重疊少反映的是跨站點穩(wěn)定性不足而不是證明患者不存在任何結構異常。SBM和VBM的閾值化結果分別見擴展數據圖3和補充圖S3。擴展圖 3 SBM閾值化差異圖的跨站點二值相關和復制率補充圖 3 VBM未校正及簇水平校正差異圖的二值相關和復制率其次增加空間平滑只能帶來很有限的改善。精神分裂癥SBM中位CSC從10 mm平滑時的0.16上升到20 mm時的0.22VBM中從6 mm的0.18升至12 mm的0.20。與此同時更大平滑核也擴大了站點對相關分布的離散程度說明改善并非所有站點普遍發(fā)生而是部分站點對相關升高、另一些仍然不一致。更重要的是對閾值化圖而言增加平滑并沒有實質提高二值相關或復制率。擴展數據圖4與補充圖S4展示未閾值化CSC的平滑敏感性補充圖S5和S6則專門顯示不同平滑核下閾值化SBM和VBM結果四組分析共同表明換一個更大的平滑核無法解決精神疾病形態(tài)學表型的不穩(wěn)定問題。擴展圖 4 SBM在10、15和20 mm平滑核下的未閾值化CSC補充圖 4 VBM在6、8和12 mm平滑核下的未閾值化CSC補充圖S5 不同平滑核下SBM未校正閾值圖的二值相關和復制率補充圖S6 不同平滑核下VBM未校正閾值圖的二值相關和復制率再次將頂點或體素數據平均到腦區(qū)后CSC平均僅提高不超過約10%低分辨率分區(qū)通常獲得稍高相關但同時犧牲了解剖精細度并增加部分疾病的站點間方差。粗分區(qū)本質上兼具空間平均和降維作用因此相關升高不能直接解釋為發(fā)現了更真實、更特異的疾病腦區(qū)。擴展數據圖5在SBM中比較Desikan–Killiany、Schaefer-100、500和1000分區(qū)補充圖S7在VBM中比較不同Schaefer尺度二者均顯示分區(qū)只帶來有限改善精神疾病與阿爾茨海默病之間的巨大差距仍然存在。擴展圖 5 SBM在不同腦區(qū)分區(qū)尺度下的空間相關、二值相關和復制率補充圖 7 VBM在Schaefer-100、500和1000分區(qū)下的CSC、二值相關和復制率最后站點效應協(xié)調和額外協(xié)變量同樣不能解釋低一致性。無論是否先使用ComBat校正掃描站點差異SBM和VBM的CSC分布均沒有明顯改變說明簡單的站點整體偏移不是主要矛盾。在SBM模型中額外加入Euler number或顱內容積后結果仍然相近在區(qū)域分析中加入平均皮層厚度作為協(xié)變量部分CSC甚至略有下降。擴展數據圖6、補充圖S8、S9和S10形成了一組完整的敏感性證據低CSC在協(xié)調方法、圖像質量協(xié)變量、顱內容積協(xié)變量和整體皮層厚度校正后仍然存在。綜合閾值、平滑、分區(qū)、ComBat與協(xié)變量分析當前常用技術選擇只能使數值發(fā)生小幅波動不能把接近零的精神疾病跨站點一致性轉變?yōu)轭愃瓢柎暮Ｄ〉姆€(wěn)定表型。擴展數據圖6 SBM使用與不使用ComBat時的CSC比較補充圖S8 VBM使用與不使用ComBat時的CSC比較補充圖S9 SBM在年齡和性別基礎上進一步加入Euler number或顱內容積后的CSC補充圖S10 不同分區(qū)尺度下加入平均皮層厚度協(xié)變量前后的SBM CSC3.3 臨床、人口學與MRI特征對CSC的影響為判斷站點之間樣本構成或掃描條件越相似是否會產生越相似的疾病差異圖研究為每對站點構建了19項特征相似性指標包括平均年齡及年齡方差、男性與女性人數、性別比例、病例數、對照數、總樣本量、病例–對照比例、藥物暴露、圖像質量、發(fā)病年齡及其方差、病程及其方差、掃描儀品牌、掃描儀型號和體素大小再使用Mantel檢驗關聯(lián)特征相似性矩陣與CSC矩陣。SBM結果中所有關聯(lián)的中位數為零Bonferroni校正后僅自閉癥出現女性人數與性別比例兩項顯著關聯(lián)而且方向是站點性別構成越不相似CSC反而越高。由于只有3個自閉癥站點包含女性該結果極易受少數站點影響不能作為穩(wěn)定解釋。VBM中19項因素均未通過校正。因此年齡、樣本量、病例–對照比例、粗略藥物狀態(tài)、掃描儀參數和圖像質量等站點級匯總差異不能系統(tǒng)解釋為什么精神疾病形態(tài)圖跨站點不一致。但這并不等于臨床異質性或掃描差異完全沒有影響該分析只能使用站點平均值或總量無法檢驗具體藥物類別和劑量、癥狀維度、共病、物質使用、病程階段及個體層面的影像異質性。更準確的結論是低CSC不能被這些較粗粒度、容易獲得的站點特征簡單“歸因掉”其背后更可能涉及診斷構念內部的真實生物異質性和共同疾病信號較弱。圖3 SBM CSC與19項站點人口學、臨床、樣本及MRI特征相似性的關系擴展圖 7 VBM中相同19項特征均未通過多重比較校正3.4 樣本量對CSC的影響納入的59個精神疾病站點具有典型的小樣本研究規(guī)?；颊呓M中位數為38人對照組為49人最小站點為每組21人最大約為115例患者和145名對照。研究將每種疾病的病例與對照分別匯總再按照預設樣本量反復抽取兩個年齡和性別匹配的“偽站點”每個樣本量重復100次并計算兩張差異圖的CSC。Bootstrap結果顯示樣本量增加對不同疾病并非同樣有效。阿爾茨海默病、精神分裂癥和分裂情感性障礙的CSC隨樣本量增加而明顯上升而自閉癥、抑郁和雙相障礙僅有邊際改善。最大可用偽站點樣本下阿爾茨海默病的平均r_boot,max為0.87精神分裂癥為0.73自閉癥僅0.20在各疾病都能達到的N100時阿爾茨海默病中位CSC約0.75精神分裂癥約0.36其余疾病均低于0.31。精神分裂癥在每組超過約150人后上升加快并在每組約200人時達到中位r≈0.5分裂情感性障礙呈相似趨勢但可用樣本更少。經驗數據對自閉癥、抑郁和雙相障礙的大樣本范圍覆蓋有限因此研究又建立了簡化信噪比模擬。模擬假設每名患者的腦圖由一個組內共享疾病向量與個體差異/測量噪聲疊加構成共同疾病表型的信噪比決定擴大樣本的收益。當信噪比很高時小樣本已經可以穩(wěn)定恢復共同模式當信噪比極低時即使樣本很大CSC仍然提高緩慢只有在中等信噪比條件下增加樣本最有效。例如在信噪比約0.2時每組樣本從10增加到250可使平均CSC從約0.2提高到約0.8。將模擬與經驗曲線對照自閉癥、抑郁和雙相障礙更接近低信噪比情形可能需要每組約1,000人的數量級才有機會獲得r0.5但這一數字只能作為量級提示不能當作精確樣本量閾值。圖4傳達的核心不是所有研究只要擴大樣本就一定能重復而是樣本量能否解決問題取決于診斷組內是否存在足夠強的共同形態(tài)學信號。精神分裂癥譜系可能具有較弱但可通過數百例樣本逐漸顯現的共同表型自閉癥、抑郁和雙相障礙則可能由于病因和臨床表型更異質單純沿用當前病例–對照平均差異框架即使增加到中等規(guī)模也難以獲得穩(wěn)定結果。擴展數據圖8顯示閾值化二值相關和復制率的樣本量效應擴展數據圖9表明不同分區(qū)尺度下結論一致擴展數據圖10則驗證改變模擬樣本范圍、腦圖維度和重復站點數量并不改變平均趨勢。圖 4 Bootstrap經驗曲線與信噪比模擬擴展圖 8 樣本量對閾值化統(tǒng)計圖二值相關和復制率的影響擴展圖 9 不同腦區(qū)分區(qū)尺度下的樣本量一致性關系擴展圖 10 不同樣本范圍、重復次數和模擬信噪比條件下的CSC結果總體而言結果構成了一條較完整的證據鏈五類精神障礙的灰質形態(tài)病例–對照差異圖在獨立站點間普遍缺乏穩(wěn)定空間模式這一結論同時存在于皮層厚度與灰質體積、左右半球、連續(xù)統(tǒng)計圖與顯著性二值圖中閾值化、平滑、腦區(qū)分區(qū)、ComBat和額外協(xié)變量只能產生小幅變化站點級人口學與掃描特征也不能提供系統(tǒng)解釋擴大樣本對精神分裂癥譜系較有幫助但對共同表型信號更弱、個體異質性更高的疾病可能需要數量級更大的隊列以及超越傳統(tǒng)組平均比較的新分析框架。4.討論4.1傳統(tǒng)小樣本研究不會自然收斂討論部分首先想解決一個假設只要不斷積累設計良好的獨立研究最終就會形成共識性精神障礙腦表型。該研究顯示在當前普遍采用的診斷分組、結構 MRI 指標和每組不足 100 人的研究規(guī)模下站點間平均 CSC 從未超過 0.16。也就是說問題并不是研究數量還不夠而是每項研究估計的空間模式受到弱共同信號、個體異質性和抽樣誤差支配繼續(xù)重復同樣規(guī)模和同樣設計很難依靠數量自然形成穩(wěn)定共識。4.2分析流程并非主要矛盾多團隊分析同一數據時不同處理選擇確實會造成差異因此統(tǒng)一流程是必要的。但該研究在統(tǒng)一軟件和統(tǒng)計框架下仍觀察到低 CSC并且對閾值、平滑、分區(qū)、協(xié)調和協(xié)變量進行了廣泛敏感性分析。結果說明方法差異可能使現實文獻的一致性進一步下降卻不是精神障礙低一致性的根本來源。換言之標準化流程可以減少一部分技術噪聲但不能創(chuàng)造一個在患者群體中本來就很弱或高度異質的共同形態(tài)模式。4.3 精神分裂癥譜系存在較弱但可放大的共同表型精神分裂癥和分裂情感性障礙的 CSC 雖低卻高于其他精神障礙并隨樣本量出現明確上升。這說明它們可能存在可識別的平均形態(tài)學表型只是效應遠弱于阿爾茨海默病。擴大到每組約 200–400 人可以較明顯地抑制個體差異、站點差異和抽樣波動。多中心聯(lián)盟和數據池化因此是最現實的路徑而不是要求每個單中心獨立完成數百例。同時精神分裂癥較高的共同信號也可能部分來自病例來源偏倚。三級醫(yī)療中心更容易納入病情較重、病程更長或功能受損更明顯的患者使組間結構效應更強、更同質。該研究無法完全區(qū)分較高 CSC 是疾病本身具有更穩(wěn)定的病理基礎還是樣本招募造成了更強的平均表型。4.4樣本量增加對自閉癥、抑郁和雙相障礙影響這三類疾病的經驗 CSC 接近零樣本量曲線較平。有限數據不能證明增加樣本無效但提示共同診斷級信號相對于個體變異很弱。若患者內部包含多個具有不同病因和不同腦區(qū)異常的亞群把所有人求平均會相互抵消即使大樣本最終能檢出統(tǒng)計學差異這個平均差異也可能無法描述多數個體。因此未來方向不能只有做更大樣本。更關鍵的是提高表型信噪比即用遺傳亞型、癥狀維度、認知表型、病程階段、治療反應、RDoC 或 HiTOP 等框架形成更同質的群體也可以使用無監(jiān)督聚類、規(guī)范模型、亞型與階段推斷、多變量或網絡方法直接刻畫個體偏離而不是只比較診斷組均值。DSM 診斷主要依據癥狀組合同一診斷可以由大量不同癥狀路徑滿足并存在高度共病。若一個診斷實際上包含多個病理機制就不應期待它對應一張唯一、穩(wěn)定的平均灰質圖。該文獻把低 CSC 解釋為對現有診斷生物學有效性的一個警示影像研究可能需要從為現有標簽尋找腦區(qū)轉向利用跨診斷維度和個體異常重新組織臨床表型。4.5 結構MRI形態(tài)指標可能缺乏機制特異性灰質體積和皮層厚度是宏觀、間接指標受到神經元、膠質、樹突、髓鞘、血管、細胞外空間和發(fā)育差異等多種因素共同影響。即使統(tǒng)計上存在組間差異也很難對應單一病理機制。討論部分因此提出不同疾病可能需要不同成像模態(tài)例如精神病性障礙的 F-DOPA PET 能較穩(wěn)定地顯示紋狀體多巴胺異常抑郁中的某些功能 MRI 活動指標效應可能強于皮層厚度。該研究建立的 CSC 框架可以用來比較不同模態(tài)究竟哪一種能形成更穩(wěn)定的疾病表型。4.6 結果與臨床含義低 CSC 說明不同站點得到的診斷組平均空間圖不穩(wěn)定并不否定個體患者存在真實結構異常也不否定某些大樣本薈萃分析能夠檢測到微弱平均效應。它還不等同于 T1 MRI 測量本身測試—重測信度差同一人的皮層厚度可以相當穩(wěn)定但不同患者的異常位置可能不同。更準確的表述是當前類別下的共同平均疾病地圖信噪比較低難以支撐小樣本研究間直接比較或臨床個體判斷。若一個形態(tài)學表型不能跨站點穩(wěn)定重復就很難直接用于診斷、風險預測、疾病監(jiān)測或靶點選擇。未來臨床標志物開發(fā)應在獨立站點外部驗證并明確區(qū)分組水平效應與個體水平預測。對于神經調控等治療研究直接把單個小樣本組間差異腦區(qū)作為刺激靶點風險較高更合理的做法是先識別生物學更同質的亞組再驗證其異常網絡或腦區(qū)是否可重復并與癥狀和治療反應相關。5.研究局限性與未來方向該研究整合的是既有數據而非前瞻性統(tǒng)一采集隊列。不同站點的臨床評估、招募渠道、治療狀態(tài)和掃描協(xié)議仍然異質統(tǒng)一流程和 ComBat 使結果接近一種樂觀上限現實文獻中的處理差異可能使可重復性更低。每組至少 20 人的站點門檻排除了更小、可能更不穩(wěn)定的研究也可能略微抬高 CSC。部分數據集中同一批對照被用于多個診斷比較站點對之間也不是完全獨立雖然研究采用矩陣和置換框架處理推斷結果仍應理解為跨數據生態(tài)的整體估計。臨床與掃描因素分析使用站點級匯總值無法充分評估具體藥物類別和劑量、癥狀維度、共病、物質使用、社會經濟背景、族群、病程階段及個體級交互作用。尤其自閉癥只有 5 個站點女性樣本極少自閉癥、抑郁和雙相障礙缺少每組超過 150–250 人的經驗偽站點因此“每組約千人”的估計主要來自簡化模擬和外部大樣本參照不能作為固定樣本量標準。該研究只考察橫斷面 T1 MRI 的診斷組平均灰質體積和皮層厚度不涉及白質、擴散、功能連接、代謝、神經遞質、縱向變化或治療反應也沒有直接檢驗個體分類、預后預測或規(guī)范偏離。CSC 衡量的是空間模式的一致性不等同于效應大小、測試—重測信度或臨床效能。粗分區(qū)和平滑可能通過空間平均提高相關卻犧牲解剖精度閾值化圖在顯著位置很少時容易出現大量零值。阿爾茨海默病參照的年齡、病程同質性和病理效應強度也與精神障礙不同。未來研究應優(yōu)先建設大型、開放、可共享體素或頂點水平數據資源在多中心統(tǒng)一采集基礎上進行獨立外部驗證采用跨診斷且可協(xié)調的癥狀、認知和功能量表按遺傳、病程、癥狀維度或治療反應識別更同質亞組使用規(guī)范模型、混合效應模型、聚類、亞型—階段模型、多變量和網絡方法顯式描述個體異質性比較結構 MRI、擴散 MRI、靜息態(tài)或任務 fMRI、PET、MRS 和多模態(tài)融合的跨站點穩(wěn)定性在縱向和干預隊列中驗證候選表型是否真正反映疾病進展和臨床改變。6 結論該研究表明五類精神障礙的患者—對照灰質形態(tài)差異圖在典型單中心樣本規(guī)模下跨站點一致性很低明顯弱于阿爾茨海默病。低一致性不能主要歸因于閾值、平滑、分區(qū)、ComBat、常見協(xié)變量或粗粒度站點特征。擴大樣本對精神分裂癥譜系幫助明顯但對自閉癥、抑郁和雙相障礙可能需要數量級更大的隊列并同時重構診斷分層和分析范式。該文獻真正推動的不是“尋找下一個顯著腦區(qū)”而是要求精神影像學把可重復性、個體異質性和獨立驗證放在生物標志物開發(fā)的中心。精讀分享研究背景結構 MRI 研究長期嘗試為精神分裂癥、自閉癥、抑郁和雙相障礙等診斷尋找穩(wěn)定灰質表型但不同研究報告的腦區(qū)和方向常不一致。以往通常將這種不一致歸因于掃描儀、預處理、樣本構成或小樣本卻缺少對整個疾病差異圖在不同站點之間到底有多像的直接量化。該文獻以阿爾茨海默病為陽性參照系統(tǒng)檢驗當前精神障礙結構 MRI 研究是否能夠收斂到可靠形態(tài)學表型。研究目的量化五類精神障礙皮層厚度和灰質體積患者—對照差異圖的跨站點一致性判斷低一致性是否由分析流程、人口學與臨床差異、掃描因素或樣本量造成估計不同疾病需要多大樣本才能達到中等一致性據此評價傳統(tǒng)小樣本患者—對照結構 MRI 范式作為生物標志物發(fā)現策略的可行性。研究方法該研究匯集 59 個精神疾病站點的 2,437 例患者和 2,065 名不重復健康對照并加入 7 個阿爾茨海默病站點。T1 MRI 分別采用 FreeSurfer SBM 和 CAT12 VBM 處理每個站點獨立建立患者—對照 GLM獲得全腦 z 圖或 t 圖。站點兩兩進行 Pearson 空間相關形成 CSC 矩陣使用 eigenstrapping、BrainSMASH 和標簽置換建立零模型。進一步檢驗顯著性閾值、復制率、平滑、腦區(qū)分區(qū)、ComBat、協(xié)變量、19 項站點特征并用偽站點 bootstrap 和信噪比模擬評估樣本量效應。研究結果阿爾茨海默病中位 CSC 為 0.54而精神分裂癥、分裂情感性障礙、自閉癥、抑郁和雙相障礙分別約為 0.16、0.15、0.04、0.01 和 0.06。右半球與 VBM 得到相同結論。閾值化后的一致性和復制率更低增加平滑或使用粗分區(qū)只能輕微提高數值ComBat、額外協(xié)變量和站點間年齡、性別、藥物、病程、掃描儀等差異總體無法解釋低 CSC。樣本量增加可使精神分裂癥在每組約 200 人時達到 r≈0.5并可能需要每組超過 400 人接近阿爾茨海默病水平自閉癥、抑郁和雙相障礙的共同信號更弱可能需要每組約千人的數量級。研究結論當前廣泛使用的每組少于 100 人、基于傳統(tǒng)診斷的單中心結構 MRI 患者—對照研究難以通過不斷重復自然形成可靠的精神障礙形態(tài)學表型。大樣本是必要條件但不是充分條件還需要更同質的疾病分層、跨診斷臨床表型、個體異質性模型和更具機制特異性的成像模態(tài)。局限性和未來方向數據來自既有異質隊列臨床信息多為站點級匯總無法充分控制具體藥物、癥狀和共病部分疾病站點數和大樣本范圍有限模擬過于簡化只研究橫斷面 T1 形態(tài)學與組均值空間圖。未來應采用前瞻性多中心統(tǒng)一采集、體素級開放數據、獨立外部驗證、跨診斷統(tǒng)一量表、規(guī)范模型和亞型分析并比較擴散、功能、PET及多模態(tài)表型的跨站點穩(wěn)定性。解讀 | 李佳駿參考文獻Cao T, Pang JC, Gajwani M, et al. The cross-site reproducibility of MRI morphometric phenotypes in psychiatric disorders. Nature Neuroscience. 2026; doi: 10.1038/s41593-026-02359-0.