Assessing specificity testing in Lesion Network Mapping
本文阐明了特异性测试与其他病灶网络映射（LNM）变体之间的关系，同时证明了 LNM 特异性网络中持续存在的重复现象揭示了疾病特异性的根本局限性，从而强调了需要新的方法学手段来识别神经系统及精神疾病背后的脑回路。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人类大脑并非孤立部分的集合，而是一个庞大的、相互连接的网络，其中每个区域都与许多其他区域进行着交流。当特定区域因中风或肿瘤受损时，患者所经历的症状——如抑郁、记忆力丧失或运动障碍——通常是由于这种损伤破坏了该网络中的特定电路所致。多年来，科学家们一直使用一种被称为“病灶网络映射”（Lesion Network Mapping）的方法来寻找这些电路。其原理非常直观：如果你知道病灶的位置，就可以通过观察一张标准的大脑健康连接图谱，来预测受该损伤影响的其他远端大脑部位。通过平均化许多具有相似症状患者的连接情况，研究人员希望能够精准定位出导致特定疾病的神经通路，从而为新疗法提供明确的目标。
然而，一项新的分析表明，这种方法可能正在识别一些并不存在的模式。由马丁·范登·海尤尔（Martijn van den-Heuvel）领导的研究小组检查了使用该映射技术的数百项研究结果。他们发现，为截然不同的疾病（如精神病、抑郁症和创伤后应激障碍）所识别出的脑回路几乎看起来完全相同。事实上，这些无关疾病的图谱如此相似，以至于它们共享了超过6割的特征，这种重叠程度在医学影像学中是极不寻常的。研究人员认为，这种重复并不是因为这些疾病具有相同的成因，而是该方法本身的一个数学特性。因为该技术依赖于单一的标准大脑连接图谱来分析每一位患者，所以结果不可避免地会被该标准图谱中最常见的模式所吸引。
问题的核心在于该方法处理数据的方式。当科学家使用病灶网络映射时，他们会将患者损伤的位置投影到一个“规范连接组”（normative connectome）上，这是一个代表健康大脑平均连接情况的大型数据库。研究人员表明，当比较两组患者时（例如，抑郁症患者与另一种疾病患者），该方法实际上只是简单地减去了其中一组的平均连接情况。由于这两组人都源自同一个底层的健康连接数据库，因此结果仍然深受原始数据库结构的影响。这就像试图通过将两个人的手与同一个通用手印进行对比来寻找独特的指纹一样；你发现的差异往往只是同一个基本形状的变化，而不是真正独特身份的证据。
为了验证这一点，该团队重新分析了来自数十项已发表研究的数据，涵盖了数百名患者和数十种不同的状况。他们重建了那些被发表为针对特定症状具有“特异性”的脑图谱，并将它们相互对比。结果令人震惊。为帕金森病、认知下降和焦虑障碍等不同疾病生成的图谱显示出高度的相似性。当研究人员观察这些研究声称属于某种疾病特有的活动峰值时，他们发现这些位置在无关的疾病中反复出现。例如，一项研究将额叶下部的一个特定区域确定为抑郁症的关键靶点，但该区域在另一项研究中也被强调为中风后认知障碍的关键靶点，甚至在关于“出体体验”的研究中也是如此。
研究人员还调查了另一种更复杂的新版本方法，即他们称之为“基于症状的映射”（symptom-based mapping），是否能解决这一问题。这种方法试图将脑图谱直接与患者症状的严重程度联系起来，而非仅仅与其诊断挂钩。研究小组发现，这种方法在数学上等同于旧方法，它只是同一种减法运算的不同表达方式。因此，它同样面临着同样的局限性。无论科学家是使用两组之间的简单比较，还是使用复杂的统计模型，输出结果都受限于所使用的标准大脑图谱中可用的有限模式。该方法实际上被限制在寻找符合健康大脑图谱现有低维结构的差异中，这使得它很难发现针对特定疾病的真正独特的电路。
这并不意味着这些疾病对应的脑回路不存在，而是表明目前的工具精度不足以将它们区分开来。研究人员提出，大脑可能遵循这样一种原则：少数广泛且共享的网络会影响许多不同的症状和疾病。在这种观点下，图谱中看到的重叠并非数据的失败，而是反映了大脑的构建方式。相同的神经通路可能参与了从创造力到恐惧的广泛人类体验，而单一的损伤可能会以在不同患者身上看起来相似的方式破坏这些共享的通路。
研究结论指出，该领域需要超越“每种症状都有一个等待被发现的单一、孤立网络”的观念。相反，未来的研究应侧重于理解这些共享且重叠的网络是如何促成复杂的人类行为和疾病景观的。虽然目前的方法提供了宝贵的见解，但研究人员警告说，依赖此法来识别独特的治疗靶点，可能会导致科学家去追逐那些仅仅是图谱本身产生的伪影，而非疾病本身的模式。未来的道路需要新的方法，这些方法必须能够看透健康大脑中占主导地位的重复模式，从而找到定义特定病症的细微且独特的差异。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。