Virtual Brain Modelling Reveals Altered Network Dynamics and Predicts Symptom Severity in Schizophrenia: Relevance to Antipsychotic Treatment Response and Resistance.

精神分裂症是一种复杂的疾病，它会影响一个人思考、感受和感知世界的方式。几十年来，医生们一直了解到大脑的化学成分在其中起着核心作用，特别是涉及多巴胺——一种帮助调节情绪和注意力的化学信使。然而，全貌要复杂得多。最近的研究表明，问题可能还存在于大脑庞大连接网络中兴奋与抑制之间的微妙平衡。想象一下，大脑就像一座城市，有些信号促使神经元放电，而另一些信号则告诉它们安静下来；当这种平衡被打破时，城市的交通就会变得混乱，从而导致精神分裂症特征性的混乱思维和感知。虽然标准的药物通常有助于缓解最明显的症状，但它们对并非对每个人都有效。很大一部分患者尽管接受了治疗，却仍在挣扎，这种状态被称为难治性精神分裂症。理解为什么有些大脑对药物有反应而另一些则没有，仍然是精神医学领域最困难的挑战之一。

为了解决这个谜团，来自意大利和英国的一个研究小组转向了一种被称为“虚拟大脑建模”的强大新方法。研究人员并没有仅仅将脑部扫描视为静态图像，而是利用计算机模拟来重现患者大脑的实际运作方式。他们收集了来自33名精神分裂症患者和43名健康志愿者的详细磁共振成像数据。在患者中，他们区分了那些对标准药物反应良好的人和那些尽管尝试了多种治疗手段仍未见好转的人。通过将这些现实世界的数据输入到一个复杂的计算机模型中，科学家们可以模拟电活动在整个大脑中的流动。该模型使他们能够估算某些在活体人类身上几乎无法直接测量的特定生物学特性，例如不同大脑区域之间相互交流的强度，以及大脑内部的“刹车”和“加速器”功能如何运作。

研究人员重点关注了虚拟大脑中的四个关键设置，每个设置代表了神经元通信的不同方面。他们观察了远距离大脑区域之间的连接强度、使神经元安静下来的局部抑制信号、唤醒神经元的兴奋信号，以及这些信号如何自我循环的方式。当他们将健康志愿者的模拟结果与患者的模拟结果进行比较时，明显的差异显现了出来。最显著的是，未对治疗产生反应的患者的大脑表现出一种与已好转者不同的独特模式。在难治性组中，模拟显示某些视觉处理区域内的兴奋信号有所增加，同时情感和记忆中心的连接有所减弱。相反，对标准药物有反应的患者表现出不同的特征，其背侧注意网络（一个对于专注于周围世界至关重要的区域）中的兴奋活动有所减少。这些发现表明，治疗抵抗不仅仅是严重程度的问题，而是一种根本不同的生物学状态，在脑网络调谐方式上具有其独特的特征。

除了区分患者群体之外，该研究还探讨了这些虚拟设置是否可以预测一个人的症状有多严重。计算机模型表现出了卓越的洞察力。模拟显示，默认模式网络（一个在白日梦和自我反思期间活跃的系统）中的抑制信号强度与阴性症状（如社交退缩和缺乏动力）的严重程度有关。当模拟中的这些抑制信号较弱时，患者报告的阴性症状更为严重。同样，边缘系统（处理情绪的网络）中的兴奋活动水平预测了疾病的总负担。在这一情绪中心内兴奋活动较低的患者，往往具有较高的总症状评分。此外，腹侧注意网络（有助于检测重要事件的网络）中兴奋信号的强度与思维紊乱有关。在模型中，该信号每减少一份，患者的言语和思维就显得越发紊乱。

这些结果为看待精神分裂症的大脑提供了一种新途径，即超越仅仅描述哪些区域活跃或不活跃，转而理解驱动这些活动的底层机械规则。研究表明，大脑的兴奋与抑制平衡并非对每个人而言都是以同样的方式失衡的；相反，不同的网络会根据患者是否对治疗有反应而表现出特定的改变。对于那些没有反应的人，大脑似乎拥有一种独特的兴奋与抑制信号配置，而标准药物可能无法纠正这种配置。虽然研究人员强调这些发现源自计算机模拟，并需要在更大规模的群体中进一步验证，但它们为为什么有些患者仍在挣扎提供了一个具体的假设。通过识别这些特定的网络层面差异，这项工作为开发更具针对性的治疗方案开辟了道路，这些方案未来有望根据每个个体的独特生物学特征进行定制，从而可能为那些尚未获得缓解的患者带来希望。