From group-level neurophysiological biomarkers to individual-level phenotyping to identify mechanisms of neurodegenerative disease
本研究表明，虽然来自静息态脑磁图（MEG）的群体层面神经生理生物标志物可能无法可靠地转化为行为前额叶痴呆（bvFTD）和进行性核上性麻痹（PSP）等神经退行性疾病的个体层面分类，但将临床评分与源自动态因果模型（DCM）的机制性生物物理参数相结合，为在精准医学中平衡诊断准确性与可解释性提供了一个极具前景的框架。
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
人类大脑是一个由数以十亿计的细胞组成的庞大且复杂的网络，这些细胞通过电信号进行通信。当这种通信发生故障时，像痴呆症这样的神经退行性疾病就会接管，缓慢地侵蚀记忆、人格和运动能力。几十年来，医生们通过观察患者表现出的症状来诊断这些疾病：困惑、冷漠或行走困难。这些临床观察是非常强大的，因为它们描述了患者生活的现实，但它们并未解释大脑内部发生故障的隐藏机制。为了真正理解这些疾病，科学家需要直接观察大脑的电活动，希望能找到一种能够揭示特定损伤性质的生物学特征。然而，在这一追求过程中存在着一个主要的挑战：一项测试可能在比较大规模的患者群体与大规模的健康人群时显示出明显的差异，但在应用于单个个体时却完全失效。如果两种不同疾病的生物学信号重叠过多，或者某种疾病在每个人身上表现得各不相同，那么一个对群体有效的测试就无法被信任用于诊断特定的人。
剑桥大学的一个研究小组试图通过比较两种截然不同但经常被混淆的神经退行性疾病来解决这个难题：行为变异型额颞叶痴呆症和进行性共济失调性强直性瘫痪（progressive supranuclear palsy）。虽然这些疾病具有一些共同症状，如人格变化和运动障碍，但它们源于不同的生物学原因，并影响大脑的不同部分。研究人员想知道，他们是否可以使用脑部扫描来区分单个人的这两种疾病，而不仅仅是基于群体平均值。他们使用了一种称为磁脑图（magnetoencephalography）的高级成像技术，该技术可以测量大脑电活动产生的微弱磁场。通过记录患者在睁眼静坐时的脑活动，研究团队可以绘制大脑的自然节律。随后，他们测试了三种不同的数据分析方法：观察患者的临床评分、检查原始电模式，以及使用复杂的计算机模型来推断产生这些模式的潜在生物学规则。
研究始于一组由74名健康志愿者、45名行为变异型额颞叶痴呆症患者和55名进行性共济失调性强直性瘫痪患者组成的样本。研究人员首先确认，衡量记忆、推理和行为等指标的临床评估在区分这些群体方面表现出色。当他们利用这些评分来尝试识别特定个体所属的群体时，结果非常显著。例如，临床评分能以94%的准确率正确识别一个人患有进行性共济失调性强直性瘫痪还是属于健康人群。这是预料之中的，因为这些测试旨在专门捕捉这些疾病的症状。然而，研究人员更感兴趣的是，脑部扫描本身是否也能完成同样的工作。
当团队观察来自脑部扫描的原始电模式时，结果却远没有那么清晰。尽管两组疾病患者的平均脑活动彼此之间以及与健康人群之间看起来存在差异，但这些差异并不足够一致，无法可靠地识别单个个体。研究人员发现，这两种疾病的电信号存在显著重叠。当他们尝试利用这些原始模式来猜测特定的人患有哪种疾病时，准确率降至约60%，这几乎与随机猜测无异。这揭示了一个关键的局限性：仅仅因为一群患者在平均水平上表现出明显的生物学变化，并不意味着这种变化在任何一个特定的人身上都是可见或有用的。
为了深入研究，研究人员转向了一种更先进的方法。他们不再仅仅观察电模式，而是使用计算机模型进行逆向推导，以推断导致这些模式的隐藏生物学机制。该模型估算了诸如信号在脑细胞间传输的速度、连接强度以及细胞对化学信号的反应等参数。当他们使用这些推断出的生物学参数进行分类时，结果有了显著改善。该模型能够以约74%的准确率区分这两种疾病，并且能以70%的准确率区分进行性共济失调性强直性瘫痪患者与健康人。这表明，虽然原始电信号本身过于杂乱而难以发挥作用，但驱动这些信号的底层生物学规则为每种疾病提供了更清晰、更独特的特征。
研究还探讨了如果将这两个疾病组合并为一个“患者”类别，是否能找到一个共同的生物学线索。虽然临床评分在将这个合并后的群体与健康人群区分开来方面依然表现优异，但脑部扫描数据却变得更加难以利用。当混合在一起时，针对每种疾病特有的生物学差异似乎相互抵消了，只留下了一个难以在个体中检测到的微弱共有信号。这一发现强化了这样一个观点：尽管这两种疾病在某些症状上相似，但它们是由不同的生物学机制驱动的。为了寻找通用的脑部生物标志物而将它们视为一个整体进行处理，可能会导致误诊。
最终，这项研究凸显了现代医学中一种艰难的权衡。理解一种疾病最直接的方式通常是通过患者的症状，这些症状在诊断方面高度可靠，但对生物学原因知之甚少。最精细的生物学工具（如本研究中使用的计算机模型）可以揭示疾病的隐藏机制并为新疗法提供线索，但它们目前尚不完美，无法用于诊断单个患者。而原始脑信号则处于两者之间：它们显示出明显的群体差异，但在转化为可靠的个体诊断时却宣告失败。研究人员得出结论，未来的道路在于结合这些方法。通过使用临床评分来识别患者，并使用生物学模型来理解其发挥作用的具体机制，医生和科学家可以更接近于实现这样一种未来：即治疗方案是根据每个个体的独特生物学特征而非仅仅根据其疾病的一般类别来进行定制化。这项工作并非提供一种可以直接应用于临床的新型诊断测试，但它描绘了可能性的版图，表明精准医疗的关键或许在于理解那些支配大脑电活动的复杂且隐藏的规则。
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。