近日，鄭州大學(xué)第一附屬醫(yī)院磁共振科程敬亮教授團(tuán)隊(duì)的研究成果以題為“Parsing altered gray matter morphology of depression using a framework integrating the normative model and non-negative matrix factorization（結(jié)合正態(tài)模型和非負(fù)矩陣分解的解構(gòu)抑郁癥患者個體水平腦灰質(zhì)密度異常的分析框架）”發(fā)表在Nature旗下綜合期刊Nature Communications上。韓少強(qiáng)博士為第一作者，程敬亮教授為通訊作者。

抑郁癥是一種異質(zhì)性很強(qiáng)的精神疾病，不同患者在臨床表現(xiàn)、腦影像表征以及對治療反映等方面表現(xiàn)出很強(qiáng)的個體間差異性。如何有效地量化及應(yīng)對個體差異是臨床亟待解決的難題，也是個體化精準(zhǔn)診療精神疾病的必經(jīng)之路。磁共振腦功能影像能客觀刻畫精神疾病患者個體腦部結(jié)構(gòu)、功能特征，但目前腦功能影像分析手段仍是組水平的分析手段，分析結(jié)果不一致也無法適用于患者個體，限制了腦功能影像研究成果的臨床應(yīng)用。

針對該問題，程敬亮教授團(tuán)隊(duì)提出基于個體水平的腦結(jié)構(gòu)影像分析框架來定量分析抑郁癥患者個體水平上的腦灰質(zhì)結(jié)構(gòu)異常。該框架假設(shè)每個抑郁癥患者的腦結(jié)構(gòu)異常，可看作是不同異常因子的線性疊加。該團(tuán)隊(duì)分析了來自鄭州大學(xué)第一附屬醫(yī)院磁共振科和電子科技大學(xué)兩個中心181例抑郁癥患者和198例正常對照的腦結(jié)構(gòu)影像數(shù)據(jù)，先利用高斯過程回歸算法得到患者個體水平的腦結(jié)構(gòu)異常，然后利用非負(fù)矩陣分解算法得到抑郁癥腦灰質(zhì)結(jié)構(gòu)異常因子。研究發(fā)現(xiàn)，以往研究得到的抑郁癥患者組水平的腦結(jié)構(gòu)異常僅能代表極少數(shù)患者，本研究得到了能夠在不同中心間較好復(fù)現(xiàn)的抑郁癥腦結(jié)構(gòu)異常因子，定量地描述了抑郁癥患者個體水平的腦結(jié)構(gòu)異常，很好地解釋了組水平研究不一致的原因。

該研究聚焦于抑郁癥患者個體化腦結(jié)構(gòu)異常，提出了個體水平分析框架，該框架同樣適用于其它精神疾病，為實(shí)現(xiàn)抑郁癥等精神疾病的精準(zhǔn)治療提供了有力工具。

全文鏈接：https://www.nature.com/articles/s41467-023-39861-z