精神病患者在疾病的早期阶段对治疗的反应与那些已经发展成慢性病的患者不同。了解从早期到慢性阶段的神经生物学变化对于开发有针对性的预防和治疗策略至关重要。然而，症状如何在这一转变过程中发生变化以及大脑在此过程中扮演的角色尚不清楚。
耶鲁大学医学院（YSM）的研究人员现在对早期和慢性精神病患者进行了研究，以绘制症状演变图并识别相关的脑网络。他们的研究成果发表在《神经心理药物学》期刊上。
“我们对精神病和其他精神障碍的发展过程很感兴趣，”该研究的第一作者、Dustin Scheinost博士实验室的博士生Maya Foster说。“在这项研究中，我们观察了潜在的大脑网络——这些区域在功能上是连接的，并且协同工作——以将大脑区域与早期或慢性精神病患者的症状联系起来，并评估这些网络之间的相似性和差异。”
治疗精神病
精神病症状的原因尚未完全明了，但普遍认为是由大脑活动的中断或改变引起的。
所谓的精神病“阳性”症状——即健康个体通常不会遇到的额外体验——包括幻觉和妄想，而阴性症状——或健康的体验缺失——包括记忆障碍、思维混乱、缺乏动力和无法感受快乐。
精神病患者往往首先经历阴性症状。随着病情恶化，阳性症状开始出现。
尽管他们有共同的症状体验，早期和慢性病例对治疗的反应却不同。
“研究表明，如果患者能够早期接受治疗，预后会更好，”Foster说。“慢性精神病的复发率较高，现有的治疗方法效果也不如预期。”
先前的研究表明，早期干预可以减少精神病症状，但还没有纵向研究跟踪患者从早期到慢性状态的转变。填补这一信息空白可以帮助临床医生更有效地治疗患者。
为了初步解决这个问题，Foster和Scheinost检查了两个大型开源数据集，以确定早期或慢性精神病患者的症状是如何演变的。人类连接组项目早期精神病（HCP-EP）数据集包含在数据收集后五年内出现症状的早期精神病患者的信息。
战略脑科学研究计划多疾病连接数据集则包含了不同程度症状严重性的患者。HCP-EP数据集包含了107名参与者的信息，并与57名健康参与者的数据进行了比较。SRPBS数据集包含了123名参与者的信息，并与99名健康参与者的数据进行了比较。
将脑网络映射到精神病症状
为了识别支持精神病症状的大脑连接模式，研究团队使用功能性磁共振成像数据和从早期或慢性精神病患者收集的症状信息训练了一个机器学习模型。
研究人员发现，该模型能够预测两组中的阳性症状和阴性症状。对慢性精神病人群的预测更为准确，这可能是因为症状负担更大。
虽然精神病起源于整个大脑的紊乱，但研究团队发现前顶叶网络在早期和慢性精神病中都起着关键作用。这个大脑区域参与认知灵活性、认知控制和行为协调。
根据Foster的说法，阴性症状可能与前顶叶网络的紊乱有关。
这些发现提供了一个神经生物学参考点，使临床医生能够在患者从早期到慢性精神病的过程中跟踪基于症状的大脑网络，研究人员表示。
“如果我们能够表征大脑差异以更好地理解症状，那么我们可能会识别出目标或生物标志物，”Scheinost说。“通过更多的研究，我们也许能够预测过渡点，以便在治疗过程中进行监测。”
未来的研究可以通过随时间跟踪患者来揭示所识别的大脑网络在整个精神病生命周期中的变化。这种方法可以为改善护理和防止症状恶化提供治疗选择。
(全文结束)
