上海
人類的所有體驗在原則上都關聯于大腦狀態，精神障礙也不例外。因此，人們曾合理預期，現代神經影像學技術將揭示精神分裂癥、雙相障礙、重度抑郁障礙等主要精神疾病的病理生理學基礎。
然而，五十年過去，成千上萬項研究之后，神經影像學對日常臨床實踐的直接影響卻出人意料地小。問題出在哪里？
以精神分裂癥的研究史為例，或許能說明這一期望為何至今仍未實現。早期曾有過成功：1976年，一項計算機斷層掃描研究首次發現精神分裂癥患者的腦室擴大。隨后，正電子發射斷層掃描深化了對多巴胺功能失調的理解；磁共振成像在認知任務中揭示了廣泛的皮層及皮層下功能異常；靜息態功能磁共振和彌散加權成像則識別出大規模功能與結構網絡組織的改變。
這些進展加深了我們對疾病和治療機制的了解。但是，當面對一位具體的患者時，醫生依然無法通過一張腦掃描圖來確診他是否患有精神分裂癥，或者預測哪種藥對他最有效。在群體水平上，患者組與健康對照組存在差異；但在個體水平上，二者的分布廣泛重疊，導致影像學在診斷或臨床決策中貢獻甚微。
挑戰與局限
技術限制：我們無法在活體人腦中大規模記錄單個神經元活動，也無法進行倫理上可接受的活體皮層活檢。分子影像功能強大但稀疏、昂貴且限于特定靶點。對于功能磁共振這類功能測量，可能需要遠超現有規模的龐大數據集。
盡管公開影像數據庫在擴大，但其規模仍遠落后于那些徹底改變了遺傳學研究的樣本量。然而，僅僅擴大樣本量也可能無法完全解決映射問題，可靠的個體間大腦-行為關系仍然難以捉摸。
診斷框架的困境：精神疾病綜合征本身具有異質性和維度性。癥狀和神經生物學特征常常跨越傳統的診斷界限。
對于多數精神障礙患者而言，可能并不存在類似于淀粉樣斑塊或抗NMDA抗體那樣的特異性“病理標志物”。在許多情況下，精神病理現象或許更應理解為完好組織內的適應不良動力學問題，是學習、控制和推理算法的“軟件”問題。
影像學可以探查這一點，但很可能需要多模態方法，并結合能形式化行為算法的計算模型。
研究設計的復雜性：
混雜因素：社會逆境、創傷、睡眠、物質使用和用藥史等因素會干擾大腦測量和結果。除非被精確測量和建模，否則它們可能模糊或模仿疾病信號。
臨床目標的錯位：在臨床環境中，影像學最可能發揮價值的地方在于治療個性化，而非診斷。
目前許多旨在開發治療反應生物標志物的研究，試圖用基線掃描來預測治療后的癥狀變化。然而，這種方法主要識別的是一般預后標志物（即無論何種治療都可能好轉的個體），而非差異化治療效應（即誰能從A藥而非B藥中獲益）。沒有恰當的設計和分析框架，能夠指導臨床決策的預測指標將無法實現。
未來路徑：構建有價值的科學基礎
以臨床效用為靶標：從追求“診斷神器”轉向成為“治療助手”。重點應該是幫助醫生為患者選擇最合適的治療方案。未來的研究應該把腦掃描直接嵌入藥物臨床試驗中，看它能否真正指導用藥選擇。
深化表型，跨模態、跨時間整合：
社會決定因素不應僅被視為混雜因素，而應作為因果鏈的組成部分予以嚴謹測量和顯式建模。
影像學應與學習、信念更新和控制等計算模型結合。這個“中間層”能將行為算法描述與神經實現聯系起來，從而超越基于癥狀的分類，提出更清晰的假設并提高可解釋性。
借鑒神經病學、癡呆等領域，進步將依賴于多模態整合——將神經影像與分子、數字和行為標記物聯系起來，而非追求單一模態的突破。
大多數現有影像發現是橫斷面的。捕捉個體內部軌跡的縱向成像，尤其是與電子健康記錄中的長期臨床結局整合時，可能提供更多信息。
驗證靶點參與與藥效學：影像學在藥物研發中已證明其價值——驗證藥物是否作用于預期靶點、量化劑量-占有率關系、描繪下游網絡效應。這些方法能提高候選化合物篩選的成功率、優化劑量并指導研發決策。
構建跨物種機制橋梁：跨物種映射研究有望促進藥物發現和病理生理學理解。通過比較神經解剖學和功能對齊方法，開始描繪跨物種間同源的皮層下回路，從而在動物模型與人類神經影像發現之間建立正式的轉化聯系。
提高方法學嚴謹性：增加樣本量；預注冊分析計劃；使用透明、標準化的處理流程；進行外部模型驗證；共享數據與代碼；發表陰性結果。這些工作雖不易，但卻是任何工具進入臨床前所必需的。
大話精神編譯，轉載請聯系編輯部。
投稿請聯系：dahuajingshen@126.com
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
