
失眠障碍(Insomnia Disorder, 以下简称为ID)是最常见的睡眠障碍之一,特征为入睡和维持睡眠困难以及早醒。它与情绪障碍和神经退行性疾病有关联,且单独经历失眠的个体也更有可能发展出身心健康问题。
与良好睡眠者相比,ID患者日间表现和认知功能较差,严重影响生活质量。诊断ID复杂,因为症状多样且缺乏特异性,传统评估方法如多导睡眠图(PSG)存在局限。新兴的静息态功能磁共振成像(rsfMRI)和功能连接(FC)分析为理解ID的神经基础提供了新途径,揭示了患者在多个脑网络中的连接异常,为诊断和治疗失眠提供了新的科学依据。
曦嘉医疗发表在Frontiers in 期刊发表的研究论文Connectomic disturbances underlying insomnia disorder and predictors of treatment response (失眠障碍的连接组学扰动及治疗反应预测因子),通过功能磁共振成像(fMRI)和机器学习技术,探索了失眠障碍的神经基础,并预测了治疗反应。

研究背景
诊断失眠障碍(ID)是一项复杂任务,传统方法存在局限性。本研究旨在通过更先进的技术,为ID的评估提供新的方法。
本研究采用开放标签、前瞻性、随机化设计,旨在探究失眠障碍(ID)的功能连接异常及其对药物治疗和重复经颅磁刺激(rTMS)的反应。

图源曦嘉医疗,患者正在接受经颅磁治疗
研究对象为2020年7月至2021年7月间从中国江苏省招募的51名右撇子老年ID患者及42名年龄和教育程度相匹配的健康对照者。其中24名ID患者被随机分配至单独药物治疗组或药物联合rTMS治疗组。研究流程对参与者和医师开放,数据分析则由对去标识数据进行盲评的研究者执行。样本量估算采用G Power 3.1软件,依据Jiang等人(2019年)的研究数据。
健康对照者及ID患者在基线时均接受了问卷评估及MRI扫描,包括静息态功能MRI(rsfMRI)、T1加权成像和弥散加权成像(DWI)。ID患者在治疗前后四周分别进行了问卷和MRI评估,所有问卷在MRI扫描前完成。本研究运用机器学习方法建立模型,以功能连接(FC)数据区分ID患者与健康对照,并采用接收者操作特征曲线下面积(AUC-ROC)评估模型性能。治疗效果的评估基于治疗前后匹兹堡睡眠质量指数(PSQI)和失眠严重指数(ISI)的变化。
研究目的
利用静息态功能磁共振成像(rsfMRI)和机器学习方法,研究者们试图区分ID患者和健康对照组,并预测对重复经颅磁刺激(rTMS)治疗的反应。
方法论: 研究包括51名ID患者和42名健康志愿者。通过随机化分组,24名ID患者接受了药物治疗或联合药物治疗和rTMS。研究应用了HoTS机器学习模型,专门处理高维功能连接fMRI数据。
主要发现
·ID患者表现出多个网络的异常功能连接性,包括默认模式网络(DMN)、显著性网络(SN)、中央执行网络(CEN)和感觉运动网络(SMN)。
·机器学习模型以0.828的平均AUC准确区分ID患者和健康对照组。
·治疗前后功能连接异常的变化与治疗反应有关。
治疗策略


认知行为疗法(CBT)和药物治疗存在局限性,rTMS作为一种新兴治疗手段,显示出改善ID患者睡眠质量的潜力。
本研究探讨了两种治疗策略:认知行为疗法(CBT)和药物治疗,以及重复经颅磁刺激(rTMS)作为补充手段。CBT作为一线推荐疗法,常因资源、时间和经济障碍而未被充分利用(Rossman, 2019)。
药物治疗虽有效,但可能伴随潜在的副作用和依赖性(Lie et al., 2015),限制了其应用。rTMS作为一种新兴治疗手段,被提议用于降低与ID相关的皮质兴奋性和过度觉醒,并可能调节神经元网络的可塑性,促进睡眠相关激素的释放(van der Werf et al., 2010; Lanza et al., 2015; Feng et al., 2019)。研究表明,rTMS能够改善ID患者的睡眠质量,且相较于安慰剂,其在改善睡眠效率、睡眠时间和觉醒次数等多个睡眠相关指标上显示出优越性(Ma et al., 2021)。
结果解释
“机器学习模型揭示了ID的神经网络特征,并预测了对rTMS治疗的反应,为ID的诊断和治疗提供了新的视角。”

这些大脑区域在模型大脑上的展示
机器学习模型有效地对ID患者和健康对照进行了分类,显示中央执行网络(CEN)、背侧注意力网络(VAN)和感觉运动网络(SMN)的功能连接性在基线时对ID的预测最为关键。此外,对治疗前后功能连接异常变化的探索表明,与非响应者相比,对药物治疗有反应的患者在基线时展现出更多的功能连接异常。这些发现表明,ID是一个涉及多个网络的复杂障碍,可能从机器学习和连接组学方法中获益,以改善患者的治疗选择。
结论

未发现严重不良事件。Table 1 列出了受试者的基线数据,健康对照组和ID患者的中位年龄均为56岁和57岁。两组在ESS、ISI和PSQI评分上有显著差异,ID患者得分较高。
我们的研究开创性地运用了清醒状态下的静息态功能磁共振成像(rsfMRI)和功能连接(FC)分析,成功地区分了失眠障碍(ID)患者与健康对照组,并识别出了与疾病分类相关的特征。虽然这些成果尚需后续研究的进一步验证,但它们已经为改善ID患者的治疗方案带来了新的希望。
研究结果凸显了静息态fMRI在探究ID的神经网络紊乱及其对药物和经颅磁刺激治疗的反应中的重要应用价值。
我们特别发现,在治疗前,那些大脑中元认知和感觉网络连接中断更为严重的患者,其治疗反应更为积极,这表明这些患者可能是治疗的更合适人选。尽管如此,我们仍需更多的研究来证实这些发现,并为基于神经网络的rTMS治疗目标的确定及临床应用提供坚实的科学基础。