如何提前预知抑郁症的神经调控治疗效果？NeuroImage：深度学习结合脑电图精准识别iTBS疗效的神经环路标志物

研究背景

经颅磁刺激（TMS）是治疗重度抑郁症（MDD）的有效无创手段。然而，其疗效在个体间差异巨大，临床缓解率从20%到86.4%不等，这反映了抑郁症在神经生物学上的高度异质性。间歇性θ爆发刺激（iTBS）作为一种新型TMS模式，具有治疗时间更短、刺激强度更低等优势，但仍有相当一部分患者对其无应答。

因此，在iTBS治疗前识别可靠的神经生理标志物，对于实现个体化精准治疗、优化医疗资源配置具有重要临床价值。

本研究整合了深度学习算法与计算神经科学模型，旨在开发一种基于常规静息态脑电（rsEEG）的iTBS疗效预测工具，并进一步揭示决定患者是否应答背后的脑网络机制。

研究方法

实验设计与数据采集：研究采用前瞻性队列设计，共纳入198名未服药的MDD患者。其中135名作为模型“训练集”（数据集1），63名作为独立的“外部验证集”（数据集2）。所有患者在iTBS治疗前完成了临床症状评估（HDRS-24量表）、5分钟静息态脑电（ANT Neuro 64导脑电采集系统）及任务态脑电（Flanker认知任务）采集。治疗结束后再次评估症状，HDRS总分下降 ≥50% 定义为“应答组”，反之为“无应答组”。

疗效预测（基于深度学习）：将静息态脑电数据分割为1秒时段，输入多尺度卷积循环神经网络（MCRNN）进行应答/无应答二分类预测。该模型采用被试水平留一交叉验证（LOOCV）防止信息泄露，并应用Dropout和L2正则化控制过拟合。

机制解析（基于脑网络建模）：针对任务态ERP数据，选取6个先验感兴趣区（眶额皮层、中央后回、颞上回、辅助运动区），运用动态因果建模-参数化经验贝叶斯（DCM-PEB）分析。通过比较两组间的有效连接差异（后验概率Pp > 0.99 视为显著），揭示预测亚型背后的神经环路机制。

图1 研究总体流程与多尺度深度学习（MCRNN）模型架构

研究结果

1. 深度学习模型实现了对iTBS疗效的有效预测

MCRNN模型在训练集（数据集1）中实现了较好的分类性能，区分应答与无应答者的被试工作特征曲线下面积（AUC）为0.91（95% CI: 0.85-0.97）。在独立的外部验证集（数据集2）中，模型的预测表现保持稳定，AUC为0.86（95% CI: 0.76-0.96），准确率为0.82（95% CI: 0.72-0.90），灵敏度0.79，特异度0.85。

敏感性分析表明，患者的年龄、性别、教育程度、病程及基线 HDRS评分等临床变量，均与模型预测概率无显著关联（均p > 0.1）。置换检验显示，最具预测信息量的电极集中于额叶、颞叶和顶叶，这与情绪调节和认知控制网络在空间分布上相吻合。

2. 预测亚型呈现不同的临床症状改善轨迹

全样本中共有73人（36.8%）达到治疗应答标准。临床数据分析显示，MCRNN模型区分出的两种亚型在症状轨迹上存在差异：

基线时，无应答组的“精神病性症状”因子评分较高（效应量η²ₚ= 0.13），且该症状在iTBS治疗后几乎无变化。

应答组在接受治疗后，其HDRS总分的下降幅度显著大于无应答组（η²ₚ= 0.86）。具体表现在“精神性抑郁”（η²ₚ= 0.67）、“动机行为丧失”（η²ₚ= 0.66）、“焦虑”（η²ₚ= 0.19）和“睡眠障碍”（η²ₚ= 0.44）等因子的显著改善上。

图2 模型预测结果与症状比较：(a) 外部验证集预测结果UMAP可视化；(b) 混淆矩阵与ROC曲线；(c) 两组在治疗前后HDRS总分及各项因子得分的变化

3. 脑有效连接模式揭示了对治疗无应答的潜在网络特征

DCM-PEB分析（显著性阈值设定为后验概率Pp > 0.99）揭示，应答组与无应答组在额-颞-顶-运动环路中表现出不同的有效连接模式：

应答组的连接模式较单一：仅表现为左侧眶额皮层对左侧颞上回的单向抑制性连接（LOFC→LSTG）以及LSTG的自抑制。

无应答组呈现广泛的抑制性网络：包括反向的LSTG→LOFC抑制、右侧顶叶中央回对LOFC的抑制（RPCG→LOFC）、右侧辅助运动区对右侧眶额皮层的抑制（RSMA→ROFC），以及LSTG与ROFC之间的双向抑制。

这种无应答组特有的复杂、多节点抑制模式，提示其额-颞-顶-运动网络间的信息流通可能受阻。这种广泛的抑制可能削弱了针对背外侧前额叶（DLPFC）的iTBS刺激效应向全脑网络的扩散，进而导致部分症状（如精神病性症状、焦虑等）改善受限。

图3 iTBS应答组与无应答组的DCM-PEB分析结果（红色实线代表兴奋性连接，蓝色虚线代表抑制性连接）

结论和意义

本研究建立了一个基于静息态脑电和深度学习的iTBS疗效预测框架，通过整合MCRNN分类与DCM-PEB机制分析，实现了从临床表型预测到神经环路机制阐释的跨层次推断。

研究发现，额-颞环路的连接模式可作为预测iTBS反应性的候选生物标志物。其中，眶额皮层-颞上回耦合的方向性差异（前向抑制vs后向抑制）可能反映了大脑不同的神经可塑性潜能。这一发现为个体化的TMS靶点选择和刺激参数优化提供了理论依据，有望推动抑郁症神经调控治疗从经验驱动向精准医学模式转型。

文献来源：

Zheng, L., Fu, J., Sun, Z., Han, Y., Shao, T., Wang, Q., & Lin, Z. (2026). Multi-scale EEG analysis identifies neural circuit signatures of iTBS responsiveness in major depressive disorder. NeuroImage, 326, 121697. https://doi.org/10.1016/j.neuroimage.2026.121697