|
随经济增长和社会压力增加，抑郁障碍人群越来越庞大，抑郁已成为当代热门话题，严重影响着人们的生活，为社会经济带来巨大负担。 目前临床上对抑郁障碍主要通过症状分型，然而同样的症状有时由大相径庭的病因导致，那么基于症状的亚型分类真的有助于诊断治疗吗？在大数据时代到来的时刻，人们是否可以借助其力量对重度抑郁症（Major depressive disorder，MDD）进行更加合理的分型，为饱受MDD折磨的患者们带来新的希望？ 本月初发表于Mol Psychiatry的一篇综述总结了目前为止利用大数据对MDD进行亚型分析的研究，也许可以解答这一问题。 这篇综述主要由来自荷兰格罗宁根大学的Lian Beijers博士完成，他们通过对PubMed，PsycINFO和Embase文献检索和筛选，纳入了29篇MDD亚型分类相关的大数据分析文献。 这些文献包含了对共约4000病例的20个独立样本的24份分析，分析结果或基于生化特征或基于临床特征给出了MDD亚型分类。 其中5/6的生化研究表明存在单胺和儿茶酚胺神经递质紊乱相关的亚型，例如脑脊液中5-羟色胺、儿茶酚胺的主要代谢产物HVA和HMPG水平不同的患者的症状以及对药物反应各不相同。1/6的生化研究显示存在一种免疫亚型，谷氨酸和C反应蛋白水平较低的亚型保持了更好的功能完整性。 七项基于症状的分型研究通过心理测试量表诊断，其中MDD患者按照食欲和体重变化差异分为两种亚型，相较于食欲体重降低（A-/W-）亚型的患者，食欲体重增加（A+/W-）亚型的患者有着更高的BMI和瘦素水平，出现代谢综合症的风险更高，C反应蛋白和IL-6等免疫标记物水平也较高，而皮质醇水平则较低，且更有可能出现肥胖相关蛋白的遗传变异。 另有两项研究按照患者对药物的反应分型。一项依据肽类抗抑郁药Netamiftide治疗后7-14天血小板5-羟色胺摄取水平分为4种亚型，摄取水平愈高者对药物反应愈好。另一项依据氯胺酮治疗后自杀倾向缓解程度分为有效、缓解和无效3种亚型。 近年来，神经影像学成为新兴、活跃的MDD亚型分类手段，使用静息态功能磁共振成像获得受试者静息时脑区之间的相互作用，利用血氧水平依赖的信号反应静息脑的自发低频震荡，这些时间高度一致的震荡可以反映不同脑区的结构和潜在功能联系。 研究者们或结合MDD发作持续时间和严重程度分型，或根据默认功能网络的联系程度分出典型亚型和不典型亚型，或根据功能连接和症状的线性组合分型。另有一项研究利用弥散张量成像获得的白质各向异性分数分为两种亚型，一种FA增加且年龄介于18-29岁，一种FA降低而年龄介于30-45岁。 墨裔美籍MDD患者中可能存在与19个MDD相关的单核苷酸多态性（SNP）相关的亚型，患者焦虑程度更高，中度失眠、人格解体和偏执等症状较少。 此外，还有一项研究结合了上述各种数据发现了一种新的亚型，该亚型与功能连接完整性、童年受虐经历和对治疗反应相关。 虽然随着大数据的热度上升，利用数据库分析指导MDD亚型分类正成为很多研究者所青睐的手段，但是已存在的符合纳入标准的文献仍然较少，且部分研究由于样本量较小，以及缺乏重复验证，其结果不能够成为这些潜在MDD亚型成立的有力证据。 心理量表、统计方法和相关术语的使用差异也造成了一定的分型不便。此外，以上数据分析均缺乏样本外验证，又受限于技术没有进行解消假设，即假设该组数据中不存在族群。因此，Lian Beijers博士等人认为，大数据分析目前尚无法提供临床可用和值得推广的MDD分型。 大数据加持下的MDD分型依然任重道远，通过增加样本量，加入更多重复研究，统一术语和统计方法，优化数据分析技术和策略，MDD更加有助于临床诊断和治疗的分型方法是否会出现？ 我们拭目以待。 主要参考文献： Beijers L, Wardenaar KJ, van Loo HM.Data-driven biological subtypes of depression: systematic review of biological approaches to depression subtyping[J]. Mol psychiatry, 2019. 作者信息 题图：网络 论文解析：Juno （brainnews创作团队成员） 校审/排版：Simon （brainnews编辑部） 前 文 阅 读 |
|
|
