2021年2月，国际顶级精神疾病学期刊 American Journal of Psychiatry 以封面文章的形式，刊登了哈佛大学刘河生教授和Milissa L. Kaufman合作的题为 Large-Scale Functional Brain Network Architecture Changes Associated With Trauma-Related Dissociation的论文。该研究利用个体化脑功能区剖分方法，分析了脑功能连接和“分离症状”的关系。斯坦福大学著名教授Vinod Menon 为此文撰写了专门的评述(参见 http://m6z.cn/63LF75)。

“分离”是见于很多精神疾病的重要临床指标，例如创伤后应激障碍（PTSD），和一些以分离症状为主要临床特征的精神疾病，例如分离性身份识别障碍。因此分离常被应用于心理与行为障碍的诊断上，但是目前却没有能够配合主观分离体验量表使用的坚实有效的客观测试，而这些主观测试量表容易根据评估人员差异性而受到干扰，例如患者无意识的夸大自己的精神病理会增加患者的分离性体验。这就导致了在精神疾病治疗中，分离常被错误诊断以致处理不当。为了能够更好的理解，诊断和治疗分离症状，开发创新有效的客观检测方法迫在眉睫。而基于脑影像的检测方法因其不依赖任何外在表现症状从而能规避人为操作误差而使其成为强有力的候选。

研究使用了65名儿童时期遭受过虐待，现确诊PTSD的女性受试者的静息态功能核磁成像数据。通过Multidimensional Inventory of Dissociation（MID）量表测评了患者分离的严重程度。研究人员在每个受试者个体上定位了92个功能感兴趣区域（ROI），并使用机器学习方法根据个体的功能连接来预测MID分数，结果发现某些特定脑区之间的功能连接可以稳定地预测MID分数，且这个预测的分数与实际MID分数显著相关。这些功能连接中， 默认网络和额顶控制网络之间的功能连接在预测模型中贡献最大。为了确认个体功能网络在其中的重要性，研究人员又使用了组水平的功能网络模版来重复上述研究。由于人脑功能网络个体差异大，把组水平的功能网络模版不加区分地套用到不同的个体，就无法正确反映每个人大脑的功能连接情况，最后造成预测的分数与实际分数的相关性大大降低。

同时，除了脑区之间功能连接的强度与症状有关，研究人员也发现每个人的功能区域的大小也能够预测MID分数。把功能连接与功能区域大小这两个特征结合起来，能够更好地预测分离症状的严重程度。

总的来说，这项研究揭示了与分离症状有关的的大脑网络特性。分离性体验可能依赖于默认网络和额顶控制网络区域的功能连接。分离的严重程度越高，默认网络和额顶控制网络各个区域就越可能在同一时间激活，暗示着在高度分离的个体中内部目标导向认知功能的异常。异常的功能网络的确认也有助于我们发现新的治疗的靶点。另外，在分析过程中，研究人员排除了童年创伤和PTSD症状分数的干扰，认为分离症状和童年创伤以及PTSD具有完全不同的神经生物学机制。

原创声明：文章主要内容原始材料以英文撰写，刘河生教授与 Milissa L. Kaufman教授是文章的共同通讯作者。Lebois博士、李美玲博士和 Baker 博士为该文的共同第一作者。北京优脑银河科技有限公司翻译为中文并经过编辑以便在微信发布。未经北京优脑银河有限公司书面许可，上述内容不得以任何形式复制或发布。如需原文（英文）请点击“”阅读原文“。