探寻心灵的脑“指纹”：CAN Lab课题组在元认知与抑郁脑机制研究中取得系列进展

揭示人脑连接模式如何影响个体心理健康状态，是当前神经科学与临床心理学交叉领域的核心问题。中山大学心理学系CAN Lab课题组近期围绕元认知不同维度的神经基础、抑郁情绪的识别与预警、以及抑郁症治疗反应的系统评价等方向开展了深入探索，相关成果分别发表于Depression and Anxiety、Progress in Neuropsychopharmacology & Biological Psychiatry以及Neuroscience and Biobehavioral Reviews。这些研究从多模态影像预测、跨维度元分析及多尺度关联等多种视角出发，为理解情绪障碍及相关认知特质的神经生物学机制积累了新的证据。

一、元认知维度的特异性脑网络基础与情绪预测 —— 探寻抑郁风险背后的认知特征与神经通路

元认知（对认知的认知）是个体调节思维和情绪的重要心理机制，其功能失调（如无法控制的忧虑、对思维的过度监控）常被认为是情感障碍发生的重要风险因素。本研究聚焦于元认知问卷（MCQ-30）的不同子维度，旨在揭示其是否对应特定的人脑功能连接网络，并进一步探讨这些网络是否能够预测个体未来情绪状态的变化。

研究共招募了180名大学生参与者，采集其静息态功能磁共振（R-fMRI）数据，并对其情绪状态进行了为期12-18个月的纵向随访。研究者运用连接组预测模型（connectome-based predictive modeling，CPM），在全脑范围内筛选出与元认知各维度显著相关的功能连接特征。随后，利用中介效应模型系统检验了“脑功能连接-元认知维度-情绪困扰”之间的潜在作用路径，并对随访期间积极和消极情绪的变化进行了预测分析。

研究发现，默认网络（default mode network，DMN）是多个元认知维度共有的核心神经基础，但不同维度在具体连接模式上呈现出显著特异性（图1）。例如，“认知自知（cognitive self-consciousness，CSC）”主要依赖于DMN与额顶网络的交互；“忧虑的负面信念（negative beliefs about worry，NEG）”则更多涉及DMN与视觉网络的连接。中介分析提示，这些特异性网络可能通过影响元认知过程，间接影响个体的焦虑和抑郁水平。此外，CSC和NEG相关的基线脑功能连接模式能够有效预测个体一年后积极情绪的下降和消极情绪的上升。这些发现为从元认知视角预防情感障碍提供了潜在的影像学依据。

图1. 基于连接组模型（CPM），用于预测CSC（认知自知）、NC（控制思维需求）和NEG（忧虑的负面信念）的显著脑功能连接特征。

二、年轻健康人群抑郁情绪及其纵向变化的预测 —— 基于多模态脑网络的分析

抑郁情绪并非骤然发生，而是从健康状态向病理状态逐步演变的连续过程。本研究关注于一个关键问题：在抑郁情绪尚未达到诊断标准的健康人群中，能否整合人脑的功能连接（functional connectivity，FC）与结构连接（structural connectivity，SC）信息，构建能够刻画个体当前抑郁水平及预测其未来变化趋势的脑影像模型？

本研究基于121名年轻健康参与者的基线多模态磁共振数据（包括静息态功能磁共振成像R-fMRI和弥散张量成像DTI），并结合为期12-18个月的纵向随访进行分析。我们分别构建了基于功能连接的功能模型、基于结构连接的结构模型以及结合二者信息的多模态预测模型，并采用机器学习中的相关向量回归（relevance vector regression，RVR）方法进行建模。模型不仅用于预测基线时的贝克抑郁量表（Beck Depression Inventory，BDI）得分，更重点考察基线影像特征对随访期内抑郁水平变化量（ΔBDI）的预测能力。

研究结果显示，在预测基线抑郁水平时，基于功能连接的模型整体表现优于结构连接模型；而在预测抑郁情绪的纵向变化（ΔBDI）时，多模态模型展现出最优的预测能力。进一步特征贡献分析表明，涉及额顶网络、顶叶网络、皮层下网络及运动网络的连接模式在预测中起到关键作用（图2）。这提示功能与结构连接的整合信息在捕捉早期心理健康波动中具有独特价值，为抑郁风险的早期识别提供了多模态影像学证据。

图2. 预测BDI得分变化的预测模型结果。(A.B.C) FC（功能连接）模型中正相关网络的特征权重和脑映射图。(D.E.F.G.H) 多模态模型中正相关网络的特征权重和脑映射图。

三、重度抑郁症治疗反应的元分析 —— 跨尺度视角下的治疗机制与生物标志物识别

抑郁症的临床治疗手段多样，包括经颅磁刺激（TMS）、电休克疗法（ECT）及多种心理治疗方法，但不同干预方式背后的神经生物学机制仍有待系统梳理。本研究旨在通过大样本影像学证据，系统评估哪些基线脑连接模式可以作为预测治疗反应的生物标志物，以及治疗引起的脑连接改变呈现何种规律。

我们对2013年至2023年间发表的57项抑郁症影像研究进行了坐标元分析（MKDA），涉及1726名患者。研究进一步结合了Allen Human Brain Atlas的基因表达数据和神经递质受体分布图谱，利用偏最小二乘（PLS）回归方法，在分子的微观水平与脑网络的宏观水平之间建立了关联。

元分析结果显示，默认网络（DMN）和额顶网络（FPN）的基线连接强度是预判各类疗法效果的一致性指标。从纵向效应来看，不同疗法取得临床缓解的过程往往伴随着DMN网络功能的恢复（如后扣带回连接的正常化，图3）。值得注意的是，基因表达图谱可以解释该研究中38.5%的生物标志物分布差异和56.0%的纵向改变差异。此外，这些脑网络特征与血清素（5-HT）、多巴胺（DA）系统的空间分布高度相关。这些发现从多尺度角度深化了对抑郁症治疗机制的理解，有望为精准个体化方案的制定提供科学参考。

图3. 元分析结果。(A) 所有治疗模式以及经颅磁刺激（TMS）的生物标志物结果。(B) 所有治疗模式、电休克疗法（ECT）以及TMS的纵向效应结果。

团队的三项研究分别从认知特质的神经基础、健康个体的风险追踪以及临床治疗的共性规律等角度，对抑郁相关脑网络机制进行了系统而多维度的探讨。这些研究不仅整合了年轻健康个体和临床患者群体的神经影像学证据，还通过多模态预测与分子-网络关联分析，丰富了我们对情绪障碍发生及缓解过程的认识。相关成果为未来构建更加精准的心理健康预警体系及推动个体化干预策略的发展奠定了坚实的科学基础。研究合作者包括南方医科大学余萌副教授、华南师范大学封春亮副教授、澳门大学的范林林助理教授和香港大学马骏骥博士。研究得到了国家自然科学基金委、科技部和广东省自然科学基金的资助支持。

论文信息：

Hu, R., Yu, M., Li, L., He, H., Wei, S., Ma, J., Gu, Y., & Dai, Z. (2025). The Specificity of Metacognition Questionnaire-30 Subdimensions: Findings From Connectome-Based Predictive Modeling. Depression and anxiety, 2025, 5581270. https://doi.org/10.1155/da/5581270

Ma, J., Wei, S., Huo, X., Gu, Y., Shu, N., Lin, Y., & Dai, Z. (2025). Predicting depressive mood and its longitudinal changes using multimodal brain networks in young healthy adults. Progress in neuro-psychopharmacology & biological psychiatry, 142, 111529. https://doi.org/10.1016/j.pnpbp.2025.111529

Mao, Y., Fan, L., Feng, C., & Dai, Z. (2025). Predicting responses of neuromodulation and psychotherapies for major depressive disorder: A coordinate-based meta-analysis of functional magnetic resonance imaging studies. Neuroscience and biobehavioral reviews, 172, 106120. https://doi.org/10.1016/j.neubiorev.2025.106120

CAN Lab 信息：

CAN Lab（Computational Affective Neuroscience Lab）于2016年依托中山大学心理学系成立，团队中现有教授2名、博士研究生6名、硕士研究生10余名。主要面向脑科学、情绪心理学、计算机科学三个学科的交叉领域开展前沿学术研究，旨在运用先进计算方法和技术，探索人类情绪与大脑的内在联系，破解人脑的“情绪密码”，为情绪相关脑疾病的早期诊断与精准治疗提供新的手段，同时以新发现的人类智能范式和机制助推新型人工智能理论和算法的创造与开发。

实验室简介及招生：https://mp.weixin.qq.com/s/OxifKfI5ZAlOw1BD_P90eg

实验室招聘：https://mp.weixin.qq.com/s/U2oD2wMlAniIZYnNK83EGw

目前诚招博士后和研究助理，并欢迎报考研究生，更多相关信息可邮件咨询：

〓 代政嘉老师：daizhengj@mail.sysu.edu.cn

〓 林盈老师：linying23@mail.sysu.edu.cn