精神病治疗反应预测研究：临床特征与脑电图特征的整合分析
精神病治疗反应预测研究：临床特征与脑电图特征的整合分析
精神病是一种以妄想、幻觉和思维紊乱为特征的严重精神疾病，首次发作精神病（FEP）的及时诊断和干预对患者的预后至关重要。然而，预测患者对抗精神病药物（AP）的治疗反应仍然是一个挑战。本研究旨在探讨是否可以通过整合临床特征和脑电图（EEG）特征来改进治疗反应的预测模型，并研究EEG特征是否受到初始治疗的影响。
研究纳入了115名未接受过抗精神病药物治疗的FEP患者。临床特征包括阳性和阴性症状量表（PANSS）评分和社会人口学信息，同时分析了45名患者的静息态EEG数据，评估了相对功率、功能连接和网络组织等特征。治疗反应通过PANSS阳性症状子量表的变化（ΔPANSS+）来衡量，并使用随机森林回归模型进行预测。研究还分析了最具预测性的EEG特征是否在治疗后发生变化。
图1：研究分析概述
结果显示，仅基于临床特征的模型在训练集中解释了12%的症状减轻方差，而在验证集中解释了32%的方差。加入EEG特征后，模型解释的方差增加了2%，达到34%，但这一增加并不显著。研究发现，幻觉症状评分较高和α频段网络的层次结构（树层次结构）与ΔPANSS+的减少相关。治疗后，α频段的树层次结构有所下降，EEG源分析表明，这一变化主要由额叶和顶叶节点的功能网络度和中心性变化驱动。
图2：α频段（基于幅度包络相关校正）的树层次结构
研究结果表明，虽然临床和EEG特征都可以为FEP患者的治疗反应预测提供信息，但结合EEG特征的模型并不显著优于仅基于临床特征的模型。尽管如此，在某些特定情况下，加入EEG等客观标记物可能仍具有价值。未来的研究需要在更大的样本中验证这些模型，并探索更多模态以进一步提高预测准确性。
原始出处：
Dominicus, L., Zandstra, M., Franse, J., Otte, W., Hillebrand, A., de Graaf, S., Ambrosen, K., Glenthøj, B., Zalesky, A., Bojesen, K. B., Sørensen, M., Scheepers, F., Stam, C., Oranje, B., Ebdrup, B., & van Dellen, E. (2025). Advancing treatment response prediction in first-episode psychosis: integrating clinical and electroencephalography features. Psychiatry and Clinical Neurosciences.