一項發(fā)表在《生理測量》[Physiol Meas.2013 Feb;34(2):265-79.]雜志上的新研究顯示,，腦部自然發(fā)生的電流產(chǎn)生的磁場有可能被用作精神分裂癥的客觀檢測方法，進(jìn)而有助于更好地了解該疾病,。
來自普利茅斯和西班牙的一個研究團(tuán)隊用無創(chuàng)腦磁圖（MEG）技術(shù)發(fā)現(xiàn)了在精神分裂癥患者與健康對照研究對象中顯著不同的兩種波譜特征。
此外,，他們還發(fā)現(xiàn)精神分裂癥患者的腦信號中有4種與健康對照研究對象不同、隨著年齡增長而出現(xiàn)變化的波譜特征,，提示精神分裂癥會影響隨著年齡演變的腦活動方式,。
精神分裂癥是一種嚴(yán)重的精神病癥，通常于青春期末發(fā)病,，其特征為有一系列陽性和陰性癥狀,，包括幻覺、妄想,、偏執(zhí)狂,、認(rèn)知損害、社交退縮,、自我忽視以及失去動力及主動性,。
目前，精神分裂癥尚無客觀檢測方法,，其診斷由臨床醫(yī)師用一套固定的標(biāo)準(zhǔn)評估患者后進(jìn)行,。
該研究第一作者Javier Escudero博士說：“目前，在常規(guī)臨床實踐中還沒有可診斷精神分裂癥的血液,、腦脊液,、腦影像學(xué)或神經(jīng)生理學(xué)檢測方法。診斷有賴于根據(jù)共識標(biāo)準(zhǔn)解釋癥狀和臨床病史,。”
“精神分裂癥客觀標(biāo)志的面世將極大地促進(jìn)診斷,，并且有助于更好地了解該疾病的神經(jīng)生物學(xué)基礎(chǔ)。”
在該研究中,，研究者們分析了15例有陽性癥狀的精神分裂癥患者和17名年齡匹配健康對照研究對象的MEG背景活動頻譜,。
研究者們分析了MEG得出的一系列波譜特征,，并且提供了每名研究對象的腦活動整體觀。MEG獲得了每名研究對象的148個數(shù)值,，這些數(shù)值隨后被分為5組,，代表不同的腦區(qū)，并且進(jìn)行統(tǒng)計分析,。
研究者們還研究了波譜特征是否可被用于區(qū)分精神分裂癥患者和健康對照組,。結(jié)果顯示，這些波譜特征能區(qū)分患者,，準(zhǔn)確率為71%,。
“長期愿景是開發(fā)一種費用低、無創(chuàng)且客觀的檢測方法,，以輔助精神分裂癥和其他腦部疾病的診斷,。腦磁圖能夠提供非常詳細(xì)的腦活動信息，然而,，它很昂貴,。因此，我們希望將來把這些進(jìn)展轉(zhuǎn)移到腦電圖記錄上來,，因為該技術(shù)符合上述費用低,、可用性高且無創(chuàng)的要求。” Escudero博士繼續(xù)說,。
這項研究的研究者來自普利茅斯大學(xué),，馬德里康普頓斯大學(xué)、生物醫(yī)學(xué)技術(shù)中心,、圣卡洛斯大學(xué)醫(yī)院和巴拉多利德大學(xué),。（生物谷Bioon.com）
doi:10.1088/0967-3334/34/2/265
PMC:
PMID:
Changes in the MEG background activity in patients with positive symptoms of schizophrenia: spectral analysis and impact of age
Javier Escudero1,7, Emmanuel Ifeachor1, Alberto Fernández2,3,4, Juan José López-Ibor2,4,5 and Roberto Hornero6
The frequency spectrum of the magnetoencephalogram (MEG) background activity was analysed in 15 schizophrenia (SCH) patients with predominant positive symptoms and 17 age-matched healthy control subjects using the following variables: median frequency (MF), spectral entropy (SpecEn) and relative power in delta (RPδ), theta (RPθ), lower alpha (RPα1), upper alpha (RPα2), beta (RPβ) and gamma (RPγ) bands. We found significant differences between the two subject groups in the average level of MF and RPγ in some regions of the scalp. Additionally, the MF, SpecEn, RPβ and RPγ values of SCH patients with positive symptoms had a different dependence on age as compared with the results of control subjects, suggesting that SCH affects the way in which the brain activity evolves with age. Moreover, we also classified the MEG signals by means of a cross-validated feature selection process followed by a logistic regression. The subjects were classified with 71.3% accuracy and an area under the ROC curve of 0.741. Thus, the spectral and classification analysis of the MEG in SCH may provide insights into how this condition affects the brain activity and may help in its early detection.
