基于环境与神经生物学风险及保护因素的产后母性心理健康亚型识别研究

《Translational Psychiatry》：Identifying subtypes based on environmental and neurobiological risk and resilience factors of postpartum maternal mental health

　　本研究针对产后抑郁(PPD)和焦虑的多因素致病机制尚不明确的问题，通过整合环境风险因素与多模态神经影像数据(GMV, FC)，采用相似性网络融合(SNF)算法对87名产后女性进行亚型分析。研究发现三个特征迥异的亚型，其中高环境风险组(Group 1)表现出更严重的产后情绪症状、较小的颞叶灰质体积及异常的脑功能连接。研究证实结合神经生物学指标可显著提升对高危人群的识别效能，为产后精神障碍的早期预防提供了多维度生物标志物。

　　

孕育新生命本是充满喜悦的旅程，然而对相当一部分产后女性而言，这段时期却伴随着情绪阴霾。研究表明，至少十分之一的产妇会经历明显的抑郁和焦虑症状，且两种障碍的共病率高达75%。负面的母亲心理健康状态会对亲子关系、养育行为乃至后代的发育产生深远影响。尽管学界已认识到产后心境障碍的复杂性，但其确切的风险与保护因素尚未明晰。传统研究多聚焦于单一因素，而产后心理问题的病因涉及心理社会、环境及神经生物学等多维度因素的交互作用，亟需采用整合性研究范式进行深入探索。

在此背景下，由Sujin Park、Genevieve Patterson、Omar G. Gudino、M. Justin Kim和Pilyoung Kim共同完成的研究，于《Translational Psychiatry》发表了题为“Identifying subtypes based on environmental and neurobiological risk and resilience factors of postpartum maternal mental health”的论文。该研究创新性地运用数据驱动方法，试图勾勒出产后心理健康的不同风险与韧性轮廓，为早期识别和干预提供了新视角。

研究人员主要运用了相似性网络融合(Similarity Network Fusion, SNF)这一多模态数据整合与聚类算法。研究队列包含87名产后约一个月的母亲，她们在产前和产后完成了包括结构化临床访谈(SCID-5)、生活事件量表、童年创伤经历、爱丁堡产后抑郁量表(EPDS)、流调中心抑郁量表(CES-D)等多种环境与临床评估。同时，在产后采集了其大脑的结构性磁共振成像(sMRI)和基于成人面孔任务的功能性磁共振成像(fMRI)数据，用于计算区域灰质体积(Gray Matter Volume, GMV)和功能连接(Functional Connectivity, FC)。SNF算法将环境因素（临床诊断、应激生活事件、童年创伤、孕期焦虑、收入等）、GMV和FC这三类数据进行了融合，以识别出内在同质性高的亚型。

聚类结果揭示三种不同特征的产后女性亚型

通过SNF分析，研究最终确定了三个具有显著差异的亚型。Group 1（n=28）的特征是较高的环境风险暴露，包括更多的童年潜在创伤事件、产前应激生活事件、较低的的家庭收入，并且该组中包含较多在孕期被诊断为抑郁或有过抑郁病史的个体。Group 2（n=25）的成员多数有抑郁病史，但其所处的环境风险水平介于Group 1和Group 3之间。Group 3（n=34）则主要由当前或既往无任何心境障碍诊断的个体组成，环境风险最低。三个亚组在人口学基本信息（如年龄、产后周数）上无显著差异，确保了聚类结果的可靠性。

不同亚型表现出独特的脑结构与功能连接模式

对输入SNF模型的神经影像特征分析发现，不同亚型间存在显著的脑差异。在灰质体积方面，Group 1在左侧颞叶和扣带皮层等15个脑区的GMV显著低于Group 2。这些脑区与默认模式网络和突显网络相关，涉及情绪调节和心理化功能。Group 2则在颞上回、枕叶和中央前回等与视觉、听觉处理相关的脑区表现出更大的GMV。

在功能连接方面，Group 3显示出更强的额顶叶网络(Frontoparietal Network)与其他网络之间的连接强度，特别是右侧内侧额上回节点的连接性最强，这可能与更好的认知控制和情绪调节能力相关。相比之下，Group 1则表现为边缘网络连接性更强，以及小脑（特别是前扣带皮层-小脑连接）的功能连接较弱，这与既往抑郁症研究中观察到的脑活动模式相似。Group 2则表现出独特的连接模式，例如嗅皮层-皮层下区域（如岛叶、壳核、苍白球）以及内侧眶额叶皮层-颞极之间的功能连接更强，这可能反映了其对情绪线索处理增强的潜在韧性机制。

亚型分类有效预测未参与建模的产后心理健康结局

最关键的发现在于，尽管产后抑郁、焦虑和感知压力等心理健康指标并未作为输入特征参与SNF建模，但三个亚型在这些“模型外”指标上表现出显著差异。Group 1在EPDS、CES-D、状态焦虑和感知压力量表上的得分均显著高于Group 2和Group 3，表明其产后心理健康状况最差。这证明基于产前环境因素和产后早期脑特征所划分的亚型，能够有效预测后续的产后情绪状态。

多模态模型优于单一环境因素模型

为了验证纳入神经影像数据的重要性，研究人员还构建了仅包含环境风险因素的“单模态”SNF模型进行比较。该模型仅能区分出两个亚型，且只能在部分抑郁指标（如EPDS）上显示出组间差异，而无法像融合了脑数据的“全模型”那样，对所有测量的产后情绪症状（包括状态焦虑和感知压力）都表现出显著的区分效力。这凸显了结合神经生物学标记对于更灵敏地识别高危人群的必要性。

研究结论与意义

本研究成功应用数据驱动方法，识别出产后女性在环境风险和神经生物学特征上的三种不同亚型。研究结果表明，产后心理健康状况并非由单一因素决定，而是个体所处的环境风险谱、精神障碍病史与特定脑结构和功能模式共同作用的结果。尤其重要的是，即使有抑郁病史的个体（如Group 2），也可能因为拥有某些神经特征（如颞叶区域更大的GMV、眶额叶-颞极更强的FC）而表现出更好的适应性，这提示这些神经特征可能作为保护性或韧性因子，抵消部分疾病风险。

该研究的发现具有重要的转化价值。在临床实践上，它强调了在围产期保健中系统筛查个人及家族精神疾病史、评估心理社会应激源的重要性。对于识别出的高风险个体（如对应Group 1特征者），应尽早提供预防性心理干预和社会支持。在科研方向上，研究启示未来应关注脑可塑性作为韧性机制的作用，并采用纵向设计追踪脑动态变化与心理健康轨迹的关联。此外，将遗传、内分泌等多维度数据纳入整合模型，将能更全面地揭示产后心境障碍的复杂机理。

总之，这项研究为理解产后抑郁和焦虑的异质性提供了新的证据，证明了基于多模态数据的亚型分类在精准识别高危人群方面的潜力，为开发针对性的预防和干预策略奠定了坚实基础。