EEG中长时程时间依赖性作为重度抑郁障碍（Major Depressive Disorder, MDD）的生物标志物——基于自相关函数（Autocorrelation Function, ACF）系数均方值（Mean Square of ACF Coefficients, MSACFC）的分析

《Psychiatry Research: Neuroimaging》：Long-range Temporal Dependencies in EEG as a Biomarker of Depression

　　

摘要：从脑电图（Electroencephalogram, EEG）计算得到的信号复杂度度量被广泛用作诊断重度抑郁障碍（Major Depressive Disorder, MDD）的特征描述符。由于其公式复杂，难以回溯推断导致数值偏转的EEG波形模式变化。研究人员通过自相关函数（Autocorrelation Function, ACF）系数的均方值（Mean Square of ACF Coefficients, MSACFC）来定义MDD患者EEG的非周期（aperiodic）性质，MSACFC相较于传统信号复杂度度量，能通过更易解释的公式计算量化信号长时程依赖性（long-range dependencies）的变化。研究人员分析了来自年龄与性别匹配的28名健康对照者（Healthy Controls, HCs）和30名MDD患者、19个头皮电极、闭眼状态下5分钟时长、1 Hz至30 Hz频带内的EEG记录所计算的MSACFC。Wilcoxon秩和检验显示，F8电极处HCs的MSACFC（0.0027±0.0035）显著高于MDD患者（2.9313×10-4± 2.7236×10-4），p值为3.7×10-6。F8电极处MSACFC的效应量（Cohen's d）为0.99563 > 0.8（95%置信区间），表明两组间存在实质性强差异。MDD患者的EEG较HCs更具非周期性，且ACF幅值更低。

论文解读：EEG长时程时间依赖性作为重度抑郁障碍的生物标志物——基于MSACFC的研究

一、研究背景与意义

既往研究表明重度抑郁障碍（Major Depressive Disorder, MDD）会引起大脑兴奋-抑制（E/I）平衡改变，导致脑电图（Electroencephalogram, EEG）表现出增强的非周期（aperiodic）动力学及长时程时间相关性（long-range temporal correlations）受损。传统用于MDD检测的EEG特征描述符如关联维数（Correlation Dimension, CD）、Hjorth复杂度（Hjorth Complexity, HJC）、Hurst指数（Hurst Exponent, HE）、样本熵（Sample Entropy, SampEn）及谱指数（Spectral Exponent, SE）等信号复杂度或不规则性度量，公式复杂且难以直接回溯其数值变化对应的EEG波形模式改变；单滞后或特定滞后自相关函数（Autocorrelation Function, ACF）不能全面反映长时自相似性，ACF衰减斜率拟合困难且ACF差分熵（Disentropy of ACF, DACF）对ACF符号变化敏感。因此研究人员提出采用ACF系数均方值（Mean Square of ACF Coefficients, MSACFC）——即各滞后k处归一化ACF系数r_k的平方的平均值——作为新的EEG特征描述符，以直观量化长时依赖性与非周期程度，并探究其在MDD检测中的应用价值。该研究发表于《Psychiatry Research: Neuroimaging》。

二、主要技术方法与数据来源

研究人员使用Mumtaz等人发布的公开EEG数据集，含28例健康对照（Healthy Controls, HCs）与30例符合DSM-IV诊断的MDD患者（18–65岁，年龄性别匹配，停药洗脱≥2周），闭眼静息态5分钟记录、采样率256 Hz（每导联76800样本）、19导联（10–20系统），已用Brain Electrical Source Analysis (BESA) 去除眼电肌电等伪迹，并经1–30 Hz有限脉冲响应（Finite Impulse Response, FIR）带通滤波。MSACFC计算中最大滞后K取信号长度3/4（K = 3/4 × 76800），以充分捕捉长时依赖性，不对5分钟记录分段。组间比较采用Wilcoxon秩和检验，Bonferroni–Holm (BH) 法校正多重比较，Cohen's d计算效应量，阈值分类法评估判别力，增广Dickey–Fuller (Augmented Dickey–Fuller, ADF) 统计量验证非平稳性，并与CD、HJC、HE、SampEn、SE及DACF进行判别力对比。

三、研究结果

3. 组间MSACFC差异与电极特异性

研究人员对19个电极处HC与MDD组的MSACFC进行Wilcoxon秩和检验，所有电极原始p值范围为3.7×10^-6（F8）至0.001（FP1），经BH校正后p值范围为0.0001（F8）至0.001（FP1），均在α=0.05水平显著。地形图显示额区与右侧颞区差异最显著，以右前颞F8电极差异最大（原始p = 3.7×10^-6，BH校正p = 0.0001）。F8电极处HC组MSACFC均值0.0027±0.0035，MDD组为2.9313×10^-4±2.7236×10^-4，箱线图中位数分离明显、重叠少，Cohen's d = 0.99563（95% CI: 0.45132–1.5321），属大体效应量。阈值分类法得最佳截断值0.000229083，灵敏度63.33%，特异度96.43%（1例假阳性，11例假阴性）。结果表明MDD患者全脑尤其右额颞区MSACFC显著降低，EEG非周期性增强、ACF衰减加快、幅值降低。

4. EEG波形与ACF可视化及ADF分析

研究人员选取代表性10秒段EEG及对应ACF显示：HC的EEG波形含较多可重复慢波动成分，ACF在多个滞后处保持较高幅值；MDD患者EEG波形更不规则、缺乏持续模式，ACF快速衰减至近零。对应ADF统计量HC段为-24.31、MDD段为-52.12（临界值-1.94，α=0.05），证实MDD组EEG非平稳性更强。27/28例HC表现为较低非周期性（高MSACFC、高ACF幅值），19/30例MDD表现为高非周期性（低MSACFC、快衰减ACF），余MDD近似HC、1例HC近似MDD，与组统计趋势一致。

5. MSACFC与传统特征判别力比较

研究人员在相同数据上对CD、HJC、HE、SampEn、SE、DACF及MSACFC做Wilcoxon秩和检验。MSACFC在F8等电极p值最小（最低3.7×10^-6），其余六种特征在各电极p值均高于同电极MSACFC（如CD最高达0.89，HJC最小0.003等），表明MSACFC较传统不规则性/复杂度/非周期替代指标具有更优组间区分力。

四、讨论与结论翻译

研究人员指出本研究局限含样本量偏小、患者经短停药洗脱可能存在残余药物影响、需多中心多数据集验证MSACFC作为泛化生物标志物之效度，未来可用聚类置换检验（cluster-based permutation test）替代BH校正。

结论部分原文意译：研究人员证实了ACF系数均方值（MSACFC）作为特征描述符可量化由MDD引起的EEG长时程依赖性变化及非周期行为。分析显示MDD患者EEG较健康对照更具非周期性，ACF幅值更低。MSACFC通过比传统信号复杂度度量更易解释的算式量化长时依赖性变化，EEG波形非周期动力学、ACF形态与MSACFC大小间存在明确关系。MSACFC作为特征描述符提供极高特异度，但因灵敏度不足，暂不能作为MDD唯一诊断生物标志物。