一项发表在《生理测量》[Physiol Meas.2013 Feb;34(2):265-79.]杂志上的新研究显示，脑部自然发生的电流产生的磁场有可能被用作精神分裂症的客观检测方法，进而有助于更好地了解该疾病。
来自普利茅斯和西班牙的一个研究团队用无创脑磁图（MEG）技术发现了在精神分裂症患者与健康对照研究对象中显著不同的两种波谱特征。
此外，他们还发现精神分裂症患者的脑信号中有4种与健康对照研究对象不同、随着年龄增长而出现变化的波谱特征，提示精神分裂症会影响随着年龄演变的脑活动方式。
精神分裂症是一种严重的精神病症，通常于青春期末发病，其特征为有一系列阳性和阴性症状，包括幻觉、妄想、偏执狂、认知损害、社交退缩、自我忽视以及失去动力及主动性。
目前，精神分裂症尚无客观检测方法，其诊断由临床医师用一套固定的标准评估患者后进行。
该研究第一作者Javier Escudero博士说：“目前，在常规临床实践中还没有可诊断精神分裂症的血液、脑脊液、脑影像学或神经生理学检测方法。诊断有赖于根据共识标准解释症状和临床病史。”
“精神分裂症客观标志的面世将极大地促进诊断，并且有助于更好地了解该疾病的神经生物学基础。”
在该研究中，研究者们分析了15例有阳性症状的精神分裂症患者和17名年龄匹配健康对照研究对象的MEG背景活动频谱。
研究者们分析了MEG得出的一系列波谱特征，并且提供了每名研究对象的脑活动整体观。MEG获得了每名研究对象的148个数值，这些数值随后被分为5组，代表不同的脑区，并且进行统计分析。
研究者们还研究了波谱特征是否可被用于区分精神分裂症患者和健康对照组。结果显示，这些波谱特征能区分患者，准确率为71%。
“长期愿景是开发一种费用低、无创且客观的检测方法，以辅助精神分裂症和其他脑部疾病的诊断。脑磁图能够提供非常详细的脑活动信息，然而，它很昂贵。因此，我们希望将来把这些进展转移到脑电图记录上来，因为该技术符合上述费用低、可用性高且无创的要求。” Escudero博士继续说。
这项研究的研究者来自普利茅斯大学，马德里康普顿斯大学、生物医学技术中心、圣卡洛斯大学医院和巴拉多利德大学。（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.
