使用结构性MRI数据和社会心理因素对广泛性焦虑和恐慌的多模态表型分类：来自德国全国队列（NAKO）研究的机器学习结果

为什么担忧与恐慌对日常生活很重要

许多人长期被持续的忧虑或突如其来的恐惧浪潮困扰，这些恐惧似乎毫无预兆。被称为广泛性焦虑和惊恐发作的这些体验，会消耗精力、扰乱工作和家庭生活，并增加其他健康问题的风险。本研究提出了一个简单但重要的问题：在识别谁在与这些状况挣扎时，什么更有说明力——人们的生活经历与当前压力，还是对他们大脑的详细扫描？

同时审视心理与大脑

研究者利用了来自逾26,000名成年人的数据，这些人参与了德国全国队列（NAKO）这一大型健康研究。参与者回答了有关焦虑、惊恐发作、抑郁、日常压力、吸烟以及童年期遭受虐待或忽视的经历等问题。他们还接受了高分辨率的大脑扫描，测量了246个不同脑区的体积与皮层厚度。研究团队使用现代机器学习技术，试图训练算法将具有严重焦虑症状或惊恐发作的人与无此类症状的人区分开来。

生活经历比脑图更有话语权

当模型仅依赖脑部扫描时，其表现仅略优于随机猜测。相反，当模型仅使用社会心理信息（如抑郁评分、当前压力和童年创伤）时，它们在识别出具有高度广泛性焦虑或惊恐发作的人方面非常准确。尤其是抑郁和压力症状、童年不良经历史以及女性身份是最强的线索之一。惊恐发作与广泛性焦虑之间也能互相预测，反映了它们经常共存的事实。

脑部扫描仍能补充的信息

将脑数据加入社会心理信息并未提升整体准确率，但确实提高了模型避免误报的能力。换言之，将脑结构与生活史结合，能让系统更自信地识别出那些不太可能患有临床重要性焦虑或惊恐的人。某些脑区多次出现在有用特征中，尤其是与恐惧和注意相关的区域，例如杏仁核的部分区域以及位于额叶侧面一块支持思考与忧虑的皮质区域。然而，这些脑特征很微妙，仅在与许多其他因素一起考虑时才具有信息价值。

这对护理和未来研究的意义

这些发现强调，临床中已可使用的简单工具——例如关于情绪、压力和过往逆境的简短问卷——仍然是识别严重焦虑和惊恐风险人群最有力的方法。单独的脑部扫描尚不足以作为独立检测手段。不过，该研究表明脑结构可能携带额外的、细致的信息，可用于提高风险估计的精确性，特别是在排除问题或定义患者亚群方面。更大规模且更多样化的纵向研究，若加入其他生物学指标，或许能最终将这种多模态方法发展为更有助于个体化治疗的工具。

给读者的结论

目前，关于情感、压力和生活史的自述信息，比结构性脑扫描能更多地告诉医生有关广泛性焦虑和惊恐的情况。脑成像提供的是较小、辅助性的线索，而非明确的答案。这项工作表明，前进的最佳途径是将对患者的细致倾听与对大脑及生物数据的智能利用结合起来，目标是有朝一日提供更个性化的护理，而不是把脑扫描当作焦虑的万能探测器。

引用: Gutzeit, J., Weiß, M., Kuhn, T. et al. Multimodal phenotypic classification of generalized anxiety and panic using structural MRI data and psychosocial factors: machine learning results from the German National Cohort (NAKO) study. Transl Psychiatry 16, 287 (2026). https://doi.org/10.1038/s41398-026-04131-1

关键词: 广泛性焦虑, 惊恐发作, 社会心理因素, 脑部MRI, 机器学习