调查病灶网络映射的方法学基础

这对脑科学研究为何重要

医生和科学家越来越多地将脑疾病视为整体网络的问题，而不是单一受损点的问题。一种流行的方法——病灶网络映射，承诺将许多不同的大脑损伤或改变关联到共享回路，并已被用来为抑郁、成瘾、癫痫等提出治疗靶点。本文提出一个简单但关键的问题：这种方法真的能揭示疾病特异性的脑网络，还是主要反复呈现同样的背景模式？

曾被视为将多种脑病统一的方法

病灶网络映射从脑损伤或扫描中观察到的其他改变的位置出发，然后在一个大型健康人群的参考脑活动数据集中查询这些位置，考察哪些其它区域通常与受损区域同步活动。通过对许多患者重复此过程并对结果取平均，研究者希望发现与某种症状（如成瘾或幻觉）相关的共同回路。在过去十年中，基于该框架的研究报告了从偏头痛和帕金森病到抑郁、精神病和创伤后应激障碍等多种病症的网络，并常常提出这些共享回路可作为脑刺激治疗的指导。

许多报告回路出乎意料地相似

当作者收集了超过一百个已发表的病灶网络图时，他们注意到一个惊人的模式。声称对非常不同病症具有特异性的网络，常常突出同一组区域，包括岛叶、前扣带皮层和额极。像成瘾、PTSD、癫痫和偏头痛这样截然不同的疾病的图谱常常高度相似，即使其基础病灶、病因和症状迥异。在某些情况下，由真实患者病灶推导出的网络几乎无法与将病灶位置打乱或完全随机化时产生的网络区分开来。

剖析方法的内部机制

为了解为何会出现这种情况，研究者将病灶网络映射的步骤用简洁的数学形式重写。他们表明，在实践中，该方法归结为反复从一个大型连通性表中选择行，该表描述了健康人群中每个脑区与每个其它脑区的连接强度。当许多病灶分布在大脑各处时，这种反复采样开始类似于简单地对该表中的连接进行求和。由此产生的图主要反映每个区域的一般连通性程度，而不是与特定疾病相关的任何详细模式。即便是包含症状评分的更高级变体，仍依赖于相同的基本表，并倾向于回响其最显著的特征。

证据表明输出反映基本网络结构

研究团队随后将已发表的真实网络与参考连通性数据的简单度量进行了比对。他们发现，大多数病灶网络图与基本的“度”模式紧密对应，度本质上是每个区域与大脑其余部分连接强度的计数。在从精神分裂症到失眠症等数十种病症中，超过四分之三的研究图谱在很大程度上可以用这一点和其他几个非常广泛的正常大脑组织特征来解释。当他们使用模拟病灶和随机化连通性数据对病灶网络映射进行建模时，该方法仍然产生强烈且平滑的网络，这进一步证实其行为更多由参考表的结构驱动，而非输入病灶的生物学意义。

这对未来脑回路绘制意味着什么

作者得出结论：许多病灶网络映射结果可能更多地是不具特异性的平均大脑连通性的反映，而非某一特定疾病独有的精确回路。这并不否定脑疾病涉及网络这一更广泛的观点，但确实挑战了使用该特定方法选择治疗靶点或宣称细致疾病回路的可靠性。这项工作呼吁对基于病灶网络映射的既往发现进行谨慎重新评估，并鼓励研究社区从第一性原理出发设计新方法，结合真实的病灶数据、稳健的统计学和网络科学，更忠实地将大脑变化与症状联系起来。

引用: van den Heuvel, M.P., Libedinsky, I., Quiroz Monnens, S. et al. Investigating the methodological foundation of lesion network mapping. Nat Neurosci 29, 1237–1247 (2026). https://doi.org/10.1038/s41593-025-02196-7

关键词: 病灶网络映射, 大脑连通性, 神经影像学方法, 精神疾病, 网络神经科学