多频脑电连接组分析识别出躯体症状障碍的三种脑岛网络亚型

躯体症状障碍（SSD）中显著的临床异质性限制了治疗效果。本研究提出一个利用神经生理信息的数据驱动框架，以识别不同的患者亚型。研究基于一个由1,419名SSD患者组成的发现队列的静息态EEG连接组学数据，开发了带有高斯混合建模的对比变分自编码器（CVAE-GM）。所衍生的亚型与症状维度进行临床相关性分析，并在一个独立外部队列（n=530）中验证其可重复性。我们识别出三种稳健且可重复的亚型，其特征分别为以躯体运动网络、中央执行网络或包含岛叶区域在内的边缘网络为主的连接模式。每种神经生理亚型均与不同的临床特征（躯体症状、不良认知和负性情绪）显著相关。该分型模型在验证队列中表现出高可重复性（准确率 = 0.85；AUC = 0.87）。这一基于EEG的框架为SSD患者分层提供了经过验证的神经生物学基础。它超越了基于症状的疾病分类学，为开发靶向干预措施的精准医学方法提供了可能。

中文由 AI 翻译，仅供参考，以原文为准。