摘要：近年来，抑郁障碍已成为全社会密切关注的健康问题。脑电图的进步使其成为非侵入性研究包括抑郁症在内的神经疾病的有力工具。本文主要阐述了抑郁障碍脑电信号特征研究进展。

关键词：脑电、抑郁障碍、生物标志物

【背景】：抑郁障碍是一种情绪低落、精力减退、兴趣下降、自伤或自杀为主要表现的情绪障碍。抑郁症的早期识别和准确诊断显得尤为重[1]。在既定的分类标准（DSM-5）[2]的指导下，抑郁症诊断完全依赖于基于自我报告的信息和观察到的行为的推断。这就是为什么客观的神经生物学参数似乎是有希望的标记物。

一、脑电图的优势：

脑电图不涉及侵入性操作，耐受性好，成本相对较低。作为脑成像生物标记物，它可靠且可重复，在检测和正确分类不同疾病时提供足够高的灵敏度和特异性。静息状态脑电振荡活动的功率谱测量在不同频段（δ：0.5Hz-4Hz、θ：4Hz-8Hz、α：8Hz-13Hz、β：14Hz-30Hz、γ：30-70Hz）已被证明可以区分抑郁症患者和健康对照组[3]。因此可以通过功率振幅做后期的研究[4]。

二、脑电图的频谱分析在抑郁中的研究：

δ频段指频率为0.5-4Hz的脑电，主要出现在额叶和枕叶。Liu[5]的一项研究中，得出结论为缓解性抑郁症患者的慢波振幅较大。θ频段指频率为4-8Hz的脑电，与记忆、思维活动及集中程度有关，主要出现在大脑的顶叶和颞叶。Fingelkurts等发现抑郁症患者患者左侧前额叶区θ功率增加[6]。α频段指频率为8-13Hz的脑电，是成年人脑电中的基本节律，主要出现在顶叶和枕叶。Hosseinifard等人[7]的一项研究得出抑郁症患者的左侧大脑半球比正常受试者的左侧大脑半球具有更高的α功率的结论。β频段指频率为14-30Hz的脑电，主要出现在大脑额叶、颞叶与大脑皮层兴奋性有关。Vlcek[8]等研究发现通道电极F7电极上的β和θ功率绝对值与抑郁症状的严重程度之间存在负相关关系。Lee[9]等人发现抑郁症组左侧中央区域的β功率与对照组相比显著降低。Clark[10]等发现汉密尔顿抑郁评分低的患者与抑郁程度较重的患者相比，在频谱中观察到较大的β值。γ频段指频率为30-70Hz的脑电，主要出现在大脑的中央和额叶，研究表明大脑左右两侧的γ能量随情绪愉悦的程度出现偏侧化变化[11]。Fitzgerald[12]等的综述认为其可能与情绪波动有关，适当的γ波功率可以保证情绪平稳。

三、小结

总之，以上研究都有自己的侧重点。这些不一致的结果可能由于不同的研究者纳入具有系统差异的研究对象，样本量的不同，这就造成了研究抑郁的混杂因素较多。综上所述，距离找出明确可靠的脑电作为抑郁的客观生物标记仍有较长的路要走。

参考文献：

[1]Murray C J，Vos T，Lozano R，et al. Disability-adjusted life years（DALYs）for 291 diseases and injuries in 21 regions，1990-2010：a systematic analysis for the Global Burden of Disease Study 2010[J]. Lancet，2012，380（9859）：2197-2223.

[2]Battle D E. Diagnostic and Statistical Manual of Mental Disorders（DSM）[J]. Codas，2013，25（2）：191-192.

[3]Alhaj H，Wisniewski G，McAllister-Williams R H. The use of the EEG in measuring therapeutic drug action：focus on depression and antidepressants[J]. J Psychopharmacol，2011，25（9）：1175-1191.

[4]Zhang X，Yao L，Wang X，et al. A survey on deep learning-based non-invasive brain signals：recent advances and new frontiers[J]. J Neural Eng，2021，18（3）.

[5]Liu M，Zhou L，Wang X，et al. Deficient manipulation of working memory in remitted depressed individuals： Behavioral and electrophysiological evidence[J]. Clin Neurophysiol，2017，128（7）：1206-1213.

[6]Fingelkurts A A，Fingelkurts A A. Altered structure of dynamic electroencephalogram oscillatory pattern in major depression[J]. Biol Psychiatry，2015，77（12）：1050-1060.

[7]Hosseinifard B，Moradi M H，Rostami R. Classifying depression patients and normal subjects using machine learning techniques and nonlinear features from EEG signal[J]. Comput Methods Programs Biomed，2013，109（3）：339-345.

[8]Vlcek P，Bares M，Novak T，et al. Baseline Difference in Quantitative Electroencephalography Variables Between Responders and Non-Responders to Low-Frequency Repetitive Transcranial Magnetic Stimulation in Depression[J]. Front Psychiatry，2020，11：83.

[9]Lee P F，Kan D，Croarkin P，et al. Neurophysiological correlates of depressive symptoms in young adults：A quantitative EEG study[J]. J Clin Neurosci，2018，47：315-322.

[10]Clark D L，Brown E C，Ramasubbu R，et al. Intrinsic Local Beta Oscillations in the Subgenual Cingulate Relate to Depressive Symptoms in Treatment-Resistant Depression[J]. Biol Psychiatry，2016，80（11）：e93-e94.

[11]罗跃嘉，吴健辉. 情绪的心理控制与认知研究策略[J]. 西南师范大学学报（人文社会科学版），2005（02）：26-29.

[12]Fitzgerald P J，Watson B O. Gamma oscillations as a biomarker for major depression：an emerging topic[J]. Transl Psychiatry，2018，8（1）：177.

*通信作者：陈允恩，E-mail：chenyunen@163.com