使用 7-特斯拉 MRI 的网络神经反馈降低抑郁症的沉思水平

重度抑郁症 (MDD) 是世界上最大的健康问题，目前可用的治疗方法无法缓解许多患者的症状。 沉思，被概念化为重复思考并关注一个人的痛苦和消极情绪状态，是重度抑郁症的核心特征。 重度抑郁症患者的沉思水平增加，已发现这会增加缓解后患者抑郁症复发的风险。 非常需要降低这些患者的沉思水平的能力。

神经反馈（NF）是一种将大脑信号信息实时反馈给个体的技术，允许对大脑信号进行隐式调制，从而提高表现。 然而，经典的实时 fMRI-NF 协议侧重于单个区域的活动，忽略了考虑神经网络动态，从而解释了区域之间的直接影响。

研究团队开发的依赖网络分析 (DEPNA) 方法测试了静息态功能 MRI (fMRI) 期间网络连接的影响是否与 MDD 患者的沉思有关。 研究小组发现，沉思与左侧内侧眶额皮质（MOFC）对右侧楔前叶（DMN 内的两个关键区域）的连接性影响较低显着相关。 这与颅内记录研究一致，显示 MOFC 的活动先于楔前叶对情绪刺激做出反应。

研究小组打算通过进行第一个实时功能磁共振成像神经反馈（Rt-fM​​RINF）方案来扩展这项工作，以上调 MOFC 对 MDD 患者和健康对照的楔前叶的影响，从而降低反刍水平。 研究小组的目标是开发一种先进的超高场 MRI 协议，该协议将允许从 DEPNA 构建的网络连接特征中导出 rt-fMRI-NF，从而训练受试者控制显式大脑连接。 具体来说，研究小组的目标是通过上调 MOFC 对楔前叶的影响来训练 MDD 患者更好地调节反刍水平。