神经影像科学对精神医学专业教学的影响与启示.docx

神经影像科学对精神医学专业教学的影响与启示The influence and enlightenment of neuroimaging science on the teaching of psychiatry作者：董超，王羚鸿* DONG Chao, WANG Linghong* 通讯作者：王羚鸿内蒙古医科大学基础医学院呼和浩特010110作者简介：董超(1978年生)、男(汉族)、副教授、理学博士，主要从事认知神经科学研究，E-mail.摘要精神医学作为认知神经科学的分支，长期以来一直受到神经科学领域发展的影响，在过去的二十 年中，随着认知神经科学和功能性神经影像学的进步，这种影响尤为明显。但精神医学专业本科教学 中仍然是以传统的课堂面授为主，神经影像科学进展融入教学体系对的速度往往较慢,这对于精神医 学的专业人才培养是不利的。在精神医学专业教学中，以精神疾病的临床诊断和治疗为主线，充分利 用移动终端和数字媒体技术合理引入与精神疾病相关神经影像科学内容，对于提升精神医学专业教学 效果具有重要意义。【关键词】：神经影像；精神医学；教学基金项目：内蒙古自治区教育科学研究“十三五”规划课题(NGJGH)；内蒙古自治区自然科学基金项 目(2019MS03009);内蒙古医科大学教育教学改革项目(NYJXGG);内蒙古医科大学教育教学改革项 目(NYJXGG)；内蒙古医科大学高等学校科学研究项目(NJZY18110)；内蒙古医科大学科技百万工程项 目(YKD2017KJBW017)AbstractAs a branch of cognitive neuroscience, psychiatry has long been influenced by the development of neuroscience, especially with the advances in cognitive neuroscience and functional neuroimaging over the past two decades. However; the undergraduate education of psychiatry major is still dominated by traditional face-to-face teaching, educational progress lags behind advances of neuroimaging science, which is detrimental to the cultivation of professionals in psychiatry. It has great significance to improve the teaching effect of psychiatric specialty when we make full use of mobile terminal and digital media technology to reasonably introduce the advances of neuroimaging science content that related to mental illness into psychiatric specialty education system which based on clinical diagnosis and treatment of mental illness.Key words : Neuroimaging; psychiatry; Teaching神经科学的进步彻底改变了我们对中枢神经系统的理解。尤其是神经影像技术，已经开始揭示神经 系统的核心：人脑的复杂的解剖，生理，生化，遗传和分子组织结构。最近，神经影像技术已使人们 能够研究正常的大脑功能，并用于了解许多神经和精神疾病背后重要的机制。这对于精神病学的诊 断，治疗和风险评估具有重要意义。神经成像是寻求精神病学诊断生物学基础的核心，随着影像分析 技术的改进，精神疾病的诊断和预后的准确性不断提高。在分子水平，神经成像也可以用来探测基因 定义的精神障碍潜在的生物学通路，例如通过基因成像发现的变异与全基因组关联性研究。这些方法 可能最终会揭示基因对精神症状以及药物和心理干预如何发挥作用的机制。1 .医学影像学发展对精神医学的影响精神医学作为认知神经科学，长期以来一直受到神经科学领域发展的影响，在过去的二十年中， 随着认知神经科学和功能性神经影像学的进步，这种影响尤为明显。但是，精神医学本科教学对这种 进展的体现往往较慢，特别是我国一些普通医学院校的精神医学专业，其课程设置基本是在临床医学 课程的基础上加入了一些精神医学的专业课程，这对于精神医学的专业人才培养是不利的，本文试 图从神经影像科学的进展的各个层面探讨这些成果如何帮助提升精神医学专业教学效果。通常认为，患有精神疾病的患者很少会出现传统的诊断成像检查(例如放射线照相，计算机断层 扫描（CT）或常规磁共振（MRI）成像）可见的脑部缺陷。因此，放射学在诊断精神疾病中的作用通 常被认为是有限的。实际上，精神病学中的神经影像学研究已经获得了客观的，可理解的证据，以支 持主要精神疾病与内在的脑部疾病有关的观点。早在1976年，首次精神分裂症的CT影像学检查显 示双侧脑室扩大，这是对该疾病的神经病理学的重要证实周。从那以后，许多精神病学研究人员已经 使用大脑成像来阐明与不同精神病相关的大脑异常情况.由于MRI成像，分子成像和其他诊断成像技 术的迅速和广泛的发展，近年来，这项工作大大加速了。通过结构和功能磁共振成像，正电子发射断 层扫描（PET） /单光子发射计算机断层扫描（SPECT）和光学成像获得的大量数据表明，在精神疾病发 作时以及处于患这种疾病风险的个体中，存在区域和特定疾病的脑部影像学改变，比如早期精神病会 损害前海马的激活，除了白质缺乏外，精神分裂症还与多个脑区，尤其是额薮叶和边缘区的灰质减少有 关叫这些发现也进一步印证了精神异常都存在其相对应的物质基础这一哲学观点，长期以来，神经影 像学一直是了解精神病理学生物学基础的主要工具。使用这一工具，研究人员一直在寻找神经系统精 神疾病诊断、危险状态和治疗的相关性效果。在过去的三十年中，脑成像技术迅速推进了对精神病学中疾病和治疗效果的理解。基于这些进 展，影像科医生越来越有兴趣将这些进步应用于常见精神疾病的鉴别诊断和患者的个性化护理选择。 这种从研究到临床实践的转变代表了心理放射学的发展雏形。精神病学的诊断实践长期以来一直因主 观诊断不明确和重叠的临床综合征而受到批评。基于临床症状的常见复杂综合征的亚型化尚未成功降 低这些综合征的异质性。因此，与大多数医学领域的早期阶段一样，当前的综合征诊断在某种程度上 是对临床症状的一般描述，精神病学诊断实践的这些特征与大多数基于生物学测量和病理生理学模型 定义疾病的医学领域不同。因此，一些研究人员提出，需要新的策略来指导基于客观生物标志物的诊 断和综合征亚型。模式识别或机器学习技术已经显示出从神经成像数据中检测生物标志物的前景，并 在临床定义的精神障碍中做出诊断预测。使用统计聚类分析或相关方法对具有综合征诊断的患者进 行亚型分析，根据大脑异常的共同特征对个体进行分组，一直是诊断研究的共同焦点。后一种方法 有可能识别当前诊断中和诊断之间的生物学同质组，对于这些群体，可以基于可识别的共享生物学异 常而不是症状特征来应用或开发新的治疗方法。近年来，深度学习（deep learning DL）等更先进的算法越来越多地用于研究精神和神经系统疾病 的神经成像特征。深度学习方法与传统的机器学习方法不同，因为它们能够通过连续的非线性变换从 原始数据中学习最优表示。深度学习可以实现越来越高的抽象和复杂性，以检测细微和弥漫性变化的 模式。通过这种方式，DL代表了寻找精神疾病临床上有用的生物标志物的强大工具。它在精神放射 学中的效用正在得到广泛认可。这种生物标志物方法与大多数精神病学研究形成鲜明对比，大多数精神病学研究根据单一诊断类 别中的症状集对患者进行分层（例如精神分裂症）回精神障碍，抑郁症同注意力缺陷多动障碍，和 自闭症。最近的一项研究的应用数据驱动的框架来识别重度抑郁症，恐慌症和创伤后应激障碍的众 多亚型。通过招募420名具有上述诊断的个体，他们确定了跨症状，行为和神经水平的跨诊断亚型。 这种方法可以帮助解开传统精神病学诊断中的症状水平重叠，最终目标是根据生物学而不是行为特征 开发病理学类别，并将治疗方案定位到比单独使用行为症状更均匀和分化的亚组。尽管许多临床研究 已经确定了精神障碍的成像生物标志物并阐明了其病理机制，但它们识别个体大脑独特结构和功能结 构的能力是实现个体特异性脑分析的关键一步。旧经过此类专业培训的精神科医生可能会增加个性化 治疗干预措施，并且改善精神科治疗的临床效果。2 .病例导向的专业课程设计神经影像学促进我们对精神类疾病的病因学和病理生理学的理解，进一步扩展到主要功能性精神 疾病领域。尽管如此，对影像数据的解析尚未纳入初级或高级精神科医生的培训中。研究表明，精神 医学专业学生在学习的时候如果能将理论知识与临床病例相结合，学习效果最好，"峋这需要在他们 自己的经验的基础上进行一个互动的学习过程，教学方式上，我们可以在病例导向的基础上引入神经 成像的相关内容，以下是三种具体的病例：2.1 严重抑郁症（MDD）的患者的多个大脑区域，特别是前额-前肢回路，显示出解剖和功能缺 陷。最近对于无药物治疗的MDD患者进行基于体素的形态学研究的数据分析显示，前额叶和边缘区 域的灰质明显减少，主要包括双侧上额回，外侧中颜和下额回，双侧海马旁回和海马。皮质下脑部改 变包括：MDD患者的海马体积较小，但复发患者的海马体积比首次发作的患者大。据此，我们可以在 神经解剖课程中导入相关病例解剖学缺陷的影像学数据，值得注意的是，这些解剖学变化在初发患者 与慢性病患者和MDD患者与当前抑郁患者之间是不同的整个大脑皮层厚度的增加和减少的变化模 式表明，与任何特定大脑区域的测量变化相比，对整个大脑变化的轮廓分析可能更有助于诊断。2.2 躁郁症（BD）,以前称为躁狂抑郁症，BD同时具有抑郁症和精神分裂症的许多临床特征。影像 学检查结果表明，在BD患者和精神分裂症患者中存在一些常见的大脑缺陷，神经影像学还揭示了 BD 患者的一些特殊异常，使我们能够区分BD和精神分裂症。形态测定分析证明BD患者的灰质面积在后 扣带和后皮质区域比未服药的受试者小，BD与MDD患者在解剖学的改变，包括杏仁核和海马区的变 化。支持以下假设，即边缘系统，尤其是海马体，可能更广泛地参与情感障碍的病理生理学“久静止 状态的功能性MR成像研究表明，BD和精神分裂症均在纹状体-丘脑-皮质网络中都具有区域性和连通 性缺陷，而精神分裂症患者在丘脑-皮质系统中显示出越来越大的区域性功能缺陷。2.3 成瘾症，成瘾对大脑的影响是极端而强大的，大量研究以药物依赖者脑功能改变为主，如静息 态和任务态的脑激活情况。随着功能性神经影像学的进步，不断有新的数据报道成瘾导致成瘾者大脑 结构改变以及改变的程度。例如，药物成瘾与前扣带回皮质（ACC）之间存在联系。这是大脑中将冲 突和痛苦与思想和行为融为一体的部分。与对照组相比，药物成瘾患者的功能磁共振成像（fMRI）数 据揭示在皮质的广泛区域（尤其是ACC）,不断缩小和减弱。当他们从成瘾中恢复过来后，ACC再次膨 胀，在其他脑区包括：皮质下（杏仁核，海马和岛状皮质）和基底区域（纹状体）也呈现出明显的变 化网。将以上病例以“混合学习”的形式设计，将大量相关的影像学数据整合到线课程中，充分利用学 生移动终端高分辨率屏幕的优势，通过制定每周课前活动的形式，使学生利用课余时间充分接触病例 的各种类型影像学数据，线下课堂学习过程中，以一种新颖的病例研讨会形式进行，任务包括：诊断 方式讨论和对影像学数据的批判性评价。同时为学员建立课后分级在线讨论区，使不同学习进度的同 学在课堂上没有解决的疑问在课后能及时得到教师的指导。已经有大量数据证明“混合式”学习（结合 在线和面对面学习）比单独使用两种方法具有更明显的教学效果12”考核形式也由原来的记忆性考试转 变为病例分析报告，报告内容是由固定项目组成，每一项都需要自主完成，这种考核方式提高了学生 的学习自觉性，增强了学习效果和学习效率，保证了考核质量。需要特别注意的是，不同于普通影像医学，精神病学中脑部疾病的两个关键特征。脑缺损主要与 脑功能有关，而不是与总体解剖学改变有关，而且变化不大，需要定量分析而不是目视检查图像。因 此，掌握非侵入性定量方法以观察精神病患者脑部结构和功能性变化模式是精神医学影像教学的主要 任务。在目前移动终端及高速数据服务如5G逐渐普及的前提下，基于分布式云计算和大数据的神经 影像学应用已经能够服务于精神医学专业教学其应用设计应注意克服如下几点负面影响：病例对 照设计的缺陷、关联算法固有的混乱因素以及影像学数据库准入许可的挑战。从精神疾病患者群体到 个人层面的影像学数据分析，可以帮助学习者从纵向视角构建神经影像学数据与代表性病种的因果关 系。精神病学是本科医学课程的关键学科。精神病学的知识使学生能够在医疗实践中处理各种困难和 复杂的情况。但是，并非所有学生都有机会在精神病学中实习。精神病学培训需要特定的技能和态 度，而不仅仅是记忆SI。在课堂教学期间参加影像案例讨论，使学生更易于接触到临床推理，同时允 许教师对案例进行必要的修改。当教学双方对案例的选择是基于案例的教学和学习体验时，这样的案 例教学过程可以帮助学生更有效的组织他们来自书面阅读和课堂教学的信息，并使其更易于接触到复 杂的临床案例因】。3 .多种方法呈现医学影像学数据提高精神医学专业教学效果除了结构性CT和MRI成像外，功能性MRI成像已被广泛用于识别精神疾病患者的脑功能或生理 异常。根据特定任务引起的依赖于血氧水平的信号变化，已经有大量文献记录了感觉，认知和情感性 脑回路的异常，而与任务相关的神经活动变化则反映为神经活动的增加或减少。血氧水平依赖性信 号。功能性MRI成像为评估体内神经元活动和神经回路提供了重要的非侵入性机会。它的使用大大扩 展了对人脑和行为系统的理解，随着科技的进步和普及，这类临床检查的费用已经降低，导致临床样 品的数量与种类大增°对于动态的功能性神经影像学数据的教学也受益于移动数据终端飞速发展，使 得任务相关病例的动态功能影像可以更多的引入课堂教学固。在主要的MRI方法之外，还有脑电图（EEG）、脑磁图（MEG）、事件相关电位（ERP）和视觉诱发 电位（VEP）等工具的发展，这些技术手段帮助精神病学领域实现更广泛的神经成像潜力。尽管一些 途径还不太完善，但至少可以把大量经典的精神病学病例以一种全新的形式体现出来。数据表明，许 多学生和临床医生在临床学习过程中会经历“神经恐惧症”，对涉及神经系统的病例缺乏知识或信心。 使用交互式3D模型可以改善解剖结构教学，尤其是神经及精神科学教育，标准化的软件工程方法设 计了基于Android和IOS设备的交互式应用程序，通过交互式3D可视化和精神疾病中涉及的神经回路 的动画来增强自定进度学习，从而提高神经精神病学科素养31。通过对精神病学专业学生进行的试点 测试和可用性评估表明，应用程序在提高对精神疾病的认识和理解方面的有效性取得了令人鼓舞的结 果“简而言之，这项研究表明，交互式3D可视化可以改善神经精神病学教育。因此，应构建更多的 类似应用程序，从而提高神经精神病学科的教学效果126）。而建立这些交互式模型的基本数据库要依靠 海量的临床神经影像学数据库支撑。基于大型数据库的交互式模型也为受训者提供了一种增强体验式 学习的方法。远程精神病学技术可以轻松整合远程操作的“模拟患者”，“模拟患者”已被广泛用于 精神病学教学的两个领域：（1）使受训者接触到更全面的诊断和精神病理学；（2）教授与精神病学相 关的高级沟通技巧。医学生将"“模拟患者”的使用列为他们实习中最有用的学习体验之一。精神分 裂症的”模拟患者”已成功用于教授精神状态检查，提供了虚拟临床场景的可能性，用户选择将导致 不同的临床结果。这种模拟虚拟精神病学场景的软件现已上市。田特别是在Covid-19全球大流行期间，大多数医学生的临床实习和面对面教学的突然结束，被迫向 在线教育快速转变，人们越来越认识到需要让学生为不断变化的医疗保健系统格局做好准备。这包括 把教学重点放在使用技术增强和自主学习上。3“9】神经影像学技术在精神病学研究中的成功应用彻底 改变了临床神经科学对主要精神疾病病理生理学的观点。然而，尽管神经影像学研究为精神疾病的神 经生物学基础提供了宝贵的线索，但除了神经认知障碍之外，神经影像学尚未对临床环境中个体患者 的诊断或治疗产生重大影响。这主要是由于迄今为止大多数精神疾病的神经影像学和其他生物学异常 的差异相对较小，因此影像学检查措施不能提供足够的特异性和敏感性来准确分类个体病例与精神疾 病的相关性口3。诚然存在部分缺陷，神经影像学在各种精神疾病的诊断和管理中具有公认的作用，并且在阐明主 要功能性疾病的潜在神经生物学成分方面具有相当的潜力。各种神经影像学基础知识应是精神病学专 科培训的重要组成部分，并且解释大脑影像学数据的能力应成为更高专业培训水平的精神科医生职责 的一部分，这将使精神科医生能够进行适当的转诊，提高诊断准确性，并有希望增加精神科医生对检 查主要精神疾病神经生物学模型的大量工作的贡献。神经影像学培训的目标应包括以下内容：1.对每 种成像方式以及与每种成像方式相关的辐射暴露程度的基本了解。2.熟悉痴呆症，精神分裂症，情感 障碍，自闭症，中风和脑出血的结构和功能成像发现。3.了解每种影像学检查方式的适应症和禁忌 证。4.图像解释和图像分析技术。5.能够解释至少一种结构性脑部扫描模式和一种功能成像模式。阳神经影像科学对精神病学临床实践的影响越来越大是导致精神病学教育方法改变的原因之一。在 接下来的几十年中，目前精神科医生的短缺情况将越来越严重因），因此需要对基础保健医生进行基本 的精神病学专业培训，为了解决这些问题，我们建议：（1）在基础科学和临床影像学课程中，将精神 病学更多地纳入本科医学教育；（2）精神病学住院医师项目应保持灵活性，以便将影像学诊断程序和 治疗的快速进步纳入住院医师培训I ； （3）神经影像学研究经验应纳入精神病学住院医师项目，以及将 迅速发展的神经影像科学发现纳入精神病学课程。综上所述，精神医学本科教学体系必须不断适应精神医学临床发展趋势的变化，而精神疾病的临 床诊断和治疗是构成精神医学临床教学的重要组成部分，这两方面都离不开神经影像科学技术的快速 发展，因此，在精神医学专业教学中合理和科学的使用神经影像科学成果对于提升教学效果具有重要 的意义。参考文献1. Huang X, Gong Q, Sweeney JA et al. Progress in psychoradiology, the clinical application of psychiatric neuroimaging J. Br J Radiol. 2019 Sep;92(1101):.郑亚楠，胡雯，刘民.浅谈单独设置精神医学专业的优缺点及建议J.医学教育研究与实践， 2018,26(06):945-948.3 . Etkin A. A Reckoning and Research Agenda for Neuroimaging in Psychiatry J. Am J Psychiatry. 2019 Jul l;176(7):507-511.4 . Johnstone EC, Crow TJ, Frith CD et al. Cerebral ventricular size and cognitive impairment in chronic schizophrenia J. Lancet. 1976 Oct 30;2(7992):924-6.5 . Wolfers T, Buitelaar JK. Beckmann CF et al. From estimating activation locality to predicting disorder: A review of pattern recognition for neuroimaging-based psychiatric diagnostics J. Neurosci Biobehav Rev. 2015 Oct;57:328-49.6 . Clementz BA, Sweeney JA, Hamm JP et al. Identification of Distinct Psychosis Biotypes Using Brain- Based Biomarkers J. Am J Psychiatry. 2016 Apr 1:173(4):373-84.7 . Vieira S, Pinaya WH, Mechelli A. Using deep learning to investigate the neuroimaging correlates of psychiatric and neurological disorders: Methods and applications J. Neurosci Biobehav Rev. 2017 Mar;74(Pt A):58-75.8 . Geisler D, Walton E, Naylor M et al. Brain structure and function correlates of cognitive subtypes in schizophrenia J. Psychiatry Res. 2015 Oct 30:234(1):74-83.9 . Clementz BA, Sweeney JA, Hamm JP et al. Identification of Distinct Psychosis Biotypes Using Brain- Based Biomarkers J. Am J Psychiatry. 2016 Apr 1:173(4):373-84.10 . Milaneschi Y, Larners F, Peyrot WJ et al. Polygenic dissection of major depression clinical heterogeneity J. Mol Psychiatry. 2016 Apr;21(4):516-22.11 . Mostert JC, Hoogman M, Onnink AMH et al. Similar Subgroups Based on Cognitive Performance Parse Heterogeneity in Adults With ADHD and Healthy Controls J. J Atten Disord. 2018 Feb;22:281- 292.12 . Doshi-Velez F, Ge Y, Kohane I. Comorbidity clusters in autism spectrum disorders: an electronic health record time-series analysis J. Pediatrics. 2014 Jan;133(l):e54-63.13 . Grisanzio KA, Goldstein-Piekarski AN, Wang MY et al. Transdiagnostic Symptom Clusters and Associations With Brain, Behavior, and Daily Function in Mood, Anxiety, and Trauma Disorders J. JAMA Psychiatry. 2018 Feb l;75(2):201-209.14 , Leung HTT, Ajaz A, Bruce H et al. Teaching psychiatry to medical students in the time of COVID-19: experiences from UK medical schools J. BJPsych Bull. 2021 Jul 27:1-10.15 . Huang X, Gong Q, Sweeney JA et al. Progress in psychoradiology, the clinical application of psychiatric neuroimaging J. Br J Radiol. 2019:92(1101):.16 . Medina M, Lee D, Garza DM et al. Neuroimaging Education in Psychiatry Residency Training: Needs Assessment J. Acad Psychiatry. 2020 Jun;44(3):311-315.17 . Suppes T, Ostacher M. Mixed features in major depressive disorder: diagnoses and treatments J.CNS Spectr. 2017 Apr;22(2):155-160.18 . Cattarinussi G, Di Giorgio A, Wolf RC et al. Neural signatures of the risk for bipolar disorder: A meta-analysis of structural and functional neuroimaging studies J. Bipolar Disord. 2019 May;21(3):215-227.19 . Suckling J, Nestor U. The neurobiology of addiction: the perspective from magnetic resonance imaging present and future J. Addiction. 2017 Feb;112(2):360-369.20 . Thomas G, Duddu V, Gater R. Blending an e-learning package into a problem-based learning module J. I nt J Med Educ. 2016 Aug 28;7:279-80.21 .杨志,左西年神经影像大数据与心脑关联:方法学框架与应用J.科学通报,2015.60(11):966-975.22 . Alvi T, Zareen N, Farhan S. Role play, a teaching strategy for psychiatry - students' comparative perspective versus traditional teaching J. J Pak Med Assoc. 2021 Jul;71(7):1740-1744.23 . Jayaram M, Shields G, Buisman-Pijlman F. Novel methods of teaching psychiatry to medical and postgraduate students J. Curr Opin Psychiatry. 2021 Sep l;34(5):491-496.24,遇涛,王雪原，周晓霞等.影像三维可视化在功能神经外科临床教学中的应用J.继续医学教育, 2018,32(05):12-14.25 . Weldon M, Poyade M, Martin JL et al. Using Interactive 3D Visualisations in Neuropsychiatric EducationJ. Adv Exp Med Biol. 2019;1138:17-27.26 .卢光明，许强，张志强.神经系统疾病人工智能医学影像现状与发展J.中华放射学杂志, 2018,52(10):734-737.27 . Meyer EG, Battista A, Sommerfeldt JM et al. Experiential Learning Cycles as an Effective Means for Teaching Psychiatric Clinical Skills via Repeated Simulation in the Psychiatry Clerkship J. Acad Psychiatry. 2021 Apr;45(2):150-158.28 . Guerandel A, McCarthy N, McCarthy J et al. An approach to teaching psychiatry to medical students in the time of Covid-19 J. J Psychol Med. 2021 Dec;38:300. McAndrew J, O'Leary J, Cotter D et al. Impact of initial COVID-19 restrictions on psychiatry presentations to the emergency department of a large academic teaching hospital J. Ir J Psychol Med. 2021 Jun;38(2):108-115.29 . Bhriain, S., Clare, A., & Lawlor, B. Neuroimaging: A new training issue in psychiatry? J Psychiatric Bulletin. (2005) 29(5), 189-192.30 .王芳,孙中武.神经精神系统临床教学课程整合的初步探索与实践J.中国临床医生杂志, 2020,48(10):1258-1260.31 .杨辉,蒋国庆德国精神医学教育模式浅析及启示J.精神医学杂志,2016,29(04):305-307.通讯作者：王羚鸿电子邮箱：；联系电话：