图片来源：摄图网

本报讯日前，西南大学心理学部教授雷旭团队基于中国人的人格-行为-脑研究项目和多家医院的共享数据，通过多变量机器学习方法，找到刻画睡眠健康的脑网络功能连接模式。该工作将个体内在的脑功能连接和行为特征相结合，识别出睡眠健康的脑网络标志物。相关成果发表于《自然-通讯》。

睡眠不足、睡眠质量下降以及睡眠相关疾病的激增已成为一项全球性的健康挑战。研究团队将基于中国人的人格-行为-脑研究项目的大样本作为探索数据集，采用多变量机器学习方法，将睡眠健康的多维度和静息态功能连接进行关联分析，得到刻画睡眠健康的主要脑网络功能连接模式。该工作的一个创新点是囊括了一系列广义的睡眠健康指标，共有36个特征，并进一步将其划分为7个维度，层层递进以最终确定睡眠健康的脑网络标志物。

多变量机器学习揭示了一个稳健的将睡眠健康与大脑功能连接联系起来的脑网络功能连接模式。该连接模式可以解释脑网络和行为之间近30%的协变幅度。在7个维度中，睡眠的主观满意度具有最大的解释量，说明主观满意度对于睡眠健康的影响十分关键。该连接模式与皮层下网络尤其是丘脑的功能连接正相关。从脑网络的角度看，这一连接模式和默认模式网络-背侧注意网络的连接正相关，而与感觉运动网络-腹侧注意网络的连接负相关。

该脑网络功能连接模式具有广阔的应用前景。课题组在多个外部数据集上对连接模式进行了验证，发现脑网络功能连接模式还可用于区分失眠患者和健康受试者，正确率都接近80%。这一睡眠健康的脑连接组学指标，在睡眠障碍研究的临床转化中具有极大的应用潜力。（温才妃）

《医学科学报》 (2023-12-15 第6版 国内)