分享:
分享到微信朋友圈
X
综述
实时功能磁共振成像神经反馈靶向默认模式网络改善精神疾病的研究进展
赵笛 孙永兵 张雪怡 陈珂珂 邹智 李中林 武肖玲 周菁 郝义彬 刘敏 李永丽

本文引用格式:赵笛, 孙永兵, 张雪怡, 等. 实时功能磁共振成像神经反馈靶向默认模式网络改善精神疾病的研究进展[J]. 磁共振成像, 2026, 17(5): 120-126. DOI:10.12015/issn.1674-8034.2026.05.018.


[摘要] 默认模式网络(default mode network, DMN)作为参与自我参照思维与情景记忆的核心脑网络,其功能紊乱与抑郁症、失眠、创伤后应激障碍(post-traumatic stress disorder, PTSD)及精神分裂症等多种精神疾病的症状密切相关。实时功能磁共振成像神经反馈(real-time functional magenetic resonance imaging neurofeedback, rt-fMRI-NF)技术通过实时调控个体脑活动,为精神疾病的非药物干预提供了新途径。然而,目前尚缺乏针对rt-fMRI-NF靶向DMN干预上述四种疾病的系统性综述。本文首先概述DMN在抑郁症、失眠、PTSD及精神分裂症中的异常表现与病理关联,继而重点梳理rt-fMRI-NF技术靶向DMN改善上述疾病的最新研究进展,并从干预靶点、疗效评估等方面进行分析比对。最后,本文指出了当前研究在样本量、长期效果、机制探究等方面存在的局限性,并分析了未来的研究方向,旨在为rt-fMRI-NF技术在精神疾病临床干预中的精准应用提供理论依据和新思路,从而指导临床实践,提高诊疗效果。
[Abstract] The Default Mode Network (DMN), as the core brain network involved in self-referential thinking and episodic memory, exhibits functional dysregulation that is related to depression, insomnia, post-traumatic stress disorder (PTSD), and schizophrenia. Real-time fMRI neurofeedback (rt-fMRI-NF) technology provides a new approach for the non-pharmacological intervention of mental disorders by regulating individual brain activities in real time. However, there is currently a lack of systematic reviews on rt-fMRI-NF targeting DMN intervention for the above four diseases. This article first summarizes the abnormal manifestations and pathological associations of the DMN in depression, insomnia, PTSD and schizophrenia. Then, it focuses on reviewing the latest research progress of rt-fMRI-NF technology targeting the DMN to improve the above diseases, and analyzes and compares aspects such as intervention targets and therapeutic effect evaluation. Finally, this paper points out the limitations of the current research in terms of sample size, long-term effects, and mechanism exploration, and analyzes the future research directions, aiming to provide a theoretical basis and new ideas for the precise application of rt-fMRI-NF technology in the clinical intervention of mental disorders, thereby guiding clinical practice and improving the diagnosis and treatment effects.
[关键词] 抑郁症;失眠;创伤后应激障碍;实时功能磁共振成像神经反馈;磁共振成像;默认模式网络
[Keywords] depression;insomnia;post-traumatic stress disorder;real-time functional magnetic resonance imaging neurofeedback;magnetic resonance imaging;default mode network

赵笛 1   孙永兵 2   张雪怡 2   陈珂珂 3   邹智 2   李中林 2   武肖玲 4   周菁 5   郝义彬 6   刘敏 7   李永丽 8*  

1 河南大学人民医院/河南省人民医院医学影像科,郑州 450003

2 郑州大学人民医院/河南省人民医院医学影像科,郑州 450003

3 河南医药大学/河南省人民医院医学影像科,郑州 450003

4 河南省人民医院核医学科,郑州 450003

5 郑州大学人民医院/河南省人民医院健康管理学科/河南省慢病健康管理重点实验室,郑州 450003

6 河南省人民医院医院办公室,郑州 450003

7 河南省人民医院高血压科,郑州 450003

8 河南省人民医院医学影像科,郑州 450003

通信作者:李永丽,E-mail:shyliyongli@126.com

作者贡献声明:李永丽设计本研究的方案,对稿件重要内容进行了修改;赵笛起草和撰写稿件,获取、分析和解释本研究的数据;孙永兵、张雪怡、陈珂珂、邹智、李中林、武肖玲、周菁、郝义彬、刘敏获取、分析和解释本研究的数据,对稿件重要内容进行了修改;李永丽获得了河南省重点研发专项(编号:251111312900)的资助;刘敏获得了河南省重点研发专项(编号:251111312800)、河南省临床研究型医生培养专项(编号:HNCRD202402)的资助;郝义彬获得了河南省医学科技攻关计划项目(编号:SBGJ202401001)的资助;邹智获得了河南省医学科技攻关计划项目(编号:LHGJ20250028)、河南省科技攻关计划项目(编号:252102310050)的资助;李中林获得了河南省科技攻关计划项目(编号:242102311018)的资助;武肖玲获得了河南省医学科技攻关计划项目(编号:LHGJ20240050)的资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 河南省重点研发专项 251111312900,251111312800 河南省医学科技攻关计划项目 SBGJ202401001,LHGJ20250028,LHGJ20240050 河南省临床研究型医生培养专项 HNCRD202402 河南省科技攻关计划项目 252102310050,242102311018
收稿日期:2026-02-10
接受日期:2026-04-14
中图分类号:R445.2  R322.81 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.05.018
本文引用格式:赵笛, 孙永兵, 张雪怡, 等. 实时功能磁共振成像神经反馈靶向默认模式网络改善精神疾病的研究进展[J]. 磁共振成像, 2026, 17(5): 120-126. DOI:10.12015/issn.1674-8034.2026.05.018.

0 引言

       抑郁症、创伤后应激障碍(post-traumatic stress disorder, PTSD)、精神分裂症等是常见的精神疾病,但传统药物及心理治疗对部分患者存在疗效有限、副作用明显或易复发等问题[1, 2]。默认模式网络(default mode network, DMN)是由内侧前额叶(prefrontal cortex, mPFC)、后扣带回皮层(gyrus cinguli, PCC)/楔前叶(precuneus, PCu)、角回、海马等核心脑区组成的分布式功能网络,其脑区活动改变和功能紊乱与多种精神疾病密切相关,从而引发精神相关症状[3]。实时功能磁共振成像神经反馈(real-time functional magnetic resonance imaging neurofeedback, rt-fMRI-NF)可实现脑网络可视化与自主调控,近年已在精神疾病干预中完成初步验证[4],具有高空间分辨率、精准靶向深部脑区、无创且直接纠正异常神经环路等独特优势。现有研究表明,抑郁症、失眠、PTSD及精神分裂症这四种精神障碍在DMN机制上存在DMN核心节点活动紊乱、网络连接失衡、动态切换能力下降等极大共性。除此之外,上述疾病虽共享DMN异常机制,但各具特征性表现,例如失眠患者以DMN内部功能连接紊乱为主[5],而PTSD以内外部功能连接异常为特征[6]。这些疾病具有明确的DMN异常证据和较丰富的rt-fMRI-NF研究积累,且在临床实践中存在显著的治疗需求,而其他精神疾病目前研究证据不足、模式单一,故未纳入。然而目前仅针对单病种分散报道,未阐明“神经反馈-DMN重塑-症状改善”因果通路,且缺乏标准化疗程与客观疗效指标。因此本综述旨在整合四类疾病DMN异常与rt-fMRI-NF干预进展,分析现有研究的局限性,并提出未来的研究方向,以填补现有研究在跨疾病对比、机制探究、临床转化等方面的不足,为建立跨诊断的神经反馈干预策略提供理论依据。

1 文献检索策略

       本文系统检索了PubMed、Web of Science和中国知网数据库中截至2026年2月10日发表的相关文献。检索策略采用主题词与自由词结合的方式,英文检索式包括(“default mode network” OR “DMN”)AND(“real-time fMRI neurofeedback” OR “rt-fMRI-NF” OR “neurofeedback”)AND(“depression” OR “major depressive disorder” OR “insomnia” OR “insomnia disorder” OR “post-traumatic stress disorder” OR “PTSD” OR “schizophrenia”)。中文检索式与上述英文类似,使用对应的关键词。纳入标准:(1)原创性研究或综述;(2)研究对象为人类;(3)涉及DMN异常或rt-fMRI-NF干预;(4)发表于同行评审期刊。排除标准:(1)会议摘要、病例报告和非中英文文献;(2)发表时间早于2000年的研究(因rt-fMRI-NF技术2003年首次报道,更早文献缺乏技术基础),或研究样本量<5例、仅描述无数据支撑的文献。最终纳入56篇文献进行系统梳理。

2 rt-fMRI-NF技术介绍

       基于脑机接口的神经反馈技术是当前神经科学领域的热门话题。其中,与传统的脑电图神经反馈(electroencephalogram neurofeedback, EEG-NF)相比,rt-fMRI-NF具有更高的空间分辨率,能够精准定位脑皮层下核团,且不受头皮电导差异影响的显著优势[4]。该技术基于血氧水平依赖(blood oxygen level dependent, BOLD)信号,实时测量并采集特定的大脑活动数据,将其转化为视觉、听觉等直观的感官信号反馈给被试,让被试通过学习,自主调节自身特定脑功能[7]。WEISKOPF等[8]2003年发表的开创性研究,验证了健康个体自主调控脑区活动的可行性,为后期针对rt-fMRI-NF的深入探究奠定了技术基石。此后,随着脑连接组学、动态功能连接及图论分析等方法的广泛应用,rt-fMRI-NF的范式也从调控单一脑区活动[9],演进为更深层次的脑区及脑网络之间功能连接的调控[10, 11]。当前,rt-fMRI-NF靶向脑网络调控已形成相对通用的技术流程:首先基于疾病结合影像结果确定大脑干预靶点;其次将BOLD信号转化为视觉或听觉等直观形式作为反馈信息,再按照基线静息态、任务反馈、恢复期等设置多次训练疗程;最后从神经影像(如脑区活动、功能连接变化)和临床行为(如量表)层面评估疗效(图1)。尽管rt-fMRI-NF优点突出,目前仍存在时间分辨率相对较低、成本高、对被试配合度要求高、标准化流程缺失等诸多不足。BOLD信号滞后神经活动约4~6 s,这种固有的生理延迟会削弱反馈的实时性,影响被试学习调控策略的效率,是当前技术应用的核心瓶颈之一[12],未来需通过快速成像序列和在线延迟校正算法等途径加强探索。

图1  rt-fMRI-NF 靶向DMN的干预机制示意图。rt-fMRI-NF:实时功能磁共振成像神经反馈;DMN:默认模式网络;BOLD:血氧水平依赖。
Fig.1  Schematic diagram of the intervention mechanism of rt-fMRI-NF targeting DMN. real-time functional magenetic resonance imaging neurofeedback; DMN: default mode network; BOLD: blood oxygen level dependent.

3 靶向DMN的rt-fMRI-NF研究进展

       DMN通常在个体处于静息、自我参照思维、心智游移及情景记忆提取等内省认知过程中表现出高度活跃[3]。而大量静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)研究证实,抑郁症等多种精神疾病患者均伴有DMN脑区活动强度异常或功能连接紊乱,从而表现出过度的自我关注与反刍思维、记忆混乱、大脑无法静息等共性症状,并且这些异常及部分指标高低与症状严重程度有关。因此,调控DMN可能成为rt-fMRI-NF改善精神疾病的重要干预策略。

3.1 抑郁症

3.1.1 抑郁症患者DMN异常

       抑郁症患者DMN异常主要表现为网络内功能连接及脑区活动增强与减弱并存的紊乱模式[13, 14]。一项系统综述发现,青少年重度抑郁症患者DMN内功能连接增强,在PCC和mPFC尤为显著[15],这可能与青少年DMN尚处于发育阶段,过强的DMN耦合可能导致自我思维的过度聚焦,进而加重抑郁症状。相反,TAO等[16]研究发现失眠伴抑郁患者DMN内部连接减弱,共病状态是否可能呈现不同的脑网络模式值得探究。RUNIA等[17]综述发现难治性抑郁症患者DMN内部及对外连接普遍减弱,同时其局部脑区活动过度,可能反映出这类患者因长期病程导致神经可塑性耗竭与代偿机制的失衡。YU等[18]探究首次发作重度抑郁症患者的DMN功能连接发现,与健康对照组相比,患者左侧眶额内侧回[MNI为(-3,45,-12),t=-5.19,P<0.01]和右侧边缘回[MNI为(54,-48,33),t=-4.35,P<0.01]功能连接降低,且与汉密尔顿抑郁量表评分呈负相关。需要注意的是,双相抑郁患者的DMN异常模式与单相抑郁存在本质差异,有研究显示双相抑郁患者在前扣带回与PCu等核心脑区低频振幅(反映局部脑区自发神经活动强度)降低,而非增高。这提示,针对单相抑郁的反馈靶点(如下调过度激活的DMN)未必适用于双相障碍患者,可能具有鉴别诊断价值[14]。多个研究证明,抑郁患者DMN的异常具有动态演变的特征。从拓扑结构看,抑郁患者DMN节点的全局效率降低[19],提示DMN网络内整体协同性下降;在疾病进程与治疗响应层面,GUAN等[20]发现老年缓解期抑郁症患者的PCC与双侧内侧额上回之间的功能连接显著降低,且与认知损害显著相关,可能链接了老年抑郁与痴呆的病理过程,提示DMN异常不仅是抑郁症状的神经基础,也可能是认知衰退的风险标志。BEZMATERNYKH等[21]追踪了轻中度抑郁患者DMN连接异常的动态变化,结果显示治疗有效干预并非单纯使异常连接正常化,而是可能诱导新的适应性连接重组。

       上述脑网络紊乱且看似矛盾的现象,实际反映了抑郁症的高度异质性——不同年龄、病程及疾病亚型可能具有不同的神经病理基础,而当前结论仅依据目前研究做出推测,未来还需更深层次的机制探索。

3.1.2 rt-fMRI-NF技术改善抑郁症的研究进展

       AUPPERLE等[22]首次使用rt-fMRI-NF对腹内侧前额叶皮层(ventromedial prefrontal cortex, vmPFC)进行靶向调节。30例抑郁患者分别在fMRI中进行正面情景未来思维(episodic future thinking, EFT)训练,同时实时接收vmPFC激活水平的视觉反馈,通过心理策略主动提升vmPFC激活,结果显示vmPFC激活在反馈后期较初期有上升趋势,可能增强对未来积极事件的期待与情感体验,但未达到统计学显著水平(P=0.27),需在更大样本中进一步验证。ZHANG等[23]首次针对青少年重度抑郁症群体,该群体的核心神经异常是DMN之间的过强连接。团队成员将fMRI-NF与正念认知训练相结合,直接靶向DMN。研究结果发现前扣带回与mPFC之间的连接显著降低(qFDR<0.05),且与状态正念提升程度呈负相关(r=-0.88,P=0.002),说明该技术切实提升了患者的正念能力,这对患者缓解抑郁反刍、情绪调节障碍具有重大意义。除此之外,TAYLOR等[24]选择19名患者针对左背外侧前额叶与左PCC之间功能连接为干预靶点,发现训练后该连接的反相关性增强(即正常化),参与者相关的抑郁及反刍症状显著减轻,且效果在1~2个月后仍可维持,提示脑网络动态平衡可能比单纯调控DMN内部活动更有临床价值。

       以上研究选择了不同的干预靶点,其效果差异可能反映了不同抑郁亚型的病理特征。例如以vmPFC为靶点可能更适合以快感缺失、积极情感减弱为主的患者,而跨网络平衡调控或许更具有广泛的适用性。然而现有研究均为小样本探索性研究,且靶点选择并无公认标准,同时缺乏对不同靶点疗效的直接比较。未来需开展基于抑郁亚型分层的随机对照试验,以明确不同靶点的最佳适应征。

3.2 失眠

3.2.1 失眠患者DMN异常

       在失眠障碍中,DMN呈现出局部活动异常与网络内部连接失调共存的复杂现象。局部脑功能活动层面,ZHANG等[25]发现慢性失眠患者静息状态下PCu、PCC及角回的低频振幅值增加,提示其DMN核心区域功能活动过度活跃。这种局部活动的亢进反映了患者在静息状态下无法有效抑制内部思维活动的大脑状态。部分研究发现DMN核心区域内部功能连接性降低,而与其他脑区如海马等边缘系统结构的连接过度增强[5, 16, 26, 27]。近期GEORGIEV等[28]针对慢性失眠障碍的有效连接研究通过动态因果模型探究发现,从背内侧前额叶(dorsomedial prefrontal cortex, dmPFC)到vmPFC(P=0.049,FDR校正q=0.049)、mPFC到前岛叶功能连接增强(P=0.014,FDR校正q=0.028),从背外侧前额叶到右侧海马功能连接减弱(P<0.001,FDR校正q=0.001)。从动态网络连接的角度,近期有研究发现[29]失眠患者背侧DMN与视觉网络之间的负连接比例显著低于健康对照组。经过治疗后,背侧DMN与视觉网络之间的动态功能连接得以恢复,且这种连接模式能够预测患者的睡眠质量及治疗结局。JESPERSEN等[30]则发现失眠患者的大脑状态切换率显著降低,特别是在DMN和额顶网络两种全脑状态中停留时间减少,而在全局激活状态中停留时间增加,这表明失眠障碍患者在静息状态下大脑动态灵活性下降。目前针对失眠障碍DMN异常的研究方法多样,揭示了其局部活动、网络连接的异常特征,为理解失眠的神经机制提供了影像学依据。

3.2.2 rt-fMRI-NF技术改善失眠的研究进展

       已有研究证明,个体能够通过rt-fMRI-NF学会自主下调DMN核心节点(如PCC和mPFC)的活动。贾淑蕾等[31]针对32名失眠障碍患者进行为期三周的左侧杏仁核下调训练,并结合干预前后的rs-fMRI与临床量表评估,发现该训练能显著改善患者的睡眠质量、焦虑及抑郁症状;神经影像分析进一步揭示,这种症状的改善伴随着DMN核心节点右侧PCu活动的降低(FWE校正,体素水平P<0.005,团块水平P<0.05)及其与情绪、感觉脑区功能连接的重塑,且PCu的变化与情绪改善程度相关。度中心性常被用来衡量静息态大脑局部脑功能异常。谷宇昂等[32]对失眠患者神经反馈训练后发现,患者右侧海马旁回度中心性值增高,且与客观睡眠效率差值呈负相关(r=-0.478,P<0.05)。除此之外,还有研究通过功能连接方法发现失眠患者经神经反馈干预后左侧杏仁核与右侧PCu功能连接增强,且这种增强与睡眠质量改善程度正相关[33]

       杏仁核作为情绪唤醒中枢,其活动下调可能通过功能连接传递至DMN核心节点PCu,进而降低静息状态下的过度内省活动,改善入睡困难和睡眠维持问题。然而,这一间接路径是否能够稳定传递至对DMN的直接调控,尚缺乏直接证据。另外,上述研究均采用匹兹堡睡眠质量指数等主观量表作为疗效指标,并不能明确神经调控真正改善睡眠结构,而不是仅改变患者对睡眠的感知。LV等[34]通过功能解码和元分析连接建模揭示,失眠患者额上回与DMN的多个核心节点(包括额中回、扣带回)存在功能连接。这提示,rt-fMRI-NF研究可考虑将额上回-DMN连接作为潜在的干预靶点。未来研究设计应致力于直接靶向DMN核心节点的临床试验,并加入客观睡眠指标(如多导睡眠图)的验证。

3.3 PTSD

3.3.1 PTSD患者DMN异常

       有研究招募21名PTSD患者研究治疗前后海马体与DMN外侧顶叶节点静息态功能连接发现治疗前其功能连接减弱,治疗后随症状缓解,其功能连接增强,提示此功能连接靶点或可作为治疗PTSD成功的关键机制[35]。另有一项随机临床试验用相似方法,发现PTSD患者DMN与背侧注意网络(dorsal attention network, DAN)连接增强[36],提示即使静息状态下,外部警觉系统也过度激活,使得患者在安全环境也处于高度警觉状态。有综述表明,PTSD 患者海马激活减少,以及通过海马与SN之间的耦合增强[37]。海马作为记忆储存的核心脑区,其功能抑制可能导致创伤记忆难以被正常整合,而其与SN的过度耦合使得这些记忆碎片易被SN标记,从而频繁闯入患者意识。超越静态连接,对儿童PTSD患者的动态功能连接分析发现,其全脑及DMN子网络的动态切换率显著降低,且降低程度与症状严重程度负相关(全脑:r=-0.587,P=0.013,FDR校正;DMN:r=-0.589,P=0.013,FDR校正)[38],提示儿童PTSD可能与 DMN动态重组能力下降有关。

3.3.2 rt-fMRI-NF技术改善PTSD的研究进展

       LIEBERMAN及其研究团队[39]通过单次rt-fMRI-NF靶向PCC研究发现,PTSD组和健康对照组均能成功下调PCC活动,且都显示出PCC与后部DMN的功能连接增强。而与健康组不同的是,PTSD组PCC与前部DMN(如dmPFC、vmPFC)及SN连接增强。在神经反馈训练后,患者重现和痛苦症状显著减少。该团队[40]还对比研究了PCC与杏仁核两种不同脑区靶向的rt-fMRI-NF对PTSD患者神经活动和临床症状的影响。研究发现,PCC组在调节PCC活动时,同时伴随双侧PCu、左顶上小叶、右颞上回等多个脑区活动的整体下降,且PCC组在单次反馈训练结束后,再体验和痛苦症状显著降低,而杏仁核组未观察到以上现象。因此,我们可以推断靶向PCC能引发更广泛的网络级联效应,可能更适用于修复PTSD网络失衡。

       然而,单次训练研究尚未触及PTSD的核心病理——创伤记忆的再巩固,即创伤记忆提取时进入的一个短暂“再巩固时间窗”,在此期间创伤记忆可被修改甚至消除,可作为rt-fMRI-NF干预黄金期。基于此,未来研究应设计疗程化训练方案,可在训练前先引导患者短暂提取创伤记忆,随后立即进行DMN靶向训练,利用再巩固时间窗内神经可塑性的增强,削弱或消除创伤记忆的情绪强度。此后建立长期随访机制,明确多次训练的累积效应。

3.4 精神分裂症

3.4.1 精神分裂症患者DMN异常

       就脑区功能来说,近年一项研究表明精神分裂症患者DMN内部关键脑区PCu等表现高激活状态[41]。大量rs-fMRI研究证实,精神分裂症患者DMN存在显著的连接异常。一方面,DMN内部功能连接显著降低[42]。CAO等[43]通过图论分析发现,精神分裂患者左前mPFC和压部后皮质以及PCC与左侧海马之间的连接减少。FAN等[44]也发现患者dmPFC-内侧颞叶之间的连接性显著降低,且连接强度与临床症状呈负相关。这种dmPFC与其他脑区功能连接的减弱,可能是情感淡漠等阴性症状及认知缺陷的基础[45]。另一方面,DMN与其他脑区之间的功能连接却异常增强,表现为“超连接”[45, 46, 47]。除此之外,WANG等[48]研究发现精神分裂症谱系表现出DMN动态连接变异性增加且稳定性降低特征。进一步的动态功能连接分析发现,患者DMN内部PCu和PCC之间的连接增强,且其动态转移模式与严重程度呈正相关(r=0.40,P=0.02;r=0.32,P=0.002)[49]。然而,DMN的异常并非孤立存在。XI等[50]采用动态因果模型研究发现,患者存在从中央执行网络(central executive network, CEN)到DMN特定子网络的连接异常增强,这可能使得内部产生的思维被误判为外部现实,导致幻觉或妄想;同时,从DMN到CEN的连接减弱,使得个体难以从内部沉思中脱离并启动目标导向行为,从而表现为情感淡漠和意志减退等阴性症状。一项脑电研究也证实精神分裂患者DMN-SN-CEN网络间存在多波段的有效连接障碍[51]。这一“三网络”模型为理解精神分裂症的多种症状提供了统一的神经框架:DMN内部连接减弱与阴性症状相关,DMN-CEN超连接与阳性症状相关,而网络间的动态平衡失调则可能导致整体功能紊乱。值得注意的是,有研究发现自传体记忆任务下DMN核心激活功能可能相对完整,而问题可能更在于其“去激活失败”[52],使得患者需从内部思维跳出执行外部任务时,DMN却无法有效降低活动水平,导致内部思维持续干扰任务表现。这对rt-fMRI-NF干预范式设计提出了新要求,需要让患者在完成外部任务的同时,实时监测DMN活动水平,并学习在执行任务过程中抑制DMN活动。这种范式可能更直接针对精神分裂患者核心功能缺陷。

3.4.2 rt-fMRI-NF技术改善精神分裂的研究进展

       幻听是精神分裂症的症状之一。ZHANG等[53]在一项随机对照试验中探究神经反馈对静息态功能连接的影响。基线期发现,内侧前额叶与PCC之间的DMN内部连接强度与幻听严重程度呈正相关;经过神经反馈训练后,真实反馈组相比伪反馈组表现出内侧前额叶与听觉皮层(颞上回、颞中回)功能连接的显著降低(均为P<0.001)。BAUER等[54]首次通过增强冥想的rt-fMRI-NF方法调节DMN和CEN。研究结果提示DMN超连接性降低,DMN-CEN反相关性增加,且DMN连接性改变与幻听减少显著相关。该研究不仅关注DMN本身,更着眼于DMN-CEN动态平衡,与前文所述“三网络”模型理论预测契合。未来研究应拓宽症状靶标,将阴性症状和认知功能纳入主要疗效指标。此外,可将脑电图与fMRI相结合,实现对网络动态切换的更精准调控。

4 小结和展望

       综上所述,rt-fMRI-NF研究的干预靶点及关键结果,初步证实了神经反馈调控DMN的可行性,为理解精神疾病的共同神经机制及开发跨诊断干预策略提供了参考(表1)。DMN活动改变及脑网络功能连接紊乱是抑郁症、失眠、PTSD、精神分裂症患者的共性异常特征,rt-fMRI-NF可通过对DMN的靶向调节诱导神经功能重组并改善临床症状。对于抑郁症,该技术通过上调vmPFC活动增强积极情感体验或削弱DMN内部过强连接减少反刍思维,部分效果可维持1~2个月;对于失眠,当前多采用杏仁核下调间接调控DMN以改善睡眠,但存在靶点不确定性问题,未来需直接靶向DMN核心节点并结合多导睡眠图验证疗效;对于PTSD,靶向PCC可引发网络级联效应改善再体验症状,未来应结合创伤记忆再巩固时间窗设计疗程化方案;对于精神分裂症,通过抑制DMN-听觉皮层连接减轻幻听或增强DMN-中央执行网络反相关性改善网络平衡,未来需拓宽至阴性症状和认知缺陷。此外,rt-fMRI-NF在烟草及酒精成瘾等领域也展现出初步应用潜力[55, 56]。总体而言,现有研究存在样本量小、缺乏长期随访、干预靶点分散等共性问题,未来需通过大样本、多中心随机对照试验,结合多模态数据与计算建模,推动rt-fMRI-NF向精准化、可推广的非药物干预手段发展。

表1  靶向DMN的rt-fMRI-NF干预在四种精神疾病中的核心研究总结
Tab. 1  Summary of core research on rt-fMRI-NF intervention targeting DMN in four mental disorders

[1]
PAPPA S, SHAH M, YOUNG S, et al. Care pathways, prescribing practices and treatment outcomes in major depressive disorder and treatment-resistant depression: retrospective, population-based cohort study[J/OL]. BJPsych Open, 2024, 10(1): e32 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/38240079/. DOI: 10.1192/bjo.2023.627.
[2]
KAMEI H. Polypharmacy management of antipsychotics in patients with schizophrenia[J/OL]. Medicina, 2022, 58(11): 1584 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/36363541/. DOI: 10.3390/medicina58111584.
[3]
AZARIAS F R, ALMEIDA G H D R, DE MELO L F, et al. The journey of the default mode network: development, function, and impact on mental health[J/OL]. Biology, 2025, 14(4): 395 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40282260/. DOI: 10.3390/biology14040395.
[4]
PINDI P, HOUENOU J, PIGUET C, et al. Real-time fMRI neurofeedback as a new treatment for psychiatric disorders: a meta-analysis[J/OL]. Prog Neuropsychopharmacol Biol Psychiatry, 2022, 119: 110605 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/35843369/. DOI: 10.1016/j.pnpbp.2022.110605.
[5]
XIA G Y, HU Y X, CHAI F X, et al. Abnormalities of the default mode network functional connectivity in patients with insomnia disorder[J/OL]. Contrast Media Mol Imaging, 2022, 2022: 9197858 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/36101797/. DOI: 10.1155/2022/9197858.
[6]
KIM B H, BAEK J, KIM O, et al. North Korean defectors with PTSD and complex PTSD show alterations in default mode network resting-state functional connectivity[J/OL]. BJPsych Open, 2024, 10(1): e25 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/38179593/. DOI: 10.1192/bjo.2023.636.
[7]
WEISS F, ZHANG J Y, ASLAN A, et al. Feasibility of training the dorsolateral prefrontal-striatal network by real-time fMRI neurofeedback[J/OL]. Sci Rep, 2022, 12(1): 1669 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/35102203/. DOI: 10.1038/s41598-022-05675-0.
[8]
WEISKOPF N, VEIT R, ERB M, et al. Physiological self-regulation of regional brain activity using real-time functional magnetic resonance imaging (fMRI): methodology and exemplary data[J]. Neuroimage, 2003, 19(3): 577-586. DOI: 10.1016/s1053-8119(03)00145-9.
[9]
ZHANG Y, ZHANG Q, BECKER B, et al. Self-navigating the "island of reil": a systematic review of real-time fMRI neurofeedback training of insula activity[J/OL]. Neuroscience, 2022 [2025-11-12]. http://biorxiv.org/lookup/doi/10.1101/2022.03.07.483236. DOI: 10.1101/2022.03.07.483236.
[10]
GANESAN S, MISAKI M, ZALESKY A, et al. Functional brain network dynamics of brooding in depression: Insights from real-time fMRI neurofeedback[J/OL]. J Affect Disord, 2025, 380: 191-202 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40122254/. DOI: 10.1016/j.jad.2025.03.121.
[11]
LONG Z Y, GUO Z X, GUO Z T, et al. Dynamic functional network connectivity changes associated with fMRI neurofeedback of right premotor cortex[J/OL]. Brain Sci, 2021, 11(5): 582 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/33946251/. DOI: 10.3390/brainsci11050582.
[12]
KAVROULAKIS E, VAN KEMENADE B M, ARIKAN B E, et al. The effect of self-generated versus externally generated actions on timing, duration, and amplitude of blood oxygen level dependent response for visual feedback processing[J]. Hum Brain Mapp, 2022, 43(16): 4954-4969. DOI: 10.1002/hbm.26053.
[13]
ZHANG Z H, ZHANG Y J, WANG H, et al. Resting-state network alterations in depression: a comprehensive meta-analysis of functional connectivity[J/OL]. Psychol Med, 2025, 55: e63 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40008424/. DOI: 10.1017/S0033291725000303.
[14]
XUE C, ZHANG X L, CAO P, et al. Evidence of functional abnormalities in the default mode network in bipolar depression: a coordinate-based activation likelihood estimation meta-analysis[J/OL]. J Affect Disord, 2023, 326: 96-104 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/36717032/. DOI: 10.1016/j.jad.2023.01.088.
[15]
LUO L, DIMITROVSKI M, WISE T, et al. Transdiagnostic functional neuroimaging connectivity features in depression and anxiety in adolescence: a systematic review[J/OL]. Neurosci Biobehav Rev, 2025, 176: 106309 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40738212/. DOI: 10.1016/j.neubiorev.2025.106309.
[16]
TAO Y Q, ZHOU Y H, LI W Q, et al. Altered default mode network and glymphatic function in insomnia with depression: a multimodal MRI study[J/OL]. Sleep Med, 2025, 131: 106482 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40188802/. DOI: 10.1016/j.sleep.2025.106482.
[17]
RUNIA N, YÜCEL D E, LOK A, et al. The neurobiology of treatment-resistant depression: a systematic review of neuroimaging studies[J/OL]. Neurosci Biobehav Rev, 2022, 132: 433-448 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/34890601/. DOI: 10.1016/j.neubiorev.2021.12.008.
[18]
YU R Q, TAN H, PENG G, et al. Anomalous functional connectivity within the default-mode network in treatment-naive patients possessing first-episode major depressive disorder[J/OL]. Medicine, 2021, 100(23): e26281 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/34115028/. DOI: 10.1097/md.0000000000026281.
[19]
YANG H, CHEN X, CHEN Z B, et al. Disrupted intrinsic functional brain topology in patients with major depressive disorder[J]. Mol Psychiatry, 2021, 26(12): 7363-7371. DOI: 10.1038/s41380-021-01247-2.
[20]
GUAN C B, AMDANEE N, LIAO W X, et al. Altered intrinsic default mode network functional connectivity in patients with remitted geriatric depression and amnestic mild cognitive impairment[J]. Int Psychogeriatr, 2022, 34(8): 703-714. DOI: 10.1017/S1041610221001174.
[21]
BEZMATERNYKH D D, MELNIKOV M Y, SAVELOV A A, et al. Brain networks connectivity in mild to moderate depression: resting state fMRI study with implications to nonpharmacological treatment[J/OL]. Neural Plast, 2021, 2021(1): 8846097 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/33510782/. DOI: 10.1155/2021/8846097.
[22]
AUPPERLE R L, KUPLICKI R, TSUCHIYAGAITO A, et al. Ventromedial prefrontal cortex activation and neurofeedback modulation during episodic future thinking for individuals with suicidal thoughts and behaviors[J/OL]. Behav Res Ther, 2024, 176: 104522 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/38547724/. DOI: 10.1016/j.brat.2024.104522.
[23]
ZHANG J H, RAYA J, MORFINI F, et al. Reducing default mode network connectivity with mindfulness-based fMRI neurofeedback: a pilot study among adolescents with affective disorder history[J]. Mol Psychiatry, 2023, 28(6): 2540-2548. DOI: 10.1038/s41380-023-02032-z.
[24]
TAYLOR J E, YAMADA T, KAWASHIMA T, et al. Depressive symptoms reduce when dorsolateral prefrontal cortex-precuneus connectivity normalizes after functional connectivity neurofeedback[J/OL]. Sci Rep, 2022, 12(1): 2581 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/35173179/. DOI: 10.1038/s41598-022-05860-1.
[25]
ZHANG L Y, GUO Z G, HAN Y D, et al. Altered cerebral functional activity and its associated genetic profiles underlying chronic insomnia disorder before and after treatment[J]. World J Biol Psychiatry, 2025, 26(5): 211-223. DOI: 10.1080/15622975.2025.2503938.
[26]
ZHANG H Y, ZHAO Z R, ZHANG S, et al. Altered cingulate gyrus subregions functional connectivity in chronic insomnia disorder with anxiety[J/OL]. Sleep Med, 2024, 123: 42-48 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/39236464/. DOI: 10.1016/j.sleep.2024.08.031.
[27]
ZHENG H, ZHOU Q, YANG J J, et al. Altered functional connectivity of the default mode and frontal control networks in patients with insomnia[J]. CNS Neurosci Ther, 2023, 29(8): 2318-2326. DOI: 10.1111/cns.14183.
[28]
GEORGIEV T, PAUNOVA R, TODEVA-RADNEVA A, et al. Aberrant effective connectivity within and between the default mode, executive control, and salience networks in chronic insomnia disorder-toward identifying the hyperarousal state[J/OL]. Biomedicines, 2025, 13(6): 1293 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40564013/. DOI: 10.3390/biomedicines13061293.
[29]
XIN W Y, XUE T, CHENG Y X, et al. Reconfigurations of dynamic functional network connectivity after 1HZ repetitive transcranial magnetic stimulation in insomnia disorder[J/OL]. Sleep Med, 2025, 126: 239-247 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/39721360/. DOI: 10.1016/j.sleep.2024.12.025.
[30]
JESPERSEN K V, STEVNER A, KRINGELBACH M, et al. Reduced switching between brain states in insomnia: evidence from modeling of fMRI brain dynamics[J/OL]. Cereb Cortex, 2025, 35(11): bhaf314 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/41283931/. DOI: 10.1093/cercor/bhaf314.
[31]
贾淑蕾, 张淼, 谷宇昂, 等. 实时功能磁共振成像的神经反馈技术调控失眠障碍患者杏仁核活性对失眠的改善作用[J]. 中华实用诊断与治疗杂志, 2024, 38(8): 762-767. DOI: 10.13507/j.issn.1674-3474.2024.08.002.
JIA S L, ZHANG M, GU Y A, et al. Role of real-time functional magnetic resonance imaging neurofeedback in treating insomnia disorder via regulating amygdala activity[J]. J Chin Pract Diagn Ther, 2024, 38(8): 762-767. DOI: 10.13507/j.issn.1674-3474.2024.08.002.
[32]
谷宇昂, 张淼, 贾淑蕾, 等. 基于rtfMRI-NF技术调控失眠障碍患者杏仁核活性对大脑度中心性的影响[J]. 磁共振成像, 2024, 15(7): 64-69. DOI: 10.12015/issn.1674-8034.2024.07.011.
GU Y A, ZHANG M, JIA S L, et al. Impact of regulating amygdala activity in patients with insomnia disorders using rtfMRI-NF technology on the centrality of the brain[J]. Chin J Magn Reson Imaging, 2024, 15(7): 64-69. DOI: 10.12015/issn.1674-8034.2024.07.011.
[33]
张淼, 武肖玲, 李中林, 等. rtfMRI-NF技术调控杏仁核改善失眠障碍的作用[J]. 磁共振成像, 2023, 14(7): 5-9. DOI: 10.12015/issn.1674-8034.2023.07.002.
ZHANG M, WU X L, LI Z L, et al. Regulation of amygdala by rtfMRI-NF technique in improving insomnia disorder[J]. Chin J Magn Reson Imaging, 2023, 14(7): 5-9. DOI: 10.12015/issn.1674-8034.2023.07.002.
[34]
LV Z W, FAN Y H, ZHANG H B, et al. Resting-state brain change on treatment improvement in insomnia disorder: a coordinate-based meta-analysis[J/OL]. Sleep Med, 2025, 133: 106601 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40499260/. DOI: 10.1016/j.sleep.2025.106601.
[35]
SUSSMAN T J, POSNER J, JACKOWSKI A P, et al. The relationship between recent PTSD secondary to sexual assault, hippocampal volume and resting state functional connectivity in adolescent girls[J/OL]. Neurobiol Stress, 2022, 17: 100441 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/35257017/. DOI: 10.1016/j.ynstr.2022.100441.
[36]
SHEYNIN J, DUVAL E R, KING A P, et al. Associations between resting-state functional connectivity and treatment response in a randomized clinical trial for posttraumatic stress disorder[J]. Depress Anxiety, 2020, 37(10): 1037-1046. DOI: 10.1002/da.23075.
[37]
JOSHI S A, DUVAL E R, KUBAT B, et al. A review of hippocampal activation in post-traumatic stress disorder[J/OL]. Psychophysiology, 2020, 57(1): e13357 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/30829407/. DOI: 10.1111/psyp.13357.
[38]
SUO X L, LAN H, ZUO C, et al. Multilayer analysis of dynamic network reconfiguration in pediatric posttraumatic stress disorder[J/OL]. Cereb Cortex, 2024, 34(1): bhad436 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/37991275/. DOI: 10.1093/cercor/bhad436.
[39]
LIEBERMAN J M, RABELLINO D, DENSMORE M, et al. Posterior cingulate cortex targeted real-time fMRI neurofeedback recalibrates functional connectivity with the amygdala, posterior Insula, and default-mode network in PTSD[J/OL]. Brain Behav, 2023, 13(3): e2883 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/36791212/. DOI: 10.1002/brb3.2883.
[40]
LIEBERMAN J M, RABELLINO D, DENSMORE M, et al. A tale of two targets: examining the differential effects of posterior cingulate cortex- and amygdala-targeted fMRI-neurofeedback in a PTSD pilot study[J/OL]. Front Neurosci, 2023, 17: 1229729 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/38094001/. DOI: 10.3389/fnins.2023.1229729.
[41]
KRAKOWSKI M, HOPTMAN M J, CZOBOR P. Dysfunctional activation of the default mode network in response inhibition in schizophrenia[J/OL]. J Psychiatr Res, 2024, 180: 411-417 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/39536502/. DOI: 10.1016/j.jpsychires.2024.11.020.
[42]
HILLAND E, JOHANNESSEN C, JONASSEN R, et al. Aberrant default mode connectivity in adolescents with early-onset psychosis: a resting state fMRI study[J/OL]. Neuroimage Clin, 2022, 33: 102881 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/34883402/. DOI: 10.1016/j.nicl.2021.102881.
[43]
CAO C L, LIU W Q, HOU C S, et al. Disrupted default mode network connectivity and its role in negative symptoms of schizophrenia[J/OL]. Psychiatry Res, 2025, 348: 116489 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40203641/. DOI: 10.1016/j.psychres.2025.116489.
[44]
FAN F M, TAN S P, HUANG J C, et al. Functional disconnection between subsystems of the default mode network in schizophrenia[J]. Psychol Med, 2022, 52(12): 2270-2280. DOI: 10.1017/S003329172000416X.
[45]
PENG Y, ZHANG S, ZHOU Y Q, et al. Abnormal functional connectivity based on nodes of the default mode network in first-episode drug-naive early-onset schizophrenia[J/OL]. Psychiatry Res, 2021, 295: 113578 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/33243520/. DOI: 10.1016/j.psychres.2020.113578.
[46]
SASABAYASHI D, TAKAHASHI T, TAKAYANAGI Y, et al. Resting state hyperconnectivity of the default mode network in schizophrenia and clinical high-risk state for psychosis[J]. Cereb Cortex, 2023, 33(13): 8456-8464. DOI: 10.1093/cercor/bhad131.
[47]
RONG B, HUANG H, GAO G Q, et al. Widespread intra- and inter-network dysconnectivity among large-scale resting state networks in schizophrenia[J/OL]. J Clin Med, 2023, 12(9): 3176 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/37176617/. DOI: 10.3390/jcm12093176.
[48]
WANG Y M, CAI X L, ZHANG R T, et al. Altered brain structural and functional connectivity in schizotypy[J]. Psychol Med, 2022, 52(5): 834-843. DOI: 10.1017/s0033291720002445.
[49]
SENDI M S E, ZENDEHROUH E, ELLIS C A, et al. Aberrant dynamic functional connectivity of default mode network in schizophrenia and links to symptom severity[J/OL]. Front Neural Circuits, 2021, 15: 649417 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/33815070/. DOI: 10.3389/fncir.2021.649417.
[50]
XI Y B, GUO F, LIU W M, et al. Triple network hypothesis-related disrupted connections in schizophrenia: a spectral dynamic causal modeling analysis with functional magnetic resonance imaging[J/OL]. Schizophr Res, 2021, 233: 89-96 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/34246865/. DOI: 10.1016/j.schres.2021.06.024.
[51]
ADAMCZYK P, WIĘCŁAWSKI W, WOJCIK M, et al. Aberrant information flow within resting-state triple network model in schizophrenia-An EEG effective connectivity study[J/OL]. Psychiatry Res Neuroimaging, 2025, 349: 111985 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40121818/. DOI: 10.1016/j.pscychresns.2025.111985.
[52]
MARTIN-SUBERO M, FUENTES-CLARAMONTE P, SALGADO-PINEDA P, et al. Autobiographical memory and default mode network function in schizophrenia: an fMRI study-CORRIGENDUM[J/OL]. Psychol Med, 2021, 51(1): 129 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/32375924/. DOI: 10.1017/S0033291720001361.
[53]
ZHANG J H, TUSUZIAN E, MORFINI F, et al. Brain structural and functional neuroimaging features are associated with improved auditory hallucinations in patients with schizophrenia after real-time fMRI neurofeedback[J/OL]. Depress Anxiety, 2025, 2025: 2848929 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/40236821/. DOI: 10.1155/da/2848929.
[54]
BAUER C C C, OKANO K, GHOSH S S, et al. Real-time fMRI neurofeedback reduces auditory hallucinations and modulates resting state connectivity of involved brain regions: Part 2: Default mode network-preliminary evidence[J/OL]. Psychiatry Res, 2020, 284: 112770 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/32004893/. DOI: 10.1016/j.psychres.2020.112770.
[55]
PAOLINI M, KEESER D, RAUCHMANN B S, et al. Correlations between the DMN and the smoking cessation outcome of a real-time fMRI neurofeedback supported exploratory therapy approach: descriptive statistics on tobacco-dependent patients[J]. Clin EEG Neurosci, 2022, 53(4): 287-296. DOI: 10.1177/15500594211062703.
[56]
FEDE S J, KISNER M A, DEAN S F, et al. Selecting an optimal real-time fMRI neurofeedback method for alcohol craving control training[J/OL]. Psychophysiology, 2023, 60(11): e14367 [2026-02-09]. https://pubmed.ncbi.nlm.nih.gov/37326428/. DOI: 10.1111/psyp.14367.

上一篇 心脏磁共振诊断右心室巨大海绵状血管瘤1例
下一篇 基于rs-fMRI探讨针刺不同穴位治疗AD的脑效应特征研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2