作者：张雨杨，张宇清，首都医科大学宣武医院神经外科

1.PD情感障碍的临床现状与神经外科调控困境

1）概述

帕金森病(Parkinson's disease，PD)是全球第二常见的神经退行性疾病，已成为人口老龄化背景下的重要公共卫生问题。2021年数据显示，中国PD患者数量已达508万。PD是一种慢性、进展性的中枢神经系统疾病，其典型表现为运动功能障碍。然而非运动症状在疾病进程中同样占据重要地位，甚至在典型运动症状出现前即已存在。其中，情感障碍，尤其是抑郁与焦虑，是最常见的非运动症状之一，其患病率高达40%~60%。

在PD患者中，情感障碍与运动障碍之间存在双向恶性循环：运动症状可诱发或加重情感障碍；情感障碍又可加剧运动和认知功能衰退，导致治疗反应性与依从性下降，严重影响整体疗效和社会功能。另外，不同情感障碍间也存在共病和相互加重机制。一项研究指出，PD抑郁与运动症状中的冻结步态，非运动症状中的焦虑、疲劳、冷漠等多种因素有关。

另有研究表明，PD焦虑的风险因素包括非运动症状中的抑郁症状加重(HAMD升高)、快速眼动期睡眠行为障碍(RBD-HK升高)等。另外，焦虑与PD 运动症状之间形成双向反馈机制。例如，预期性焦虑可以诱发或加重震颤、运动迟缓等表现，而这些运动症状的恶化又可以进一步加重焦虑情绪，最终形成恶性循环。因此，情感障碍不仅是PD的重要共病表现，也对疾病管理与神经外科干预提出挑战。

2）从开环DBS到情绪闭环调控的挑战

在PD 外科治疗领域，脑深部电刺激(Deep Brain Stimulation，DBS)已在控制运动症状方面获得广泛认可，尤其是开环DBS系统在缓解震颤、运动迟缓与肌张力障碍方面成效显著。然而，作为PD重要的非运动症状，情感障碍的干预效果仍较为有限，暴露出当前神经外科技术在刺激模式上的单一性与疾病症状复杂性之间的突出矛盾。目前对情绪的评估主要依赖主观量表，这些方法呈现出离散、间断和非实时性的特点，难以动态捕捉调控干预后的即时情绪波动。

此外，个体神经特征存在差异，研究显示，即使在典型的情绪通路(如杏仁核-海马体)中，β频段coherence变化也仅能解释约62%的个体情绪状态波动。因此，情绪识别需要更丰富的测量维度，为建立更个性化的神经调控模型做准备。

近年来，越来越多研究聚焦于多模态情绪识别系统的构建，通过集成脑电图(EEG)、皮肤电反应(GSR)、心率变异性(HRV)、眼动、语音、面部表情等多个维度，构建情绪状态的动态画像。已有研究指出：在情绪分类任务中，EEG、GSR和HRV 的单模态模型分别达到74.2%、70.8%和67.5%的准确率，而三者融合的多模态模型准确率则可提升至86.9%，因此多模态模型能显著提高鲁棒性与泛化能力。该模型为构建闭环神经调控系统中的“情绪状态解码模块”奠定了坚实基础。

在神经外科手术技术中，开环DBS向闭环DBS转变被认为是一种有潜力的发展方向。目前PD运动障碍治疗中已有闭环系统以丘脑底核β频段(13~30Hz)局部场电位信号为神经标志物调整刺激模式，已有研究表明此种刺激方式在提高患者生活自理能力方面优于传统开环方式。然而，这些调控方式主要针对运动的神经标志物展开，尚无公认的情绪状态标志物。若要实现针对情感障碍的实时闭环干预，必须首先突破情绪识别的神经指标、行为信号及其信号融合路径。

2.PD情感障碍的临床识别挑战与病理机制基础

1）PD情感障碍的识别困境

识别PD焦虑和抑郁症状面临诸多共性障碍，主要涉及诊断标准、评估工具及疾病复杂性等方面。例如，神经外科医师多关注运动症状，情绪症状易被忽视。研究显示，PD 患者抑郁与焦虑的识别率仅分别为35%与42%。情感障碍识别困难主要源于以下四方面的结构性挑战：①症状重叠：PD的核心运动症状(如动作迟缓、面具脸)与非运动症状(如疲劳、睡眠障碍)与抑郁和焦虑表现高度交叉，易导致情绪症状易被掩盖或误判；②主观低估：患者常因认知受损、病耻感或表达困难，主动低估或隐瞒情绪问题，影响评估的真实性；③评估工具适配性不足：常用量表(如HAMD、HADS、BAI、MADRS等)多基于非PD人群开发，部分条目与PD原发症状重合，易产生假阳性或鉴别困难；④操作局限性：量表评定耗时，且依赖患者主观回应，结果易受“开关”波动和药物影响，稳定性与可重复性较差。

另一方面，PD情感障碍呈现出显著的非典型特征，进一步增加识别难度。在抑郁症状中，PD患者更多表现为烦躁、悲观及显著的躯体化症状，(如疲乏)；而典型抑郁症中的自责和自杀意念在PD人群中相对少见。在焦虑症状中，PD患者可表现为广泛性焦虑障碍、社交恐惧、惊恐障碍等。该类焦虑多源于对跌倒、运动能力突然丧失的担忧，与运动限制和社交回避行为密切相关，此心理生理机制明显区别于原发性焦虑障碍。在明确PD情感障碍的非典型性与多重识别困境的基础上，当前临床评估工具在PD人群中的适配局限，已成为实现精准识别的重要瓶颈。

在抑郁评估中，PD原发的运动迟缓、疲劳、面具脸及认知障碍所致的思维迟缓，易被HAMD、GDS、HADS、BDI及MADRS等量表误判为“兴趣减退”“情绪低落”及抑郁症核心症状。研究显示，HAMD中约60%条目与PD症状重叠，易导致评分虚高。

临床中常采用调整临界值、联合运动症状评估等方法进行补救，但这仍难以解决根本问题。而在焦虑评估中，BAI侧重于惊恐相关躯体症状(如呼吸困难、心悸)，易与PD 自主神经紊乱症状相混淆；HARS所涵盖的紧张、无法放松等症状也可能受肌强直或动作迟缓的干扰而难以鉴别。此外，这些量表在PD人群中的阳性预测值普遍较低，限制其在临床筛查与干预决策中的实际效用。

综上所述，PD患者情感障碍的识别困难具有普遍性与系统性。因此，开发适用于PD人群、兼具高特异性与灵敏度的评估体系，亟需成为PD情感障碍识别和治疗的重要方向。

2）PD情感障碍的神经环路机制与多系统失调基础

PD患者的抑郁与焦虑等情感障碍，与特定神经环路的结构与功能异常密切相关，其病理机制涉及神经递质系统紊乱、脑区代谢异常等多个方面。在抑郁机制方面，前额叶-皮质下环路的功能障碍被认为是核心环节。多巴胺能神经元变性导致眶额皮质功能受损，影响5-羟色胺(5-HT)系统的调节功能。影像学研究显示，PD抑郁患者常表现为尾状核头部和额叶下眶区的葡萄糖代谢减退、皮质-边缘网络内的白质丢失等改变。单胺类系统异常亦广泛参与此过程，包括腹侧被盖区(VTA)神经元减少、黑质纹状体通路功能障碍、去甲肾上腺素能系统的蓝斑核变性及转运体结合减少等。

焦虑症状亦伴随特定神经功能异常。其表现出杏仁核与眶额皮层功能连接增强、双侧额叶ReHo升高及右侧小脑降低等特征。多巴胺系统在焦虑调节中作用显著，PD伴焦虑症状患者焦虑程度可随左旋多巴剂量增加而缓解。5-HT 系统中，5-HT1A参与调控谷氨酸与多巴胺释放，因此受体功能障碍可能引发焦虑，相应药物在改善焦虑方面有效。去甲肾上腺素系统方面，蓝斑核活动增强与慢性焦虑相关。

综上所述，以抑郁、焦虑症状为例，PD 情感障碍涉及多条皮层-边缘-脑干环路和递质系统的协同失调，为临床识别与靶向干预提供了神经网络层面的基础支持。

3.多模态生物标志物在识别情感障碍中的研究进展

1）脑电生理标志物

神经电生理标志物(如脑电图、磁脑图、局部场电位等)凭借毫秒级时间分辨率，广泛用于情感障碍的识别、分型及疗效评估。其中EEG作为一种低成本、非侵入性工具，已成为研究情感障碍电生理机制的重要手段。抑郁障碍特征EEG表现包括：额叶α波左侧优势(反映负性情绪偏向)；β波左顶枕区功率升高(提示神经活动增强)；整体α波功率下降(可能与皮层抑制不足有关)；微状态C活动减少(表明显著性网络功能受损)；1/f噪声斜率异常(反映大脑背景活动整合能力下降)。

这些特征为抑郁提供了潜在EEG 生物标志物。PD 焦虑状态同样表现出特征性的脑电模式，表现为额顶叶δ波增强与额叶β波减弱；δ、θ、γ波连接增强而α、β波连接减弱，这种特征多累积额叶、颞叶、边缘系统等情绪调控脑区；基于上述特征构建的频谱签名分数(SSS)与网络签名分数(NSS)可有效区分PD焦虑与非焦虑患者，且与BAI评分相关，显示出预测焦虑风险的潜力。因此，EEG在识别PD相关情感障碍中具有显著优势，是构建闭环神经调控系统中情绪识别模块的关键生物信号来源。

2）神经影像学标志物

神经影像学技术(如fMRI、PET、DWI等)可多维度揭示脑结构与功能异常，为情感障碍识别提供客观、可量化的生物标志物。抑郁患者常表现为默认模式网络(DMN)与边缘系统(如杏仁核、前扣带回)功能连接减弱，前额叶-边缘环路连接降低。静息态fMRI研究显示，背内侧前额叶皮质(dmPFC)、前扣带回(ACC)与杏仁核的连接降低，且与抑郁严重程度相关，具有潜在的诊断价值。

焦虑障碍患者则在多层级影像指标上表现异常：功能连接方面，杏仁核与前额叶、扣带回连接降低，提示恐惧与情绪调节环路异常，而DMN与突显网络连接紊乱，可能反映情绪处理与自我参照加工的失衡；局部活动上，前额叶与舌回ALFF降低、楔前叶升高，ReHo分析亦显示相似趋势；在网络结构上，独立成分分析(ICA)揭示突显网络连接异常，如社交焦虑障碍患者突显网络左侧眶额皮层连接降低、左侧缘上回增强；图论分析显示关键节点(如眶额皮层、颞中回)中心性降低。

综上所述，神经影像技术不仅有望成为帕金森病相关情感障碍的早期识别工具，还可以为多模态情绪调控机制的深入研究提供关键支撑。

3）数字生物标志物

数字生物标志物是指通过数字化设备(如眼动仪、可穿戴传感器、摄像头)获取的、可重复且客观的行为数据，具有实时、无创、连续等优势，正在成为情感障碍识别的重要补充手段。眼动追踪技术作为其中代表性工具，通过非侵入、高时空分辨率的方式实时捕捉注意偏向等行为特征，在情感障碍多模态识别中展现出重要价值。其核心优势包括实时反馈、高精度情绪加工异常的识别、早期预警潜力、良好的临床可及性。

研究表明，抑郁与焦虑状态可分别诱发特征性的眼动行为模式。抑郁个体在晚期注意维持阶段表现出对负性刺激的过度注视和对正性刺激的注意脱离，提示情绪加工中的负性偏向。社交焦虑障碍(SAD)患者则表现为对所有情绪面孔注视时长显著减少，呈现“情绪回避”倾向；对愤怒面孔的早期注视概率更高，提示对威胁性信息的过度警觉；其在进行自由观看任务时扫描路径更长、策略更复杂，提示其情绪整合能力受损；任务类型和刺激时长也显著影响其眼动模式，体现了其情绪处理的高度情境依赖性。综合以上分析，眼动指标作为一种敏感、客观的标志物，在未来情感障碍的多模态评估与识别系统中具有重要应用潜力。

4）多模态融合与机器学习在PD情绪识别中的创新路径

多模态融合与机器学习建模为PD情感障碍的精准识别提供了新路径。该方法通过整合脑电、影像、生理、行为等多源数据有效弥补了单一模态在表征情绪状态时的局限。其优势包括：增强模态间互补和鲁棒性，通过交叉验证提升识别稳定性；利用预训练模型(如BERT、CLIP)减少人工特征工程依赖；基于非侵入式采集方式的同时提高评估的客观性；借助多模态注意力机制(如STA、MAFF)，动态学习模态间关联权重，强化情绪关键词与微表情等关键信号的联动特征，同时抑制背景干扰；结合3D卷积网络和循环神经网络实现对行为线索的多尺度动态建模，支持细粒度情绪识别；具备跨文化适应性，如Wav2Vec2.0-XLSR模型在多语言环境下保持良好效度。

当前模态融合策略已涵盖视听信号、语言-生理信号、神经影像-电生理信号，以及行为-生理信号整合等多种组合方式。另外，联邦学习等新兴技术进一步助力多中心数据协同建模，显著提升了模型的泛化能力与识别精度，为PD情感障碍的闭环神经调控奠定了坚实的数据基础。

4.小结与展望

综上所述，PD情感障碍的识别仍面临临床表现非典型、与运动症状重叠及评估工具不适配等识别难点，其神经机制复杂，涉及多条神经环路和系统。通过多种标志物使用多模态融合与机器学习建模的方法，能显著提升情感障碍识别精度与鲁棒性，为客观化评估提供了新思路。目前，PD的治疗范式正逐渐从单纯控制运动症状逐渐发展为兼顾运动与非运动症状的综合干预，情感障碍的识别与调控正成为新的研究重点。

情感脑机接口(affective brain-computer interface，aBCI)通过实时解析神经电生理与行为信号，可实现对情绪状态的客观识别、动态解码与反馈调控，这为PD情感障碍的闭环管理与个性化干预提供新的技术路径。作为aBCI的重要实现形式，闭环DBS系统未来有望以多模态情绪识别为核心，融合EEG、眼动及生理信号等高时间分辨率数据，借助机器学习实现刺激参数的自适应调控，从而克服传统开环DBS应对情绪波动和个体差异方面的局限。

然而，目前闭环系统仍面临诸多挑战，包括信号采集易受干扰、模型泛化能力不足、设备便携化与用户体验有待提升等问题。未来研究应聚焦于情绪相关神经标志物的识别与算法优化，推动“从识别到调控”的技术闭环构建，为帕金森病情感障碍的个体化精准治疗提供新的理论和技术支撑。

来源：张雨杨，张宇清.帕金森病情感障碍的多模态识别研究进展与闭环调控展望[J].立体定向和功能性神经外科杂志，2025，38(05)：315-320.DOI：10.19854/j.cnki.1008-2425.2025.05.0010.