Clarifying Fundamental Role of Symbol Coding in Cognitive Networks in Schizophrenia and Healthy Controls Leveraging Gaussian Graphical Models and Bayesian Networks.
研究背景
精神分裂症患者认知障碍会引发日常功能连锁反应，单一障碍可能影响整个认知系统。但个体神经心理学测量间的相对依赖性尚不明确。本研究旨在用高斯图模型（GGMs）和贝叶斯网络分析，探讨符号编码在患者和健康对照组认知网络中的核心作用。
方法速览
研究纳入522名患者和505名健康对照，参与者完成MATRICS共识认知电池（MCCB）中9项测试。用GGMs评估无向关系，贝叶斯网络分析有向关系，经网络估计等探讨测试间相互依赖和方向性。
主要发现
- 符号编码核心地位：符号编码在两组认知网络中均为核心，与其他测试有下游关联。两组无向网络有显著边差异，如持续性表现测试与空间跨度、符号编码与情绪管理间关联。
- 与情绪管理关联：患者网络中符号编码与情绪管理有独特连接，可能是精神分裂症稳定特征。
- 组间差异：患者认知网络更密集、相互依赖更强，缺乏功能模块化。患者网络中空间跨度是第二重要节点，使网络更复杂易受损。
- 与其他能力关联：患者中符号编码是Maze等测试的父节点，其与这些测试的关联获贝叶斯网络分析验证。符号编码以更直接方式测处理速度，TMT‑A等需更多认知努力。
- 网络稳定性和相似性：Jaccard相似性系数0.375，两组网络结构中等相似，患者网络密度和依赖性更高，反映其认知系统脆弱。
总结展望
本研究首次在国内用GGMs和贝叶斯网络分析认知测试关系，揭示符号编码核心地位及与情绪管理的稳定关联，有助于理解认知障碍机制。干预若针对符号编码等核心测试，或对其他认知功能有更广泛影响。不过研究有局限，依赖横断面数据，未实验控制药物效应，社会认知任务较局限，未来需进一步研究。