功能性近红外光谱成像技术在抑郁症诊断中的研究进展2026

功能性近红外光谱成像技术在抑郁症诊断中的研究进展2026抑郁症是一种高患病率、易复发且伴显著自杀风险的常见精神障碍，其核心临床特征为持续至少2周的心境低落和快感缺失，并常伴认知功能减退、情绪反应异常，以及在社会、职业或其他重要功能领域的显著受损

［

1］

。目前，抑郁症诊断主要依赖于医生对临床表现的主观评估，存在较强的主观性，诊断一致性易受医生经验及患者陈述配合程度的影响

［

2］

。因此，亟须一种客观、可靠且具有临床适用性的辅助诊断系统。随着神经影像学技术的进步，功能性近红外光谱成像（functionalnear-infraredspectroscopy，fNIRS）因其高生态效度、低成本和便携性等优势，成为临床研究和辅助诊断相关疾病的有力工具

［

3］

。该技术通过测量脑血流动力学变化，间接反映大脑功能活动，能够为抑郁症识别及诊断提供支持。现有研究表明，抑郁症患者与健康对照者及其他精神疾病患者在脑血流动力学活动上存在显著差异，特别是在血红蛋白浓度、积分值（integralvalue）和重心值（centroidvalue）、功能连接等方面。尽管对于上述指标能否作为确定性生物学标志物尚未达成共识，但已有证据支持其在鉴别诊断中具有潜在价值。本文将系统探讨fNIRS在抑郁症神经影像标志物识别中的研究进展，并评估其在辅助诊断与鉴别诊断中的临床应用潜力。一、fNIRS在临床中的优势：fNIRS设备由光学组件（发射器和探测器）、带信号处理器和算法的计算机及显示器组成。探测器和发射器放置在头部的不同区域，如前额叶、额叶、顶叶、颞叶等。每个发射器和探测器均被编码，用于识别不同脑区的血流动力学信号

［

4］

。fNIRS通过检测局部脑血氧变化间接反映神经活动代谢需求，其原理基于神经血管耦合机制：当特定脑区激活时，局部血流量增加，导致氧合血红蛋白（oxygenated-hemoglobin，Oxy-Hb）浓度上升，同时脱氧血红蛋白（deoxy-hemoglobin，Deoxy-Hb）浓度相对下降

［

5］

，因此，fNIRS不仅能提供大脑皮质激活的空间模式信息，还可实现对其血流动力学过程的实时监测。由于精神疾病常表现出特定的脑功能异常，fNIRS在识别这些神经功能改变时具有重要的临床价值

［

6］

。在临床应用层面，fNIRS具有较高的可操作性和实用性。其优势体现在便携性、低成本以及对运动伪迹的高容忍度方面。与功能磁共振成像、脑电图和脑磁图等神经影像技术相比，fNIRS设备体积更小巧，可灵活适用于门诊、病房及移动环境等多种场景

［

7］

。该技术具备较高的生态效度，可在模拟日常环境脑活动方面发挥优势，尤其适用于配合能力较差或无法长时间保持静止的群体

［

8］

。此外，fNIRS更好地平衡了空间分辨率和时间分辨率的优势，能够通过实时监测大脑皮质血氧波动捕捉激活的瞬时变化，并保持良好的空间定位精度，因此在识别抑郁症患者的大脑活动异常方面具有显著优势。二、fNIRS核心指标在抑郁症诊断中的应用1.血红蛋白浓度：fNIRS通过检测大脑血液中Oxy-Hb和Deoxy-Hb的浓度变化间接评估神经活动水平。已有研究表明，Oxy-Hb浓度与特定脑区功能激活程度存在相关，而Deoxy-Hb浓度的动态变化则可能反映神经活动代谢需求

［

9］

。在抑郁症的神经影像学特征研究中，前额叶皮质等脑区的功能异常已得到多项证据支持

［

10］

。与健康对照者相比，抑郁症患者在认知任务中普遍表现出前额叶及颞叶区域异常的Oxy-Hb浓度变化。例如，基于言语流畅性任务（VerbalFluencyTask，VFT）研究显示，抑郁症组额叶和颞叶等脑区Oxy-Hb浓度普遍低于健康对照组

［

11］

，且激活水平随着症状的加重而不断降低。症状较重的抑郁症患者背外侧前额叶皮质（dorsolateralprefrontalcortex，dlPFC）的Oxy-Hb浓度显著低于症状轻的患者

［

12,13］

。这一异常模式在青少年抑郁症患者中也得到了验证

［

14,15］

。此外，结构方程模型分析进一步支持在VFT中抑郁症患者前额叶和颞叶皮质区域Oxy-Hb浓度显著降低

［

16］

。然而，在涉及情绪调节的任务中，抑郁症患者dlPFC区域表现出与认知任务相反的激活模式。该区域抑郁症组Oxy-Hb浓度显著高于健康对照组

［

17］

，且与症状程度呈正相关趋势

［

18］

。Chao等

［

19］

通过声音诱导试验发现，与健康对照组相比，抑郁症组双侧腹外侧前额叶皮质（bilateralventrolateralprefrontalcortex，vlPFC）的激活显著减少，表现出情绪信息处理区域的特异性损伤。在跨精神障碍的比较研究中，抑郁症脑皮质激活模式表现出区别于其他精神障碍（如精神分裂症、双相障碍和焦虑症）的特异性特征。在与精神分裂症的比较研究中，抑郁症患者在执行认知任务时，双侧额上回及眶额皮质等区域的Oxy-Hb浓度显著高于精神分裂症患者

［

20,21］

。Xiang等

［

22］

联合使用VFT与伦敦塔任务发现，抑郁症和精神分裂症患者在前额叶皮质区域的Oxy-Hb浓度变化均减弱；与抑郁症相比，精神分裂症患者的下降幅度更大。此外，在伦敦塔任务中，精神分裂症组前额叶皮质未见显著激活，为两类疾病的初步区分提供依据。这些差异为利用fNIRS技术区分抑郁症和精神分裂症提供了初步依据。在与双相障碍的比较研究中，抑郁症患者在VFT中vlPFC区域表现出显著的Oxy-Hb浓度变化幅度下降

［

23,24］

。工作记忆任务研究也证实了这一差异，双相障碍患者的前额叶皮质Oxy-Hb浓度变化幅度显著小于抑郁症患者

［

25］

。尽管任务类型不同，但抑郁症和双相障碍在前额叶激活特征上均表现出显著差异，提示这种差异具有一定的跨任务稳定性。在抑郁症与焦虑症及其共病的鉴别研究中，单纯抑郁症患者在VFT中左侧dlPFC和内侧前额叶皮质（medialprefrontalcortex，mPFC）的Oxy-Hb浓度变化幅度显著小于焦虑症患者

［

26］

。然而，焦虑抑郁共病患者表现出相反的激活模式，即与单一抑郁症患者相比，焦虑抑郁共病患者在任务中dlPFC的Oxy-Hb浓度显著升高

［

27］

。此外，基于Oxy-Hb浓度信号的创新性频谱分析方法，也为解析焦虑抑郁共病的神经机制提供了新的技术路径。Wen等

［

28］

采用频谱分析的方法，分析VFT任务期间Oxy-Hb/Deoxy-Hb浓度的标准差与峰值振幅的比率（standarddeviation-to-peakratio，SD-to-peak），结果显示抑郁症组90%的患者该比率值大于20%；而焦虑抑郁共病组和健康对照组超过该阈值的比例约为40%，这一指标可能成为区分抑郁症和焦虑抑郁共病患者、健康对照者的重要标志。在需要进行情绪调节的任务中，与非焦虑抑郁共病患者相比，焦虑抑郁共病患者Oxy-Hb浓度显著升高

［

29］

。然而，目前针对抑郁症与精神分裂症、双相障碍及焦虑症在情绪调节任务中的差异研究证据仍然匮乏。基于fNIRS的神经影像学研究表明，抑郁症患者在认知及情绪任务条件下前额叶（如dlPFC、vlPFC）及颞叶等关键脑区皮质的Oxy-Hb浓度变化幅度显著异常，这些响应特征具有任务依赖性和疾病特异性；见

表1

。这些提示，Oxy-Hb浓度变化可作为潜在的客观影像学生物标志物，辅助抑郁症的早期识别、严重程度评估及治疗反应监测。2.积分值和重心值：积分值和重心值是反映局部脑血流变化的敏感标志，能够揭示大脑激活期间血红蛋白氧合浓度的时程变化，其以血红蛋白浓度变化为基础进行分析。积分值通过计算Oxy-Hb浓度—时间曲线下面积，反映任务诱导的神经血管耦合总强度，评估任务期间脑皮质的整体激活水平

［

30］

，其值越大，表明该区域的活动越强。重心值反映血氧曲线变化的重心位置，能够反映特定时间段内大脑活动的趋势。重心值越小表明神经代谢恢复速率越快

［

31］

。在抑郁症患者中，积分值与重心值表现出显著区别于健康对照者的响应模式。在认知任务中，抑郁症患者多表现为前额叶积分值显著降低

［

32,33］

，颞叶区域重心值升高

［

33］

。例如，在进行VFT和手指敲击任务时，抑郁症患者前额叶皮质积分值显著低于健康对照者。在消极情绪图片描述任务中，抑郁症患者的积分值进一步显著降低，且差异幅度增大

［

34］

。近年来，研究者进一步将积分值、重心值等指标作为时空特征嵌入机器学习框架中，显著提高了分类性能

［

31，35］

，例如，Li等

［

7］

发现支持向量机能够更准确区分抑郁症患者和健康个体。Mao等

［

36］

基于此进一步探索不同机器学习框架对分类性能的影响，将积分值、重心值等特征变量纳入多个模型进行分析，发现梯度提升决策树在区分抑郁症患者与健康个体方面表现出更优的鉴别能力。情绪相关任务中，抑郁症患者呈现与认知任务相反的激活趋势，如在快乐词语任务中其额极皮质积分值显著高于健康对照者

［

37］

，可能反映了存在情绪加工环路功能代偿作用。在跨疾病鉴别方面，积分值和重心值具有良好的识别效能。在与精神分裂症的区分研究中，Takizawa等

［

30］

基于大样本研究发现，在完成认知任务（如VFT任务）时额叶和dlPFC区域的积分值及颞叶区域的重心值特征能有效区分重度抑郁症患者（准确率74.6%）与精神分裂症/双相障碍患者（合并准确率85.5%）。与双相障碍的区分研究中，Husain等

［

38］

研究发现，当分类阈值为24时，ROC曲线下面积为0.82（95%

CI=0.66~0.97），抑郁症组78.6%的患者（11/14）被正确分类，双相障碍组为80.0%（12/15），提示该指标在两种情感障碍的鉴别中具有较高的区分度。此外，Wei等

［

31］

也证明了该方法在我国精神疾病患者群体中的适用性。基于对316例精神障碍患者和101名健康对照者的分析显示，ROC分析中的积分值和重心值能够显著区分抑郁症、精神分裂症、双相障碍与健康对照。这亦提示该方法在抑郁症筛查及鉴别诊断中具有潜在应用价值

［

31，39］

。在与焦虑抑郁共病的区分研究中，基于积分值与重心值构建的深度学习模型对抑郁症、焦虑症和焦虑抑郁共病患者的识别准确率最高达77.19%

［

40］

。然而，目前基于情绪任务探讨积分值与重心值指标鉴别抑郁症与精神分裂症、双相障碍及焦虑症的研究仍然较少。积分值与重心值可分两层揭示抑郁症的特异性。一是在抑郁症与健康对照的鉴别中，表现出积分值降低、重心值升高的稳定模式；二是在精神疾病谱系内部分类中，结合机器学习模型可显著提升鉴别诊断的敏感性与特异性。当前证据支持将积分值与重心值作为量化生物学标志物纳入抑郁症的辅助诊断框架，未来需进一步在更大样本和更统一的任务范式中验证其临床适用性；3.功能连接：功能连接是指大脑中不同区域间的协同活动，即在特定任务或状态下，这些区域的神经活动表现出一定的相关性或同步性。这种连接不仅揭示了不同脑区之间血氧信号的相关性，还提供了大脑在执行认知任务、处理感觉信息及情绪调节等协调机制方面的协同活动强度。抑郁症患者通常伴有情感和认知功能的显著受损，因此相关研究重点关注与情感和认知相关的前额叶皮质网络。抑郁症患者功能连接异常具有跨状态的普遍性。在静息态下的研究中，多项证据显示抑郁症患者额颞叶区域存在广泛的功能连接减弱

［

41,42］

。具体而言，抑郁症患者在双侧前额叶皮质、dlPFC和右侧颞上回的功能连接强度显著减弱

［

43］

。静息态的功能连接异常还表现为在半球间的相关性变化，1项研究显示，抑郁症患者的额下回和额中回左右半球连通性显著弱于健康对照者

［

44］

。在任务态的研究中，抑郁症患者功能连接呈现特征性的异常与低效，提示其原有的代偿机制可能不足。认知任务研究显示，与健康对照组相比，抑郁症组dlPFC、vlPFC和眶额皮质等区域半球间协同效率下降

［

45,46］

。另外，采用机器学习随机森林分类模型的方法发现，fNIRS-VFT中的功能连接特征能准确区分抑郁倾向个体和健康对照者

［

47］

。此外，青少年抑郁症患者在任务状态下也表现出与成人患者相似的功能连接模式。例如，1项针对青少年抑郁症患者的研究显示，在执行任务期间，其大脑多个通道之间的血氧信号同步性（即通道间功能连接强度）显著低于健康对照组

［

48］

。Rosenbaum等

［

49］

对老年抑郁症患者的研究显示，任务期间眶额皮质、vlPFC和额下回区域的功能连接中断。情绪相关的任务中，抑郁症组识别面部情绪时，与健康对照组相比，左侧前额叶皮质的局部功能连接及双侧前额叶皮质之间的半球间连接均存在异常

［

50］

。Wu等

［

51］

通过分析抑郁症患者在任务中动态的功能连接网络，将音频刺激呈现给被试以诱发其情绪，结果发现在消极刺激过程中，抑郁症患者上额回区域激活时间更长，而额中回区域激活持续时间则较短。这些研究共同提示，前额叶功能连接异常可能是贯穿不同年龄群体的抑郁症神经标志。功能连接作为潜在神经标志，在抑郁症的跨疾病比较研究中仍相对稀缺。目前，关于抑郁症与精神分裂症的功能连接直接比较的研究相对有限，相关工作多聚焦于精神分裂症与双相障碍的区分。例如，Eken等

［

52］

利用任务态（眼神心智阅读测试）的动态功能连接特征，通过机器学习区分了精神分裂症与双相障碍（准确率最高75.5%）。这提示功能连接（尤其是动态特性）在精神疾病鉴别中的可行性。目前直接比较抑郁症与双相障碍功能连接差异的研究较少。李同心等

［

53］

关注双相抑郁的fNIRS功能连接特征，发现患者在情绪任务中存在广泛的前额-颞叶等功能连接减弱及网络拓扑属性（如聚类系数、小世界系数）异常，与抑郁症患者的研究结果

［

41，54］

有相似之处，提示可能存在相似的网络连接缺陷，但也可能存在严重程度或模式的差异。与焦虑抑郁共病研究的区分中，Ding等

［

55］

研究发现，认知任务中单纯抑郁症组特定网络（左颞上回和中央前回）的连接强度显著低于焦虑抑郁共病组和睡眠障碍组。这提示功能连接模式可能有助于区分单纯抑郁症与共病状态或伴发睡眠问题的群体。另外，功能连接的现有研究多以认知任务为基础，针对情绪调节相关任务在不同精神障碍间的区分效能仍显不足。未来应进一步引入以情绪加工与调节为核心的任务范式，系统比较抑郁症与其他精神障碍（如精神分裂症、双相障碍、焦虑症）在任务态功能连接特征上的差异，以提升对情绪障碍的特异性识别能力，并拓展功能连接在临床诊断与干预评估中的应用价值。已有证据在不同状态（静息/任务）和不同群体（青少年/成人）中均观察到抑郁症患者前额叶皮质功能连接减弱的趋势，特定脑区间的功能连接强度及其动态网络特征在抑郁症的识别中具有潜在价值；见

表3

。然而，当前研究多局限于认知任务范式，情绪任务下的跨障碍比较仍显不足；此外，连接异常的疾病特异性及临床应用稳定性亦有待通过大样本、多中心研究加以验证。未来需结合纵向设计、多模态数据融合与机器学习方法，进一步明确功能连接在抑郁症分型、鉴别及疗效预测中的价值。三、总结与展望尽管临床研究表明，fNIRS在抑郁症的识别及诊断方面具有一定的潜力，但当前研究大多集中在揭示抑郁症与健康对照者的差异，而在与其他主要精神疾病的鉴别诊断方面的系统证据仍显不足。由于抑郁症和其他精神疾病常常同时出现，症状可能交织和相互影响，为抑郁症识别带来了挑战。另外，现有针对不同年龄段（青少年、老年）抑郁症的特异性神经模式fNIRS研究也相对匮乏。因此，未来研究需要更多关注共病状态下的特征辨识及更广泛的鉴别诊断研究。1.加强鉴别诊断与年龄特异性研究：基于目期研究现状，未来fNIRS在抑郁症研究中需重点突破以下方向：其一，提升鉴别诊断效能。现有工作多基于认知范式，与症状核心更贴近的情绪调节任务明显不足，后续研究应围绕抑郁情绪诱发与调控设计严谨的病例对照试验，结合Oxy-Hb浓度的时空模式、积分值与重心值、静息/任务态功能连接、动态网络特性及拓扑指标等多维信息，系统比较抑郁症与精神分裂症、双相障碍及焦虑症，筛选高敏感、高特异的生物标志物及其组合。其二，阐释年龄特异性。需开展覆盖儿童、成人至老年的纵向研究，描绘fNIRS指标随神经发育与衰老变化的轨迹，探讨其与抑郁症病理交互对脑血流动力学与脑功能网络拓扑结构（如小世界性、全局效率、模块化等）的影响，并据此构建分龄常模、标准化任务范式与解释框架。2.基于fNIRS测量的标志物建立抑郁症诊断模型：未来研究需致力于发展基于多模态fNIRS特征的智能鉴别模型，整合前述多维度fNIRS特征（浓度动态、积分值/重心值、功能连接、网络指标），并结合临床、认知、行为数据，利用先进的机器学习（如深度学习、图神经网络）和人工智能算法，构建能够有效区分抑郁症与核心鉴别疾病（如精神分裂症、双相障碍抑郁相、广泛性焦虑症），以及识别不同抑郁亚型（如伴焦虑、伴精神病性症状、忧郁型等）的客观辅助诊断和鉴别诊断工具。此外，还需认识到数据分析方法应针对抑郁症患者的个体差异进行优化，以筛选出具有临床转化价值的关键表型。尽管部分研究报道的分类模型准确度≥80%

［

56,57］

，但其稳定性仍有待加强。例如，Husain等

［

38］

和Wei等

［

31］

在Takizawa等

［

30］

基础上，采用ROC曲线分析积分值和重心值在识别精神障碍患者和健康对照者中的分类性能，然而3项研究结果仍存在明显差异。这种差异可能源于数据来源、样本规模、特征选择、模型误差率及特异性等多方面因素。因此，未来研究需结合具体临床需求和fNIRS的应用场景，进一步优化分类模型的准确性和稳定性。3.精细探索抑郁症功能连接网络：大脑功能连接具有动态性，尤其在任务诱发神经活动的过程中，动态功能连接能够揭示大脑区域间的时序变化及复杂交互模式。目前，只有少部分研究基于fNIRS探索抑郁症的动态功能连接网络，这对于理解其神经机制至关重要，因此亟需开展大量相关研究。Eken等

［

52］

通过动态功能连接分析精神分裂症与双相障碍患者，基于机器学习方法实现了这两类精神疾病与健康对照的区分。尽管特异性尚未达临床诊断标准，但支持向量机算法的结果显示动态功能连接网络在精神疾病鉴别中的潜在应用价值。另外，大多数关于抑郁症患者fNIRS研究仍集中于全局分析，缺少精细网络层面探索的研究。特定的网络功能障碍，例如额顶网络的连通性异常，可能是抑郁症认知控制缺陷和情绪调节障碍的关键原因。额顶网络在自上而下的注意力调控与情绪调节中具有重要作用，其内部功能连接的紊乱或许与抑郁症患者在集中注意力和情绪控制方面的障碍密切相关

［

58］

。因此，未来研究可针对功能网络、功能障碍及动态功能连接进行分类探索，深入揭示抑郁症的病理机制，并考察这些网络特征在不同年龄段患者中的表现及演变规律。4.融合多模态神经成像模式：目前，抑郁症fNIRS相关研究主要采用认知或情绪加工任