PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關(guān)注，點亮星標 ??

不錯過每日前沿資訊

認知神經(jīng)科學前沿文獻分享

基本信息：

Title:Linking speech patterns to brain structure in affective and psychotic disorders: an integrative natural language processing approach

發(fā)表時間：2025.11.20

Journal:Molecular psychiatry

影響因子：10.1

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

語言不僅是溝通的工具，更是思維的窗口，在抑郁癥、雙相情感障礙和精神分裂癥等嚴重精神疾病中，語言障礙往往是核心癥狀之一。然而，傳統(tǒng)的臨床評估通常依賴醫(yī)生的主觀判斷，難以捕捉到微小的語言異常，也難以在大規(guī)模人群中進行量化推廣。雖然過去的研究已經(jīng)注意到語言紊亂與腦結(jié)構(gòu)改變有關(guān)，但大多數(shù)研究僅局限于單一疾病診斷，未能跨越不同的精神疾病類別去尋找共性的神經(jīng)生物學機制。這項發(fā)表于 Molecular Psychiatry 的最新研究，利用自然語言處理（NLP）技術(shù)結(jié)合多模態(tài)磁共振成像，在包含情感障礙和精神障礙的跨診斷大樣本中，深入探索了“由于什么樣的大腦結(jié)構(gòu)，導致了我們怎樣的說話方式”這一科學問題。

核心發(fā)現(xiàn)

研究團隊招募了包括重度抑郁癥、雙相情感障礙、精神分裂癥譜系障礙患者及健康對照組在內(nèi)的372名參與者，通過圖片描述任務(wù)采集了自然語言數(shù)據(jù)，并利用因子分析提取出三個核心語言維度：句法復雜性、詞匯多樣性與流暢度、以及狹窄的主題聚焦。研究發(fā)現(xiàn)，這些通過 NLP 提取的語言特征并非隨機波動，而是與大腦的灰質(zhì)體積和白質(zhì)纖維束完整性存在顯著關(guān)聯(lián)。具體而言，句法越簡單、詞匯越貧乏，往往對應著額顳葉白質(zhì)纖維束完整性的下降；而語言主題越狹窄，則與右側(cè)后島葉灰質(zhì)體積減少有關(guān)。

Fig. 1 Negative Correlation between NLP Speech Factor Narrow Thematic Focus and Gray Matter Volume (N = 303).

Fig 1展示了“狹窄主題聚焦”這一語言特征與腦灰質(zhì)體積的關(guān)聯(lián)。結(jié)果顯示，當受試者的語言內(nèi)容傾向于重復、自我指涉或局限于狹窄主題時，其右側(cè)后島葉（藍色區(qū)域）的灰質(zhì)體積顯著減少，該區(qū)域與自我意識和語言處理密切相關(guān)。

Fig. 2 Negative Association between NLP-Derived Speech Factors and White Matter Structure.

Fig 2A揭示了“句法復雜性”與大腦白質(zhì)微結(jié)構(gòu)的聯(lián)系。分析發(fā)現(xiàn)，句法復雜程度較低（即句子結(jié)構(gòu)簡單）與左側(cè)丘腦前輻射和鉤束（圖示藍色纖維束）的各向異性分數(shù)（FA）降低有關(guān)，這兩條通路是連接額葉與顳葉、負責高級認知與記憶整合的關(guān)鍵橋梁。Fig 2B則進一步展示了“詞匯多樣性與流暢度”的神經(jīng)基礎(chǔ)。詞匯貧乏和不流暢的表達，不僅涉及上述纖維束，還廣泛關(guān)聯(lián)到下縱束和上縱束的結(jié)構(gòu)完整性受損，表明豐富的語言表達依賴于大腦廣泛且健全的白質(zhì)網(wǎng)絡(luò)連接。

臨床意義與啟示

這項研究不僅驗證了自動化語言分析在精神病學中的應用潛力，更揭示了語言障礙背后的跨診斷神經(jīng)機制。研究表明，無論患者具體的診斷標簽是什么，特定的語言模式（如句法簡化或主題狹窄）都穩(wěn)定地反映了特定的腦結(jié)構(gòu)異常。這意味著，NLP衍生的語言指標有望成為一種客觀、可擴展的生物標記物，輔助醫(yī)生識別那些傳統(tǒng)量表難以捕捉的細微認知損傷。此外，發(fā)現(xiàn)語言特征與特定白質(zhì)纖維束和島葉結(jié)構(gòu)的強關(guān)聯(lián)，為理解精神疾病中“語言-思維-大腦”的復雜互動提供了新的解剖學證據(jù)，提示未來或許可以通過監(jiān)測語言變化來間接評估大腦結(jié)構(gòu)的健康狀況。

省流總結(jié)

這項針對372名參與者的跨診斷研究，利用自然語言處理技術(shù)（NLP）量化了自然語言特征，并首次在大樣本中證實了這些特征與大腦結(jié)構(gòu)之間存在穩(wěn)固的對應關(guān)系。簡而言之，你說話句子的復雜程度和詞匯的豐富度，直接反映了你大腦額顳葉白質(zhì)網(wǎng)絡(luò)的連接質(zhì)量，而說話內(nèi)容的狹窄程度則映射了島葉灰質(zhì)的體積變化。這一發(fā)現(xiàn)為利用NLP語音分析作為精神疾病的客觀生物標記物提供了堅實的神經(jīng)科學依據(jù)。

請打分

這篇剛剛登上Molecular psychiatry的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區(qū)分享您的深度見解。

前沿交流|歡迎加入認知神經(jīng)科學前沿交流群！

核心圖表、方法細節(jié)、統(tǒng)計結(jié)果與討論見原文及其拓展數(shù)據(jù)。

分享人：天天

審核：PsyBrain 腦心前沿編輯部