尽管减肥手术是治疗肥胖症最有效的方法，但也有一部分受试者在手术后减肥效果不佳。因此，有必要了解体重下降差异背后的机制，并确定特定的基线生物标志物来预测最佳体重下降。空军军医大学Gang Ji等在Cerebral Cortex 杂志发表了一篇研究文章，该研究旨在检验基线大脑静息态功能连接是否能有效预测手术后的最佳体重减轻。该研究团队提出假设：基线大脑静息状态功能连接(RSFC)模式可以作为生物标记物，用于在减肥术后6个月对体重最佳和次优的肥胖患者进行分类，相关的RSFC模式将在控制认知控制、奖励、自我参照加工和显著性加工的关键大脑网络中。

      该研究团队采用功能磁共振成像(fMRI)技术分析基线全脑RSFC，集成了特征选择、特征转换和分类的多变量预测框架来前瞻性地识别在减肥术后6个月表现出最佳减肥效果的肥胖患者。将适用于小样本分析的多变量机器学习方法Siamese 网络和K-近邻(K-NN)级联作为分类器(Siamese-KNN)。

      图注：留一法交叉验证分类流程图。MAD被用来消除具有离群值的RSFC特征。在训练循环上，LOOCV将数据集分割为训练集和测试集。训练集用于特征选择和变换(虚线)，以及训练SiameseKNN分类器(虚线)。然后，利用构建的分类器对测试对象的标签进行预测。在所有循环之后，然后计算所有受试者的平均精确度。MAD：中位数绝对偏差；LOOCV：留一交叉验证；PCA：主成分分析；KNN:K近邻。

     在留一交叉验证中，Siamese-KNN达到了83.78%的准确率，大大高于传统分类器的结果。有助于预测的RSFC模式由与突显、奖励、自我参照和认知处理相关的大脑网络组成。

表注：Logistic回归（LR）、支持向量机（SVM）、反向传播神经网络（BPNN）和Siamese-KNN预测性能的比较

       进一步的RSFC特征分析表明，最佳减肥组（OWL）与次优减肥组（SOWL）相比，额叶和顶叶皮质之间的连接强度更强。

图注：边缘的大小反映了OWL组和SOWL组之间RSFC强度的差异

     综上所述，减肥术的减肥作用因人而异，个体之间大脑功能的差异可能会影响持续减肥的长期成功。基线的静息状态功能连接可以用来识别减肥术后体重减轻最佳的肥胖患者。促成预测的连接模式由大脑网络中复杂的多变量网络组成，这些网络成分与突显、奖励、自我参照和认知加工有关。与SOWL组相比，OWL组大鼠额叶皮质与顶叶皮质之间的功能联系增强，提示抑制控制能力的强弱可能影响术后的体重减轻。这些发现表明，特定的RSFC可以作为神经影像生物标志物来预测个体术后体重减轻，并辅助个体化诊断肥胖症的治疗。

原文出处：

Zhang Wenchao, Ji Gang, Manza Peter et al. Connectome-Based Prediction of Optimal Weight Loss Six Months After Bariatric Surgery. [J]. Cereb Cortex, 2020, DIO：10.1093/cercor/bhaa374

Tags： Cerebral Cortex:大脑静息态功能连接可以预测减肥术后效果