耶鲁研究识别两条睡眠与精神症状跨诊断维度 映射至不同脑网络

近日，耶鲁大学研究团队在medRxiv发布预印本论文，提出主观睡眠紊乱与精神病理之间存在两条可分离的跨诊断维度，并各自对应独特的全脑连接网络特征。

研究依托YaleNeuroConnect队列，纳入260名诊断多样的受试者，采用典型相关分析将匹兹堡睡眠质量指数（PSQI）的7个分量表得分与55项涵盖临床、情感、认知与人际功能的测量联系起来，再借助网络基础统计将所得维度映射至静息态功能连接数据。

结果显示，第一条维度为主导且经交叉验证，关联广泛的主观睡眠紊乱（尤其是日间功能障碍）与总体症状负担，包括总体严重程度、知觉压力与疲劳；其脑网络特征为默认模式网络与额顶网络及小脑系统耦合下降、小脑-皮层下耦合减弱，以及躯体运动网络与高阶系统耦合增强。第二条维度更为局限，关联较短睡眠时长与较长入睡潜伏期，伴随自信及正性情感降低、情感与知觉敏感性升高；其网络特征为小脑-背侧注意系统耦合增强、默认模式网络与注意或小脑系统耦合减弱。

研究者指出，睡眠并非精神障碍中简单的共病症状，而是跨诊断精神病理的一个多维组织特征。区分广泛的睡眠相关痛苦与睡眠启动及敏感性相关特征，有望为基于脑的精准分层以及针对睡眠维度的干预提供依据。

【空音视角】 本研究最有价值的方法论启示，是把主观睡眠拆解为多条独立维度、而非依赖单一总分，并证明不同维度对应可分的脑网络模式，这对临床睡眠评估的颗粒度提出了更高要求。从非接触式睡眠监测从业者的视角看，WiFi感知等无感采集方式能够持续输出呼吸、运动及睡眠分期相关信号，理论上可为类似研究提供比PSQI更客观、更细分的睡眠输入；其与脑成像手段的结合，亦有望在精神疾病早期分层与干预效果评估中发挥作用，但要真正进入临床研究链路，仍需在量纲校准和与多导睡眠图的对照验证上持续积累。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：medRxiv 预印本 原文链接：https://www.medrxiv.org/content/10.64898/2026.09.20.26363508v1?rss=1