2026年，JAMA Psychiatry（IF=17.1）上发表发表了一篇题目为“Mapping ADHD Heterogeneity and Biotypes by Topological Deviations in Morphometric Similarity Networks”的文章，该研究通过识别神经化学信号的独特性，确定了三种新的"生物型"——多动症在神经生物学上的不同亚型。注意力缺陷多动障碍在社会层面的呈现方式较多，并不像社交媒体上呈现的那种过于笼统的版本。

尽管注意力缺陷多动障碍（ADHD）的名称侧重于注意力不集中和多动/冲动，但它远不止是一个简单的二元划分。在现实病例中，临床医生观察到ADHD表现出一系列广泛的症状，并可能涉及多种潜在的脑部机制。当前的诊断方法遵循基于《精神疾病诊断与统计手册》（DSM）的系统，该系统依赖专家共识而非大脑生物学，这可能过度简化了所涉及的多样化脑机制，并使识别更清晰、具有生物学意义的亚型变得更加困难。

先前尝试使用症状清单来定义亚型，通常最终只是主要根据症状的严重程度对人群进行分组。为了突破这一限制，本研究的研究人员使用数据驱动的聚类分析方法，分析了详细行为特征中的模式，以揭示该障碍更有意义的亚型。与此同时，也有一些研究尝试利用脑成像技术，通过检查单个脑区的差异来更好地理解ADHD。然而，这种方法常常忽略了大脑不同部分如何作为连接网络协同工作。

为了弥补这一空白，研究人员收集了来自10个不同研究地点的临床数据和脑部扫描结果。他们将参与者分为两组：一组是由1154名参与者组成的发现组，用于识别模式并制定ADHD生物型的分类规则；另一组是由677名参与者组成的独立验证组，用于确认研究结果的可靠性，并非一次性巧合。

利用这个包含磁共振成像扫描和临床数据的大型数据集，研究团队构建了形态相似性网络（MSNs）——一种神经影像学方法，用于检查脑区之间的结构相似性，并将大脑绘制成一个相互连接的网络。这些数据还用于开发一个 normative model（规范模型）——一种通过将个体与参考人群进行比较来理解非典型生物学特征的统计框架——以及一个名为HYDRA的数据聚类算法，以识别生物型的独特标记。

图1 分析流程示意图

这些数据引导研究发现了三种不同的ADHD生物型，每种都与不同的大脑回路相关。生物型1表现出内侧前额叶皮层-苍白球回路的广泛变化。生物型2与前扣带皮层-苍白球回路的改变相关。生物型3与额上回的变化有关。

参考文献

Pan N, Long Y, Qin K, et al. Mapping ADHD Heterogeneity and Biotypes by Topological Deviations in Morphometric Similarity Networks[J]. JAMA psychiatry, 2026.

资讯来源

https://medicalxpress.com/news/2026-03-distinct-adhd-biotypes-brain-driven.html

编译：王淳

审核：宋佳颖