PsyBrain 脑心前沿 / 神经技术与方法：顶刊文献解读专题 / A · 文献解读 / A016 · 病灶连到哪里，就能解释症状吗？NatNeurosci再评

A016 病灶连到哪里，就能解释症状吗？| Nat Neurosci 再评病灶网络映射方法学，帮你理清各种观点

来源：公众号 PSY-Brain_Frontier ｜发布：2026-05-27 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Considering biological limitations of lesion network mapping

发表时间: 2026-05-20

发表期刊: Nature Neuroscience

影响因子: 20.0

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

研究背景

病灶网络映射（lesion network mapping, LNM）常用来把局灶性脑损伤或神经退行性萎缩中心，跟分布式功能网络挂上钩，以解释认知或临床缺损

方法本身依赖健康人的规范连接组（normative connectome），去推断病灶可能牵涉哪些脑区。但真实疾病里的网络变化，远不止病灶到其他区域的连接丢失，还有远隔区域重组、代偿失败，以及随时间变化的连接增强或减弱。所以，评论认为，LNM 的输出很难直接解读成疾病特异性机制

实验设计与方法逻辑

作者把卒中、胶质母细胞瘤、阿尔茨海默病和亨廷顿病等临床与网络证据拢在一起，提出一个三维概念框架，用来划清 LNM 的解释边界。

第一维是直接断连（first-order disconnection）强度，这是 LNM 用规范连接组主要能抓到的部分。

第二维是高阶网络重组（high-order network reorganization），涉及多突触、全脑层面的适应性变化。

第三维是超连接（hyperconnectivity）与低连接（hypoconnectivity）的共存或时间上的来回切换。

作者据此说明，LNM 可以当直接断连的估计工具用，但单靠它来预测临床结局、识别疾病特异性环路或解释神经调控靶点，是不够的

核心观点

观点一：LNM 主要覆盖直接断连维度，临床预测力有限

LNM 的核心能力是估计病灶或萎缩中心与其他脑区之间的直接连接关系。正文指出，在 132 例首次卒中患者中，LNM 对行为结局的预测表现较差，解释方差只在 R² = 0.01 到 0.18 之间；在胶质母细胞瘤患者中，LNM 断连图跟生存结局也没有显著关联。这些结果提示，LNM 更接近直接断连拓扑估计，而不是完整的疾病网络机制

Fig. 1 中，作者把“disconnectivity strength”标成 LNM 主要覆盖的轴，并把 LNM 的适用范围限定在直接断连相关区域；这说明 LNM 的输出可能更多反映规范连接组的基础拓扑性质，而不是特定疾病回路

观点二：高阶网络重组超出 LNM 建模范围

脑损伤后的恢复，涉及未直接连接病灶区域之间的功能变化、多突触适应和全脑网络重排。正文引用动物模型与患者研究指出，这种大规模网络重组对行为恢复很关键，而 LNM 依赖静态规范连接组，抓不到这些高阶交互

Fig. 1 中，“high-order changes”被放在独立于直接断连的第二轴上；这个图示把直接断连与高阶网络重组分开，明确显示 LNM 没有覆盖远隔和全脑层面的适应性变化

观点三：超连接与低连接的方向差异不能由 LNM 判断

正文以阿尔茨海默病、亨廷顿病、卒中和胶质母细胞瘤为例说明，相似的连接增强，可能代表代偿、失代偿或疾病促进。LNM 基于静态规范连接组，没法判断目标网络是处于低活性、高活性还是动态转变状态

Fig. 1 中，“divergent patterns”作为第三轴，表示超连接与低连接的共存或时间转变；这说明连接方向和时间轨迹，是 LNM 无法单独解析的关键维度

关于 LNM 各种争论的梳理：

2026年1月15日，van den Heuvel, M.P 等人对病灶损伤网络的特异性和有效性提出质疑；Reference: van den Heuvel, M.P., Libedinsky, I., Quiroz Monnens, S. et al. Investigating the methodological foundation of lesion network mapping. Nat Neurosci 29, 1237–1247 (2026). PsyBrain 解读：Nat Neurosci：102项损伤网络研究惊人一致？警惕“同质化”幻象和数学陷阱
2026年2月26日，Michael D. Fox 在 bioRxiv 上强势回应，基于34 项研究，1090 个病灶位置的重新分析，认为方法具有良好的特异性，Siddiqi S, Horn A, Schaper F L, et al. The methodological foundations of lesion network mapping remain sound. bioRxiv, (2026). 但这篇文章目前还挂在预印本上，尚未经过同行评审
2026年3月30日，Andrew Zalesky 等人认为通过 null models 的方式，可以增强病灶损伤网络的统计效度；Reference: Zalesky, A., Cash, R.F.H. Null models for lesion network mapping. Nat Neurosci 29, 1025–1028 (2026). PsyBrain 解读：Nat Neurosci | 重新评估病灶网络映射的特异性：基于零模型挽救疾病特异性环路
2026年5月20日，就是本文了，LNM 的可解释性再次受到质疑。Reference: Pini, L., Salvalaggio, A. & Corbetta, M. Considering biological limitations of lesion network mapping. Nat Neurosci (2026).

省流总结

这篇 Comment 强调，LNM 不是没用，但它的解释范围主要限于规范连接组里的直接断连拓扑。脑损伤和神经退行性疾病还涉及高阶网络重组、超连接与低连接的动态转变，不能把 LNM 结果直接等同于疾病特异性环路或临床干预依据。未来需要整合个体功能连接测量，把直接与高阶连接、超连接与低连接区分开，才能构建更准确的临床预测模型，你怎么看？

分享人：天天

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇