关于 Shuxin-Lab

我们实验室由舒燕萍博士(主任医师/教授/硕士生导师)领导, 她于2020年在重庆医科大学获得博士学位, 现任贵州省第二人民医院妇女儿童科/儿童青少年精神科主任，兼任贵州省科技厅、贵阳市科技局专家库专家， 贵州省高层次创新人才“千层次”人才。实验室得到了多个国家级科研基金和省级科研基金/项目的大力支持， 为我们课题组相关研究方向提供了充足的研究资源支持。我们的团队成员背景多样，都对认知及其神经机制、 精神疾病的各种治疗疗效有着浓厚兴趣。他们不仅友好、团结，而且对任何相关问题的讨论都充满热情。

研究兴趣:

I) 精神疾病治疗的认知及其神经机制

日常生活中, 情绪的波动是人类经验的普遍组成部分。然而, 当负面情绪状态变得持久且功能失调时, 便可能演变为精神疾病, 其中以抑郁症(Major Depressive Disorder, MDD)尤为突出, 对全球公共卫生构成严峻挑战。意识到现有疗法对相当一部分患者效果有限后, 我们必须深入探索治疗起效的内在过程, 即解析那些能够重塑认知功能、最终推动康复的神经机制。

抑郁症的治疗主要通过两种核心干预途径实现(Liu J, Shu Y, & Wu G, 2024; Shu Y, Kuang L, & Huang, 2020): 自上而下的认知重塑和自下而上的神经调节。以一位正在接受抑郁症治疗的患者为例：认知行为疗法(CBT)体现了自上而下控制, 患者通过学习具体的认知策略, 主动地识别、挑战并改变其自动化负性思维。而抗抑郁药物(如SSRIs)/TMS/TDCS等干预则代表自下而上调节, 通过改变大脑的神经化学环境、脑激活模式, 潜移默化地削弱负性情绪偏向, 为认知改变创造有利的生理基础。若患者在治疗后遭遇挫折, 其能否有效调用已习得的应对技巧并抑制复发风险, 则涉及其治疗效果——这种康复模式由先前的治疗效果和学习效果所塑造。

我们的核心研究兴趣在于理解这些自上而下、自下而上以及治疗历史依赖的因素如何相互作用，从而构建精准的、个体化的治疗反应模型，并最终指导临床干预。我们旨在利用多模态神经影像技术(如fMRI、fNIRS\EEG等)、计算建模技术(如机器学习、深度学习、数学建模等)、量表施测技术等, 揭示不同疗法如何作用于共同或特异的神经环路, 以期为每一位患者匹配最有效的治疗策略, 推动精神健康领域的精准化治疗。

II) 精准个体化疗效

在现代医学中，我们面临一个核心挑战：即便是“金标准”疗法也表现出显著的个体差异。意识到“一刀切”方案的局限性后，研究焦点必须从“平均疗效”(Average Treatment Effect, ATE)转向“个体化疗效”(Individualized Treatment Effect, ITE)。传统的临床试验擅长评估平均效果, 但要回答“此疗法对这位特定患者的增益是多少?”这一关键问题,则需借助类似因果机器学习(Causal Machine Learning)这样的前沿技术。该技术旨在超越传统预测模型, 通过估计个体化治疗效应, 直接对干预措施的因果影响进行量化。

我们的核心研究兴趣在于开发并应用这些新兴的计算框架, 多模态(如基因组学、临床记录、影像学数据等)地构建精准的个体化疗效预测模型。我们计划融合基因组学、临床记录等多模态数据,不仅预测“谁”会对“何种”治疗产生反应, 更要利用可解释性人工智能探索其背后的生物学机制。最终目标是构建能够辅助临床决策的智能系统，推动精准医疗从前沿概念走向临床现实。

III) 其他

团队成员感兴趣的其他研究方向。