本网讯（图文/赵宗亚）强迫症（Obsessive-compulsive disorder，OCD）是一种严重且慢性的精神障碍，临床上，OCD主要表现为反复且侵入性的强迫思维以及重复性强迫行为，即使患者意识到这些思维和行为是不合理的，却仍难以控制。目前，OCD的临床诊断主要依赖经验丰富的精神科医生与患者访谈，但该方法受主观性影响较大，容易造成诊断不一致或诊断模糊。因此，识别客观且可量化的生物标志物对提高诊断一致性、辅助临床评估具有重要意义。

近日，智能脑成像与脑调控团队在BMC Psychiatry杂志发表了题为“Exploring Potential Resting-State EEG Biomarkers of Obsessive-Compulsive Disorder Based on Explainable Machine Learning Analysis of Independent Training and Test Samples”的研究性论文。该研究在统一的机器学习框架下系统比较多种EEG特征，并在独立外部数据集上验证其泛化能力，同时结合可解释性算法识别最具诊断价值的特征，以推进基于EEG的客观OCD生物标志物研究。结果表明，基于PLV特征+LightGBM模型的分类策略，可实现对OCD患者与健康个体的有效区分，在独立外部测试集中仍保持83.3%的准确率，验证了模型的稳定性与泛化能力。

图1 方法流程图

我院赵宗亚副教授、硕士研究生王峻明为该论文共同第一作者，于毅、许淄豪、张朝辉教授为该论文的共同通讯作者。据悉，BMC Psychiatry为国际精神医学领域著名期刊，中科院最新分区为医学/精神病学2区，最新影响因子为3.6分，五年平均影响因子为4.3分。

（编辑 周学志）