Guanfacine hydrochloride

「导读：」同样拿着"抑郁症"诊断书的两个人，大脑里出问题的回路可能完全不同。斯坦福医学院的研究者用功能磁共振成像和机器学习，从数百名患者的数据中分出五种亚型，又在之后的几年里把分型推进到可以指导选药的程度。这件事离中国门诊还有多远？本文只讲已被公开报道的事实。 精神科大概是现代医学里唯一不给"生病器官"做检查的科室。胸痛有心电图和心肌酶谱，骨折有X光片，而抑郁的诊断至今仍靠问诊：连续两周，九条症状里凑够五条，医生写下"重性抑郁障碍"。斯坦福医学院精神病学与行为科学教授莉安·威廉姆斯（Leanne Williams）把这个现状比作上世纪五十年代的心脏病学——那时医生面对胸痛，也只能凭经验猜是烧心还是心梗。她和团队想改变的正是这一点：用功能磁共振成像（fMRI）加上机器学习，给抑郁画出一张基于大脑回路的"分型地图"。五个亚型：同一标签下的五种痛苦 这项由斯坦福主导、发表在《美国医学会杂志·精神病学》（JAMA Psychiatry）上的研究，纳入了420名参与者，涵盖抑郁症、焦虑症等多种诊断，也有健康对照。每人接受三组测量：脑功能成像、症状自评量表、结构化精神科访谈，外加对日常生活功能、社交能力和整体生活观的评估。研究者不做任何理论预设，把数据交给聚类算法，让机器自己找规律。 算法给出五个横切现有诊断的类别。占比最高的是"紧张型"（tension），约19%，核心表现是易怒、神经过度敏感、总觉得不堪重负；"焦虑唤醒型"（anxious arousal）约13%，注意力和思维控制受损，伴随心跳加速、出汗等躯体症状，患者常说自己"快要疯了"；"广泛焦虑型"约9%，以停不下来的担忧为主要特征，躯体紧绷感明显；"忧郁型"（melancholia）约9%，社会功能受损，退缩孤立，又因孤立而痛苦；"快感缺失型"（anhedonia）约7%，感受不到愉悦，外人看来功能尚可，内里却高度煎熬。威廉姆斯在采访中说，这类人"能撑着正常运转，但慢慢会变得麻木，是最痛苦的一群人"。 威廉姆斯点出了问题所在："目前，处在这几个宽泛类别里的任何人，接受的治疗都一样。"而细化诊断的意义，正是让每一类人得到更对路的选择。 关键一步是验证。团队用同样的流程测量了另一个完全独立的381人样本，算法分出的还是同样五类。第一作者凯瑟琳·格里桑齐奥（Katherine Grisanzio）还注意到一个细节：一些症状够不上诊断标准的人，大多落进了"紧张型"。这个类别或许捕捉到了疾病门槛之下、却真实存在的痛苦。从"5"到"6"：一条研究线的演进 需要如实说明的是，五亚型并不是这条研究线的终点。2024年6月，威廉姆斯团队在《自然·医学》（Nature Medicine）发表了规模更大的工作：801名抑郁或焦虑患者，在静息状态和认知、情绪任务下分别接受fMRI扫描，聚类分析得出六个以脑回路功能异常定义的"生物学亚型"（biotypes），分别对应默认网络、显著性网络、负性情绪、奖赏、注意和认知控制等回路的不同失调模式。两次划分逻辑一脉相承，媒体有时会把它们混为一谈，这里特意分开讲。 六亚型研究往前走了一大步：团队把其中250人随机分组，接受三种常用抗抑郁药之一或行为谈话治疗，再看亚型与疗效的关系。结果显示，大脑认知区域过度活跃的一型，服用文拉法辛的效果明显更好；静息时与抑郁和问题解决相关的三个脑区活动偏高的一型，从谈话治疗中获益更多；而注意回路活动偏低的一型，单用谈话治疗几乎无效。用威廉姆斯的话说，这是第一次证明抑郁"可以由大脑功能的不同破坏方式解释"。 更硬的数字来自对"认知亚型"的追踪。这一亚型影响超过四分之一的抑郁患者，对标准抗抑郁药反应差；用fMRI识别出他们之后，缓解预测的准确率达到63%，不用脑成像只有36%。2025年发表于《自然·心理健康》的一项试验里，研究者先用影像前瞻性筛出认知亚型患者，再给予作用于前额叶认知回路的药物胍法辛，六到八周后76.5%的患者症状显著改善，65.7%达到缓解——作为参照，标准抗抑郁药的典型缓解率长期在三成上下。机器如何"看见"抑郁 外行容易把这项工作想象成"拍张照片看出抑郁"，实际逻辑要朴素得多。fMRI测的是血氧水平依赖信号，间接反映各脑区的活动强度；研究者关心的是已知与抑郁相关的脑区，以及它们之间连接的强弱——谁在过度工作，谁断了线。每个参与者由此变成高维空间里的一串特征值，聚类算法负责找出其中反复出现的"团块"。 这种做法和临床医生的思路恰好相反。医生从诊断标准出发，把病人往里装；算法从数据出发，看病人天然聚成几堆。两相印证的价值在于：五个类别能在一个独立样本中原样复现，六个亚型能预测治疗反应，说明它们大概不只是统计幻影。当然，团队自己也保持谨慎——特征集有限，结论需要更大规模的外部重复验证。对九千五百万中国患者意味着什么 常被引用的流行病学估算显示，中国抑郁障碍患者约9500万，全球约2.8亿。绝大多数人面对的是同一套流程：一种SSRI类抗抑郁药起步，四到八周评估，无效就换一种，再无效就联合用药。美国著名的STAR*D序贯治疗试验追踪了2876名患者，第一种药的缓解率只有约三分之一，四轮换下来累计缓解率约67%，仍有三分之一的人走向"难治性抑郁"。威廉姆斯给出的另一个数字更扎心：平均而言，一个抑郁患者要花七年，才能找到对自己有效的治疗方案。 换药的痛苦不只在等待。每次换药意味着数周的副作用适应和症状波动，还有"是不是我这人没救了"的自我怀疑。约30%的患者最终被贴上"难治"标签——这个标签描述的是治疗的失败，却常被患者听成自己的失败。 亚型研究给普通人的启示是具体的：抑郁之间的差别存在于生物学层面，不是你不够努力；治疗无效更像"药不对型"，而非意志问题。如果未来就医，合理的期待是——医生除了问诊，或许会让你做认知测试甚至脑成像，用来排除明显不合适的方案，比如注意回路低下的患者，不必在单用心理治疗上空耗数月。但边界必须划清：无论五亚型还是六亚型，目前都还只是研究分类，亚型分型尚未进入临床常规，国内也没有医院能凭一次fMRI就给你"定型开药"。现阶段最实际的做法，仍是规范就诊、足量足疗程，必要时寻求难治性抑郁专病门诊。对行业：一门等待"检验科"的学科 把视线拉到产业层面，这条研究线踩中了三个痛点。其一是诊断标准的局限。DSM的类别建立在症状聚合上，重叠严重，药企临床试验招募的"抑郁症"人群本身就鱼龙混杂——这被许多研究者视为精神科药物研发失败率居高不下的深层原因之一。如果入组能按亚型筛选，试验信号会干净得多；近年针对快感缺失、认知损害等细分靶点的管线布局，思路正源于此。 其二是生物标志物的临床转化。威廉姆斯团队已把影像处理流程做成系统并获得多项专利，在斯坦福的临床中试运行实验性方案；美国国立卫生研究院投入约1800万美元，把研究扩展到多中心的4500人规模。2026年，她受命牵头一个与《自然·心理健康》共建的国际精准心理健康委员会，目标是为基于生物学的诊断和治疗分型定标准、画路线图。学界也在《生物精神病学》上发表综述，讨论怎样把亚型框架嵌进真实门诊的工作流。 其三是治疗手段本身在变。经颅磁刺激领域，同样出自斯坦福的SAINT加速方案用个体化fMRI定位刺激靶点，五天的密集治疗在随机双盲试验中让近八成难治性患者达到缓解，2022年获美国FDA许可上市；艾氯胺酮鼻喷剂2019年获批用于难治性抑郁，2025年初又获批单药使用；裸盖菇素辅助治疗处于后期临床阶段。这些进展与亚型研究是同一枚硬币的两面：新武器越多，"给谁用哪一件"就越值钱。热潮之下，几句实话 这条路线并非没有争议。亚型到底有几个，学界争论了多年：2016年另一个团队分析上千份扫描得出四个亚型，之后又有团队未能重复该结果。fMRI在个体层面的测量信度、扫描成本、不同人群间的可迁移性，都是横在转化路上的硬问题。中国患者还要面对额外一关：高质量影像资源和训练有素的精神科医生同样稀缺，即便技术成熟，普惠落地仍有长路。 即便如此，方向本身已经清晰。精神病学正在补上其他科室一百年前就有的东西：一件能直接测量病变器官的工具。五个还是六个亚型，数字也许还会变，但"抑郁不是一种病"这个判断，大概率会留下来。 抑郁是一场需要专业帮助的疾病，不该由任何人独自硬扛。如果你或身边的人正在经历，请把就诊当作和看牙、看心脏一样正常的事。 我们持续关注脑科学与精准医学的进展。如果觉得这篇梳理有用，欢迎点个"在看"，把准确的信息传给需要的人。

“你想在家里走，还是在医院走？” 2024年初，华盛顿州雷顿市当主治医生把这道残酷的选择题推到37岁的约瑟夫·科茨（Joseph Coates）面前时，病房里的空气几乎凝固了。 那时的约瑟夫，身体已经彻底崩溃：双脚麻木失去知觉、心脏严重扩大、肾功能衰竭，每隔几天就得从腹腔里抽出数升积液。 他患上的是一种极为罕见且凶险的血液系统疾病，POEMS综合征。唯一能救命的手段是自体干细胞移植，但他虚弱到连上手术台的资格都没有。 在常规医学判断下，这几乎等同于死刑。他和未婚妻塔拉（Tara Theobald）甚至已经开始默默准备后事。 ▲ Cicero Institute在社交媒体发布的救治案例摘要 然而，就在被推向临终关怀病房的悬崖边，一个非营利组织的AI算法介入了。 它在数千种早已上市、静静躺在药房货架上的老药中疯狂检索，在7500万种可能排列中，抓出了一套此前从未被用于该病治疗的三药组合。 当地医生冒着巨大风险开出处方仅仅7天后，指标奇迹好转；4个月后，他达到了干细胞移植的身体标准；一年后，他彻底进入病情缓解期，重新走进健身房，甚至筹备起了婚礼！ 这不仅仅是一场医学奇迹，更是一场彻底掀翻传统制药逻辑的“算力救援”。01一场罕见的全身风暴：为什么现代医学此前束手无策？ 要理解这个奇迹有多震撼，必须先搞清楚约瑟夫究竟遭遇了什么。 他体内的恶魔叫做POEMS综合征。这是一组罕见的浆细胞疾病，它的名字来源于五大典型症状的首字母缩写：P（多发性神经病） ：神经系统遭到破坏，四肢麻木无力，像被针扎火烧；O（脏器肿大） ：肝、脾或淋巴结异常肿大；E（内分泌病变） ：激素分泌紊乱；M（单克隆浆细胞增生） ：骨髓里的浆细胞发生异常克隆；S（皮肤改变） ：色素沉着、多毛或皮肤增厚。 ▲ 克利夫兰诊所对于POEMS综合征病理特征的定义 简单来说，患者体内的异常浆细胞像发疯一样分泌促血管生成因子（VEGF），血管通透性被彻底破坏，液体不断渗透进组织与腹腔。患者就像在陆地上慢慢“溺水”，脏器一个个被压垮。 对于POEMS综合征，常规的大杀器是自体干细胞移植，先把体内的造血系统摧毁，再用健康的干细胞重建。 但这里存在一个致命的“第二十二条军规”式的死循环：患者必须先承受大剂量化疗才能移植，但约瑟夫的身体已经衰竭到承受化疗就会当场丧命。 门被焊死了既没有标准疗法能用，又无法接受终极移植，医生只能让他准备后事。02救命邮件：一个曾把自己从死神手里抢回来的医生 绝望之中，未婚妻塔拉想到了一个人，大卫·法根鲍姆（David Fajgenbaum）博士。 ▲ 宾夕法尼亚大学医学院关于法根鲍姆博士参与救治约瑟夫的报道 法根鲍姆本身就是医学界的一个传奇。在读医学生期间，他患上了极凶险的卡斯特曼病（Castleman disease），曾5次濒临死亡，数次被下达病危通知。 当时，没有任何针对该亚型的新药法根鲍姆深知：研发一款新药需要耗资数十亿美元、耗时十年以上，绝症患者根本等不起。 他在濒死绝境中翻阅海量文献，在自己身上做实验，终于从移植科常用的抗排斥老药，西罗莫司（Sirolimus）中找到了生机，成功挽救了自己的生命，并维持缓解至今。 这次劫后余生让他意识到一个残酷的行业真相：货架上明明有成千上万种安全、便宜的已上市药物，它们可能就是某些罕见病的解药，但由于专利到期、无利可图，根本没有药企愿意花钱做临床试验去发掘它们。 2022年，法根鲍姆联合创立了非营利组织 Every Cure，并搭建了一套名为 MATRIX 的AI算法流水线。 ▲ Every Cure致力于通过AI重定位全球已上市药物 这套算法的目标极其宏大：将全球约4000种已获批的药物，与18000多种人类已知疾病进行“全对全”交叉比对，在7500万个配对中给潜在的治疗可能性打分，掘地三尺找出那些“藏在眼皮底下”的救命组合。 收信后的第二天清晨，法根鲍姆的团队就通过AI模型给出了一个破局方案： 卡非佐米（Carfilzomib） + 环磷酰胺（Cyclophosphamide） + 地塞米松（Dexamethasone）03临床赌局：是“疯狂的毒药”还是“最后的解药”？ 当西雅图当地的肿瘤科医生韦恩·高（Wayne Gao）看到这个方案时，他的第一反应是：这有点疯狂。 ▲ 内科医师在社交媒体分析该用药组合的机制合理性 卡非佐米是第二代蛋白酶体抑制剂，常用于治疗多发性骨髓瘤；环磷酰胺是强效化疗药；地塞米松是激素 这套三联方案药性极猛面对一个心脏和肾脏都在衰竭、奄奄一息的病人，给上这么一副重药，极有可能加速病人的死亡。 但现实摆在眼前：不用药，100%是死；用药，哪怕只有1%的生机，也是唯一的路。 在征得患者与家属同意后，高医生决定承担风险，成为“第一个尝试该方案的人”。 奇迹在第7天发生了 原本每隔几天就要抽出几升腹水的身体，积液开始迅速消退；衰竭的心脏和肾脏指标止跌回升；被病痛折磨瘫痪的躯体重新有了力量。 AI排出的这套组合拳，精准扼杀了异常增生的浆细胞克隆，掐断了VEGF风暴。 ▲ 法根鲍姆博士发帖致谢，并分享这一真实治疗历程 四个月后，约瑟夫的身体机能全面恢复，顺利完成了此前想都不敢想的干细胞移植；一年后，原本要为他筹办葬礼的未婚妻，在亲友的见证下与他携手走向婚礼殿堂。04算力突围：AI如何打破专科间的“医学信息孤岛” 这个故事在2026年9月被知名投资人比尔·阿克曼（Bill Ackman）等人转发后，迅速引发全球科技圈与医学界的强烈反响。 很多人惊呼：“AI已经能自己发明神药了！” 但若将其简单理解为“黑盒AI创造神迹”，便低估了这项突破的核心价值，也脱离了科学的本质。 AI并没有在分子层面发明任何新物质，它做的事情，是打破专科医生之间的“知识结界”。 ▲ Every Cure在GitHub开源的药物重定位评估框架 仔细拆解这套用药组合，你会发现惊人的医学脉络： 环磷酰胺与激素，本来就是血液科对付异常浆细胞的常规武器； 梅奥诊所（Mayo Clinic）在2023年的一篇小样本回顾中，曾记录过卡非佐米对6例难治性POEMS中的5例产生反应； 多发性骨髓瘤与POEMS同属浆细胞病谱系，骨髓瘤成熟的三联方案在机制上完全讲得通。 既然线索早就在文献里，为什么人类医生想不到？ 因为人类大脑的算力是有物理极限的。一个血液科医生不可能读完全球每天更新的数千篇交叉学科论文，更不可能随时把4000种药物的药理特性与上万种罕见病的靶点做动态排列组合。 在传统医疗体系下，骨髓瘤专家熟悉卡非佐米，但罕见病医生可能对它极度陌生。 AI扮演的角色，正是一个无视学科门类、不知疲倦的“全知情报官”。它在几秒钟内完成千万次交叉索引，把散落在全球文献、临床报告、生化数据库里的知识碎片拼成了一张藏宝图。05廉价老药的经济学困局：谁来为没有专利的救命药买单？ 约瑟夫的生还，撕开了现代制药工业最尴尬的一块遮羞布：市场机制在罕见病领域的失灵。 开发一款全新靶点的新药，药企可以申请二十年专利保护，定出几十万甚至上百万元的天价，从而收回研发成本。 但像环磷酰胺、地塞米松这类老药，专利早已过期，单价低廉到几块钱一盒。哪怕全世界都知道它可能对某种罕见病有效，也没有任何一家商业药企愿意掏出几千万美元去组织三期临床试验，只为了给廉价老药添加一个新的适应症。 这就导致了一个荒诞的现实：一边是绝症患者在无药可用的绝望中死去，另一边是能救命的药在药房货架上默默过期。 类似的故事并不罕见： 常见的降压药胍法辛，被发现能改善某些儿童神经系统疾病患者的运动能力； 治疗关节炎的单抗药物，在濒死的卡斯特曼病患者身上显现奇效； 甚至极其普通的吸入异丙醇，在特定神经机制下被用来缓解青少年的顽固性剧烈呕吐。 老药重定位（Drug Repurposing），本质上是用算力在人类已经建立的“分子安全库”里淘金。这些药物的毒性、代谢动力学、副作用早已在成千上万的人身上验证过几十年。一旦匹配成功，不仅成本极低，更能以最快速度跳过前期的安全顾虑，直接挽救生命。06算力背后的生命温度 在著名医学家埃里克·托波尔（Eric Topol）看来，全面开放这种AI药物筛选网络既令人兴奋，也需要保持敬畏。算力给出的终究只是概率参考，盲目试药同样可能带来灾难。 但约瑟夫的故事之所以让全球无数人动容，是因为它让我们看到了生成式AI与大算力浪潮中最温暖的一种可能： 这项技术脱离了概念炒作，切实落在了生死一线的临床病房。 它在一个普通人被推进临终关怀病房的最后关头，从全世界浩瀚的旧纸堆里，捞出了一张被所有人遗忘的药方。 解药一直都在货架上，它只是在等一场算力与勇气的相遇。