山东师范大学心理学部王康程副教授团队在精神病学领域学术期刊《BMC Psychiatry》上发表了题为“Predicting treatment response in individuals with major depressive disorder using structural MRI-based similarity features”的研究论文。

该研究基于结构磁共振成像（sMRI）数据，创新性地引入脑区间“结构相似性”特征，并结合多种机器学习方法，对重性抑郁障碍患者的治疗反应进行预测。研究纳入成人与青少年两个独立样本，通过构建多种相似性矩阵并比较六类经典分类模型，系统评估了不同特征与算法在预测治疗结局中的表现。结果表明，相较于传统脑结构指标，基于脑区相似性的特征显著提升了预测准确性，最高准确率达到约77.5%。进一步分析发现，治疗缓解与否与中央前回、前扣带回、小脑及梭状回等脑区的结构差异密切相关。

此外，研究还揭示了不同年龄阶段抑郁症患者在预测特征上的差异：成人样本中白质体积表现出更优的预测能力，而青少年样本中白质密度则更为关键，提示抑郁症的神经生物学机制具有显著的发展阶段特征。该研究从新的特征建模角度提升了抑郁症治疗反应预测的准确性，并为个体化治疗策略的制定提供了重要参考依据。

《BMC Psychiatry》主要刊载精神病学及相关交叉领域研究成果，是国际开放获取学术期刊（SCI Q1）。山东师范大学为该论文重要完成单位之一，宋素涛为第一作者，王康程副教授为通讯作者。该研究得到国家自然科学基金（32000760）等项目资助。

论文信息：Song, Sutao, Songling Wang, Jingjing Gao, Lingkai Zhu, Wenxin Zhang, Yan Wang, Donglin Wang, Danning Zhang, Kangcheng Wang. “Predicting Treatment Response in Individuals with Major Depressive Disorder Using Structural MRI-Based Similarity Features.” BMC Psychiatry, 2025, 25:540. https://doi.org/10.1186/s12888-025-06945-7.