抑郁癥與心血管疾病作為全球兩大健康負擔，其共病機制長期困擾醫學界。傳統觀點認為自主神經系統（ANS）功能紊亂是連接二者的關鍵橋梁，但關于交感/副交感平衡（sympathovagal balance）在精神疾病中的具體作用模式仍存爭議。尤其令人困惑的是，既往研究對心率變異性（HRV）指標的解讀存在矛盾：既有報道稱抑郁癥患者表現為副交感活性下降（HF功率降低），也有證據顯示其伴隨交感神經過度激活（LF/HF比值升高）。這種分歧提示我們可能需要超越單一生物標記的視角，從系統層面重新理解ANS的調控模式。

更迫切的臨床需求來自自殺風險的早期預警。雖然已知ANS功能異常與自殺傾向相關，但現有研究多聚焦于單向的"過度激活"理論，忽視了自主神經動態調節能力的潛在價值。呼吸性竇性心律不齊（RSA）等衍生指標能否提供更精細的風險分層？不同ANS調控模式是否對應特定的心理應對策略？這些問題亟待通過大樣本研究予以解答。

蘇黎世大學醫院的研究團隊在《npj Mental Health Research》發表的研究，創新性地采用機器學習方法分析了UK Biobank中15,768名中老年參與者的靜息心電圖數據。通過整合時域（SDNN、RMSSD）、頻域（LF、HF、LFnu）和非線性（Poincaré圖SD1/SD2）等16項HRV參數，結合呼吸頻率（BR）評估，首次建立了ANS功能的四分類模型，并系統探討了各亞型與抑郁癥狀、自殺行為的關聯特征。

研究采用的關鍵技術包括：1）從UK Biobank獲取標準化12導聯心電圖數據；2）使用HeartPy軟件提取多維度HRV特征；3）通過K-means聚類識別ANS亞型；4）應用CIDI-SF和PHQ-9量表評估精神癥狀；5）采用多變量回歸控制年齡、性別和BMI等混雜因素。

研究結果部分，"Distinct ANS clusters"小節揭示：最優模型識別出四個特征迥異的群體。其中高副交感簇（HP）表現出最高HRV功率（TP 3204.4±1239.9 ms²）和RMSSD（76.5±29.9 ms），而兩個低HRV群體呈現鮮明對比——高相對交感簇（HRS）的LFnu達74.0±15.7，低相對交感簇（LRS）則表現為副交感優勢（LFnu 35.5±20.2）伴高BR（0.23±0.05 Hz）。

"Association of classes with depression and suicidality"部分顯示：LRS簇成員符合CIDI-SF抑郁癥診斷標準的比例顯著高于HRS簇（23.13% vs 20.43%），其PHQ-9總分（2.67±3.59）和"興趣喪失"（0.23±0.56）、"情緒低落"（0.25±0.54）等核心癥狀評分均最高。在自殺風險方面，LRS簇有4.26%報告自傷史，顯著高于HRS簇（2.85%）。

討論部分指出，該研究突破了傳統"單向失衡"理論，提出ANS調控的層級模型：HRS簇雖表現為低HRV，但其高相對交感張力（LFnu）與低BR（0.15±0.04 Hz）的組合可能反映認知調控主導的適應性應對策略；而LRS簇的高副交感張力（HF 127.2±143.9 ms²）伴快呼吸（0.23 Hz）特征，符合"警戒性僵化"假說——即慢性壓力導致副交感系統代償性過度激活，形成生理性應對策略的剛性化。這種動態視角完美解釋了為何既往研究會得出看似矛盾的結論。

該研究的臨床意義在于：1）建立了可應用于常規心電圖的抑郁癥風險分層工具，LRS簇的敏感度達61.9%（女性占比）；2）提出呼吸頻率作為ANS調控的"頂層開關"假說，為生物反饋療法提供新靶點；3）為抗抑郁藥個性化選擇提供依據，如高警覺狀態（HRS）患者可能對SSRIs反應更佳。未來研究需通過縱向設計驗證這些生理標記的預測價值，并探索ANS模式與特定治療反應的關聯機制。