“我们的很多治疗都是在试错，这让我和大多数精神病专家感到沮丧。”在临床实践中给患者看病的李斯顿说，“没有更多的客观数据来帮助我们作决定，实在很有挫败感。”
正是这种挫败感为他的研究提供了动力。自上世纪80年代以来，神经科学家窥探大脑的能力显著提升。如今，研究人员可以利用大数据工具（比如机器学习和其他形式的人工智能）来“审视”脑部扫描图，找出大脑活动模式的细微变化，以此预测人们的行为。
利用这些技术，李斯顿开始研究抑郁症的子类型。
近期，李斯顿和一群科学家就利用大数据工具来分析抑郁症患者的大脑，收集受试者在“静息状态”下的脑部图像。
在实验中，受试者将接受核磁共振扫描，并被告知，什么都别去想。扫描不是为了寻找受试者在完成某项思维活动时，哪些脑部区域会“点亮”，而是为了掌握受试者大脑的整体运作情况。通过静息状态扫描，可以发现那些会同时“点亮”的脑区。这些区域的相关性越强，它们的连接性据信就会越强。
科学家认为，从某种程度上说，不同的连接模式导致了抑郁症会表现出不同的症状。
李斯顿和同事们共收集了1118幅扫描图，其中458幅属于抑郁症患者。
研究人员先让电脑区分抑郁症患者和正常人的大脑模式，准确率为84%。然后，他们让电脑程序进行更深入的分析，只着眼于抑郁症患者，看看是否可以通过大脑活动模式来区分抑郁症患者。
在背内侧前额皮质（涉及自我指涉思维的脑区）与大脑其他区域的连接方式上，抑郁症的四个子类型各有不同。
在抑郁症的两个症状（焦虑和兴趣缺失）方面，四个子类型也存在差异。“一个子类型同时表现出兴趣缺失和焦虑两种症状，另一个基本上只是兴趣缺失，还有一个基本上只是焦虑。”李斯顿说。
更大的样本容量可能会产生更多的抑郁症子类型，或者，会更明确地界定他们已经发现的子类型之间的差别。科学家相信，有助于区分抑郁症的脑区连接网络不止一个。令人欣慰的是，李斯顿团队把他们从一组受试者身上得出的预测性结论，在另一组受试者身上进行重复试验，结果同样成立。
这再次说明，抑郁症并不都是一回事。
这种观点可能将改变抑郁症的治疗方式。
