European Child & Adolescent Psychiatry:我国研究学者揭示苍白球成青少年行为激活特质关键脑区

2025-05-01 xiongjy MedSci原创 发表于陕西省

双侧苍白球灰质体积及扣带-岛盖网络功能连接是预测行为激活特质的关键特征,LME模型进一步验证了这些关联(P<0.05),提示苍白球在青少年动机行为中的核心作用。

青少年行为激活特质(Behavioral Activation, BA)是影响个体对奖励刺激反应的核心心理特征,与动机、情绪调节及社会行为密切相关。以往研究多依赖问卷评估或单一模态神经影像数据,样本量有限且缺乏多模态整合分析。本研究利用美国青少年脑认知发展研究(ABCD)中6626名11-13岁青少年的多模态磁共振成像(MRI)数据,结合机器学习算法,首次系统刻画了BA特质的神经生物学特征,并揭示了关键脑区苍白球(pallidum)在青少年行为动机中的核心作用。

研究采用弹性网络回归(Elastic Net Regression, ENR)模型,整合结构MRI(包括皮层厚度、皮层表面积、皮层下灰质体积)、功能MRI(静息态功能连接)及扩散MRI(白质纤维束各向异性和平均扩散率)等多模态指标,通过5折交叉验证预测BA特质。模型1仅纳入MRI特征,模型2仅纳入人口统计学变量(如年龄、性别、家庭收入等),模型3则联合MRI与人口统计学变量。此外,通过线性混合效应模型(LME)对ENR筛选的特征进行验证,确保结果的稳健性。数据处理中,所有MRI指标均经过标准化,并通过重复10次的交叉验证减少随机误差。功能连接分析基于Gordon图谱定义的13个功能网络,涵盖皮层-皮层及皮层-皮层下区域的78种连接模式。

结果显示,模型1对BA特质的预测准确率为R²=1.54%,且独立测试集结果稳定(R²=1.44%)。关键神经生物学特征包括双侧苍白球的灰质体积(GMV)、右侧额下沟的皮层厚度、左中央沟的皮层厚度,以及扣带-岛盖网络(CON)与苍白球、尾状核的功能连接。模型3的预测准确率进一步提升至R²=1.74%,且MRI特征的权重分布与模型1高度一致(相关性R=0.873-0.999),表明人口统计学变量对神经生物学特征的干扰有限。LME分析进一步验证了ENR的结果:双侧苍白球GMV与BA特质显著正相关(右侧β=0.0021, P<0.001;左侧β=0.0017, P=0.0025),CON与右侧苍白球的功能连接(β=3.6848, P=0.0095)及扣带-顶叶网络与伏隔核的连接(β=5.2176, P<0.001)亦表现出显著关联。

本研究揭示了苍白球在青少年BA特质中的核心作用。苍白球作为基底 ganglia 的关键节点,通过调控多巴胺能通路参与动机行为和奖赏处理,其结构发育和功能连接模式可能直接影响青少年的行为趋近倾向。此外,扣带-岛盖网络与苍白球的协同作用提示情绪调节与动机系统的整合机制,而额顶网络与伏隔核的连接可能涉及目标导向行为的抑制控制。这些发现为理解青少年行为发展的神经基础提供了新视角,并为针对动机缺陷或冲动行为的早期干预提供了潜在靶点。

原始出处:

Xu, H., Li, J., Xu, J., & Li, D. (2025). Machine learning-derived multimodal neurobiological profiles of behavioral activation traits in adolescents. European Child & Adolescent Psychiatry. https://doi.org/10.1007/s00787-025-02714-9

评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2262953, encodeId=61b52262953f4, content=<a href='/topic/show?id=7d806121594' target=_blank style='color:#2F92EE;'>#机器学习#</a> <a href='/topic/show?id=279612653334' target=_blank style='color:#2F92EE;'>#行为激活#</a> <a href='/topic/show?id=f812126534ae' target=_blank style='color:#2F92EE;'>#多模态磁共振成像#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=38, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=126534, encryptionId=f812126534ae, topicName=多模态磁共振成像), TopicDto(id=61215, encryptionId=7d806121594, topicName=机器学习), TopicDto(id=126533, encryptionId=279612653334, topicName=行为激活)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed Apr 30 22:33:24 CST 2025, time=2025-04-30, status=1, ipAttribution=陕西省), GetPortalCommentsPageByObjectIdResponse(id=2263166, encodeId=689c2263166ca, content=为儿科前沿指明方向, beContent=null, objectType=article, channel=null, level=null, likeNumber=27, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=19e48653726, createdName=ms6000000851864993, createdTime=Fri May 02 11:08:26 CST 2025, time=2025-05-02, status=1, ipAttribution=浙江省)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=2262953, encodeId=61b52262953f4, content=<a href='/topic/show?id=7d806121594' target=_blank style='color:#2F92EE;'>#机器学习#</a> <a href='/topic/show?id=279612653334' target=_blank style='color:#2F92EE;'>#行为激活#</a> <a href='/topic/show?id=f812126534ae' target=_blank style='color:#2F92EE;'>#多模态磁共振成像#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=38, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=126534, encryptionId=f812126534ae, topicName=多模态磁共振成像), TopicDto(id=61215, encryptionId=7d806121594, topicName=机器学习), TopicDto(id=126533, encryptionId=279612653334, topicName=行为激活)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed Apr 30 22:33:24 CST 2025, time=2025-04-30, status=1, ipAttribution=陕西省), GetPortalCommentsPageByObjectIdResponse(id=2263166, encodeId=689c2263166ca, content=为儿科前沿指明方向, beContent=null, objectType=article, channel=null, level=null, likeNumber=27, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=19e48653726, createdName=ms6000000851864993, createdTime=Fri May 02 11:08:26 CST 2025, time=2025-05-02, status=1, ipAttribution=浙江省)]
    2025-05-02 ms6000000851864993 来自浙江省

    为儿科前沿指明方向

    0

相关资讯

ACC 2025 | 专访重庆医科大学附属第一医院黄毕:机器学习如何革新AMI合并心源性休克患者的预后评估

梅斯医学对来自重庆医科大学附属第一医院黄毕进行专访,围绕应用机器学习预测AMI合并心源性休克患者的预后话题进行深入探讨。

Molecular Psychiatry:βIV spectrin在精神分裂症中的异常表达及其对AKT/GSK3通路敏感性的影响

βIV spectrin在SCZ中的表达和分布异常,且对AKT/GSK3通路的敏感性降低。基于βIV spectrin成像特征的机器学习分类器能够以高达98%的准确率区分SCZ和HC神经元。

Molecular Psychiatry:基于机器学习模型准确预测阿片类药物过量风险

该机器学习模型在2018-2020年验证中平衡准确率达81.6%-85.0%,关键预测因素包括药物/酒精使用、抑郁症及皮肤损伤。该模型为群体水平干预提供了新工具。

European Radiology:使用临床、超声特征和机器学习方法预测甲状腺结节的恶性风险 

机器学习(ML)算法已被证明能提供比人类专家更好的预测,它利用统计方法从医学数据中识别潜在模式和分类,并已成功应用于改善患者护理。

European Radiology:机器学习模型在预测局部区域晚期鼻咽癌诱导化疗反应和生存方面的价值

遗传算法增强的人工神经网络(GNN)是一种经遗传算法优化的准确、高效且稳健的机器学习(ML)方法,在参数调整和优化、处理复杂非线性数据方面能力强大,可显著提升 GNN 模型的性能和泛化能力。

Alzheimer’s & Dementia:新研究揭示老年认知障碍与抑郁症状的共同神经基础

白质高信号和九个关键脑区节点与老年认知功能和抑郁症状相关。这些节点分布在默认模式网络、执行控制网络和突显网络中,表明这些网络在认知和情绪调节中的重要作用。

Alzheimer’s & Dementia:利用机器学习识别多领域暴露因素及其对认知功能的联合影响

社会经济地位和饮食是认知功能的最强预测因子,通过多领域干预可以显著提高认知评分,特别是针对不利生活方式的干预措施。增加“积极休闲/社交活动”和“优质饮食”表型的比例可显著改善整体认知功能。

Translational Psychiatry:利用炎症标志物血浆水平的机器学习分类器预测精神分裂症患者的抗精神病药物反应

研究通过机器学习模型,基于血浆炎症标志物,成功区分了精神分裂症患者的不同治疗反应群体,揭示了多个与炎症相关的蛋白标志物,为精神分裂症的个性化治疗提供了新的生物标志物。

npj Digital Medicine:自动化评估显著提升远程术后伤口监测的诊断效率

本研究开发了一种多模态神经网络,以自动化评估来自远程术后伤口监测的患者生成数据。这种多模态方法可以有效地支持远程监测,减轻提供者负担,同时确保高质量的术后护理。

Translational Psychiatry:中国学者揭示氯胺酮抗抑郁机制新突破:介观全脑波动分析揭示神经振荡与网络动力学变化

CSDS抑郁小鼠在BLA等8个脑区呈现高θ波段神经振荡紊乱和全脑网络效率降低。氯胺酮通过增强PrL-vHPC信息流和全局效率快速改善症状,机器学习模型显示网络特征对疗效判别的AUC达0.9523。