酒精使用障碍 （AUD） 是一种严重的精神疾病，其特征是分布式大脑区域之间的连接中断，表明功能整合受损。以前利用功能磁共振成像 （fMRI） 的连接组研究主要集中在无向功能连接上，而与 AUD 相关的定向有效连接 （EC） 的具体变化仍不清楚。为了解决这个问题，来自中国科学技术大学生命科学与医学部合肥市第一附属医院放射科的学者开展了本研究，旨在利用多变量模式分析 （MVPA） 和光谱动态因果建模 （DCM）。

本研究招募了 32 名患有 AUD 的戒断男性和 30 名健康对照 （HCs） 男性，并收集了他们的静息态 fMRI 数据。采用基于区域同质性 （ReHo） 的 MVPA 方法对 AUD 和 HC 组进行分类，并预测 AUD 个体成瘾的严重程度。使用光谱 DCM 进一步研究了 MVPA 确定的信息量最大的大脑区域。

结果表明，基于 ReHo 的支持向量分类 （SVC） 在区分 AUD 个体和 HCs 方面表现出最高的准确性 （分类准确率：98.57%）。此外，我们的结果表明，基于 ReHo 的支持向量回归 （SVR） 可用于预测成瘾严重程度（酒精使用障碍识别测试，AUDIT，R² = 0.38;AUD 患者的密歇根酒精中毒筛查试验，MAST，R ² = 0.29）。预测信息量最大的大脑区域包括左侧 pre-SMA、右侧 dACC、右侧 LOFC、右侧壳核和右侧 NACC。这些发现在独立数据集中得到了验证 （35 名 AUD 患者和 36 名 HCs，分类准确率：91.67%;AUDIT，R² = 0.17;MAST，R² = 0.20）。

光谱 DCM 分析结果表明，与 HCs 相比，AUD 患者从左侧 SMA 前到右侧壳核、从右侧 dACC 到右侧壳核以及从右侧 LOFC 到右侧 NACC 的 EC 降低。此外，从右侧 NACC 到左侧 SMA 前和从右侧 dACC 到右侧壳核的 EC 强度介导了成瘾严重程度 （MAST 评分） 和行为测量 （冲动和强迫评分） 之间的关系。

综上，这些发现为 AUD 患者自我控制受损、风险评估以及冲动和强迫性饮酒的潜在机制提供了重要证据，为诊断和治疗提供了新的因果见解。

原始出处：

Song, H., Yang, P., Zhang, X. et al. Atypical effective connectivity from the frontal cortex to striatum in alcohol use disorder. Transl Psychiatry 14, 381 (2024). https://doi.org/10.1038/s41398-024-03083-8