跨神经精神疾病动机功能障碍的神经基础:来自元分析与病变网络映射的证据

Neural substrates of motivational dysfunction across neuropsychiatric conditions: Evidence from meta-analysis and lesion network mapping

作者信息Chunliang Feng, Wenhao Huang, Kangli Xu, Jennifer L Stewart, Julia A Camilleri, Xiaofeng Yang, Ping Wei, Ruolei Gu, Wenbo Luo, Simon B Eickhoff
PMID35908312
发布时间2022-08
DOI10.1016/j.cpr.2022.102189

实验完整度

高

包含129篇文献、438个对比的ALE元分析和105例病变的病变网络映射,并进行了交连分析和调控效应检验,证据层级丰富。

主要模型

临床/高风险状态(酒精依赖、可卡因依赖、尼古丁吸烟者、病理性赌博、抑郁症、双相障碍、焦虑障碍、强迫症、注意缺陷多动障碍、自闭症谱系障碍、精神分裂症、精神病高风险等) 健康对照组 105例引起动机症状(冷漠或快感缺失)的脑病变患者

重点核对

纳入的PET/fMRI研究总数及每个对比的实验数、焦点数和受试者数 采用ALE算法,簇水平FWE校正(P<0.05,簇形成阈值P<0.001,10,000次置换) 病变网络映射中病变的描绘和标准化方法(MNI152模板,2mm体素,FSL) 调控效应检验中的临床、人口统计和成像特异性因素(平均年龄、性别比例、用药状态、诊断、共病、MRI场强) 病变网络映射的对照组(随机病变和无关症状病变)

摘要

动机功能障碍是跨越传统诊断界限的精神病理学基本维度之一。然而,目前尚不清楚是否存在一个共同的神经回路负责跨神经精神疾病的动机功能障碍。为解决这一问题,本研究结合了精神科神经影像学研究的元分析(4308个焦点,438个对比,129篇文献)和病变网络映射方法(105例病变病例)。我们的元分析发现,在奖励和损失预期期间,临床/高风险状态与对照组相比,腹侧纹状体(VS)存在跨诊断的低激活。此外,VS在包含导致动机相关症状的异质性病变位置的大脑网络中充当关键节点。这些发现不仅首次提供了与预期性动机相关缺陷相关的共享神经改变的元分析证据,而且从网络整合和心理功能的角度揭示了VS功能障碍在动机损伤中的作用。特别地,当前发现提示,跨神经精神疾病的动机功能障碍源于以VS为核心的共同大脑网络的破坏,该网络参与动机显著性处理,而非编码积极激励价值。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
跨神经精神疾病的动机功能障碍是否具有共同的神经回路基础,以及该电路是否与导致动机症状的病变网络重叠?
核心机制
腹侧纹状体(VS)在奖励和损失预期时跨诊断低激活,且VS是与动机相关的异质性病变网络的关键节点,该网络参与动机显著性处理而非积极激励价值的编码。
主要证据
基于129篇文献的ALE元分析发现VS在奖励和损失预期时低激活,病变网络映射显示75%重叠网络位于双侧VS和前扣带皮层,且与随机病变和无关症状相比具有特异性。
研究意义
提示VS及其相关网络是跨诊断动机功能障碍的神经基础,为未来神经调节、药理学和临床干预提供了候选脑表型。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

文献检索与筛选

系统收集和筛选符合条件的功能神经影像学研究。

根据PRISMA指南,在PubMed、Web of Science、BrainMap等数据库检索MID任务及变体的影像学研究,纳入129篇PET/fMRI研究,排除基于ROI的研究,要求结果在全脑分析中报告,并转换为MNI坐标。

2

ALE元分析

量化多个研究中报告焦点的一致性,揭示跨诊断的神经激活或低激活。

使用ALE算法对报告坐标进行分析,形成ALE图,并与零分布比较,采用簇水平FWE校正,并进行贡献分析以确保结果不受单个实验驱动。

3

交连分析

评估不同对比之间激活区域的重叠,以识别跨条件共有的区域。

对健康对照组和临床/高风险状态的奖励预期、损失预期、奖励消费,以及低激活对比中的奖励和损失预期进行交连分析,识别重叠区域。

4

调控效应分析

检验人口统计学、临床和成像因素是否调节主要发现。

对在组间对比中识别的簇,提取每个体素的概率,并使用非参数检验(Kruskal-Wallis H、Wilcoxon秩和检验、Spearman秩相关)评估平均年龄、性别比例、用药状态、诊断、共病和MRI场强的影响。

5

病变网络映射

确定引起动机症状(冷漠或快感缺失)的病变是否属于常见功能网络,并检验该网络是否与元分析中识别的VS重叠。

从文献中收集105例病变病例,手工描绘到MNI152模板上,计算每个病变的功能连接网络,并识别重叠网络(阈值75%),然后与元分析结果进行交连。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
文献检索与筛选
MID任务或变体的使用、fMRI或PET成像方式、全脑GLM分析、坐标空间(Talairach或MNI)、纳入的对比标准
阅读提示:Materials and methods – Literature search and selection
ALE元分析
聚类水平FWE校正阈值(P<0.05,簇形成阈值P<0.001,10,000次置换)、贡献分析标准(至少两个实验,MDE<50%,2MDE<80%)
阅读提示:Materials and methods – Main ALE approach
病变网络映射
病变描绘方法(手工映射到MNI152模板,2mm体素)、网络重叠阈值(75%)、对照分析(随机病变和无关症状病变)
阅读提示:Materials and methods – Lesion network analysis
调控效应分析
因素包括平均年龄、性别比例、用药状态、诊断、共病、MRI场强,非参数检验方法
阅读提示:Materials and methods – Modulation effects