专家论坛
神经影像技术在药物成瘾机制及治疗中的应用与挑战
中华医学杂志, 2022,102(35) : 2734-2737. DOI: 10.3760/cma.j.cn112137-20220621-01360
摘要

神经影像技术可以无创地表征成瘾大脑结构和功能信息,揭示成瘾行为的神经机制,为脑刺激潜在靶点提供先验。神经影像技术在药物成瘾疾病中的研究、复吸预测、无创脑刺激疗效评估中都起到了重要作用,但也面临着诸多挑战。在此,我们对神经影像技术的分类与分析方法、在成瘾中的应用以及面临的挑战进行论述和探讨,以期推进神经影像技术在药物成瘾戒治工作中的应用。

引用本文: 袁凯, 张杉, 刘军, 等.  神经影像技术在药物成瘾机制及治疗中的应用与挑战 [J] . 中华医学杂志, 2022, 102(35) : 2734-2737. DOI: 10.3760/cma.j.cn112137-20220621-01360.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

版权归中华医学会所有。

未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

全球性的新冠肺炎疫情已使全世界陷入前所未有的危机,新冠疫情下成瘾预防和综合矫治的工作形势更加严峻。作为一种慢性复发性脑疾病,药物成瘾主要表现为成瘾人群对药物的过度使用和无法获取时产生的戒断症状及强迫性觅药行为1。我国目前常见的药物成瘾种类有海洛因、甲基苯丙胺、尼古丁等。值得注意的是,当前新型毒品的蔓延和行为成瘾形势严峻,一些致癌类食品成瘾也不容忽视,如口腔癌的重大诱因之一的槟榔成瘾等。成瘾人群大脑结构和功能的可塑性变化,涉及奖赏、学习、记忆、应激等多个回路,是成瘾戒治工作的关键2。本期发表的4篇成瘾影像学研究工作3, 4, 5, 6,发现了成瘾类疾病新的影像标记物,丰富了对成瘾类疾病机制的认识和理解,希望为成瘾戒治提供一定的新思路。

一、神经影像技术分类与分析方法

神经影像学为无创研究成瘾大脑功能和结构提供技术支持,同时在成瘾行为和脑机制之间架起了一座桥梁,使得活体上研究成瘾行为的脑影像标记物成为可能,为成瘾的机制研究及治疗提供帮助。神经影像学信息可以通过MRI、正电子发射断层成像(positron emission tomography,PET)、单光子发射计算机断层成像(single photon emission computed tomography,SPECT)、脑电图(electroencephalography,EEG)及脑磁图(magnetoencephalography,MEG)等设备进行采集。因MRI技术丰富的采集序列和相对均衡的时空分辨率,其在成瘾领域中的应用最为广泛,成像类型主要包括血氧水平依赖功能磁共振成像功能像(blood oxygen on level depending,BOLD)、3D-T1像、弥散张量成像(diffusion tensor imaging,DTI)、弥散谱成像(diffusion spectrum imaging,DSI)、波谱成像(magnetic resonance spectroscopy,MRS)以及三维动脉自旋标记(3D-arterial spin labeling,3D-ASL)等技术,配合对应的数据分析手段如功能连接、皮质厚度测量、纤维束重建、波谱分析等,可以深入地揭示成瘾类疾病的机制。

二、神经影像技术在成瘾中的应用

1.神经影像学技术揭示成瘾大脑的多巴胺功能异常:海洛因、甲基苯丙胺、尼古丁等成瘾的形成与强烈的奖赏效应有关,而多巴胺系统则被认为是成瘾奖赏中的重要组成组分。随着PET、SPECT技术的发展,实现了无创性研究活体脑内生物分子代谢、受体及神经介质活动等,使得药物滥用者成瘾奖赏分子机制的研究成为可能。既往纵向研究表明,长期海洛因滥用者双侧纹状体的多巴胺转运体水平明显低于正常人,且长期停用阿片类药物有利于受损的大脑多巴胺神经元的恢复7。同样,在甲基苯丙胺的一项研究中也发现,长时间使用甲基苯丙胺可能会导致更严重的成瘾症状和大脑中多巴胺转运体密度的降低8

2.神经影像学技术可以揭示成瘾大脑的可塑性变化:不同类型的药物成瘾人群,其纹状体、前额叶、海马等脑区均表现出异常的结构特性,在渴求和认知任务下的功能激活也与正常人群有所不同,上述影像学发现可能与成瘾人群的奖赏缺陷和认知受损行为有关2。以网络游戏障碍为代表的行为成瘾,在大脑额叶-纹状体回路也表现出与药物成瘾类似的结构和功能异常改变9。EEG和MEG可以用于研究成瘾大脑的电/磁特性。既往研究已揭示theta、alpha及gamma神经振荡在成瘾行为中的异常及随着戒断时间的变化10, 11, 12。本期发表的4篇论文,也分别采用先进的分析技术,从结构、静息态功能及白质纤维束弥散特性等方面,考察了尼古丁、甲基苯丙胺及槟榔成瘾人群的大脑结构功能异常,丰富了我们对成瘾类疾病神经系统损伤的病理生理过程及其潜在机制的认识。值得注意的是,近期长期戒断诱发的“大脑恢复”现象引发了领域内的研究热潮。例如Yang等13采用纵向跟踪的试验设计,发现海洛因成瘾人群额叶皮质厚度及功能连接强度在长期戒断后趋向于正常人的水平,为成瘾人群的“大脑恢复”现象提供了客观的影像学证据。这一影像学发现将为成瘾患者、家庭及社会增强戒毒信心,具有重大的社会效益。

3.神经影像学技术可以准确预测戒断后的复吸现象:如何准确预测复吸是成瘾治疗中的难点问题。近期,影像学特征已被用于药物依赖复吸的预测,例如基于磁共振脑血流量和静息态影像组学数据,可以准确预测可卡因使用障碍治疗后患者的复吸情况14;背外侧前额叶皮质与纹状体之间的白质回路连接强度可以准确预测12 h戒断诱发的吸烟复吸现象15;奖赏与认知控制脑区之间的功能连接联合临床资料建立的预测模型,可准确预测可卡因成瘾治疗12周后的复吸情况16。因此,应用影像组学方法选取有效的影像学标记,构建成瘾复吸预测模型,可以为成瘾复吸的早期预防提供新思路,具有广阔的临床应用前景。

4.神经影像学技术有望优化无创脑刺激干预成瘾效果:近年来,重复性经颅磁刺激(repeated transcranial magnetic stimulation,rTMS)通过对大脑特定皮质功能的无创调控,在海洛因、尼古丁等成瘾疾病的治疗中显示出了一定的效果17。借助神经影像技术,rTMS干预成瘾起效的神经机制也被不断揭示,主要有额叶-纹状体回路的耦合、静息态网络间功能连接特性的变化18及γ-氨基丁酸(gamma-aminobutyric acid,GABA)水平的变化19等。早期的成瘾干预对于刺激靶点左侧前额叶皮层的定位大多采用“5-cm方法”,该定位方法对操作者的要求比较高,可能会限制干预效果。相比传统的rTMS技术,神经导航rTMS技术通过影像信息对干预脑区实现个体定位,在抑郁症干预中表现出了极大的优势20。因此,融合渴求任务下额叶脑区的激活分布信息,采用神经导航的rTMS,有望实现对成瘾渴求更加科学、准确的靶点定位,提高干预效果。

三、成瘾神经影像技术面临的挑战

药物成瘾是困扰人类健康和社会发展的重大公共卫生和社会问题,患者治疗及戒断后的高复吸率是药物成瘾的显著特征,也是成瘾发病治疗的难点。随着人工智能及无创脑刺激技术的发展,医工交叉领域初步实现现代医疗与工程思维的交叉、融合与渗透。在此背景下,多模态神经影像势必会为成瘾脑机制及治疗提供更大助力,主要表现在以下三个方面:(1)基于人工智能对成瘾大脑影像信息进行深度挖掘,将为成瘾复吸的早期预防提供新方法;(2)融合成瘾影像信息的无创脑刺激技术筛选新靶点,将为成瘾疾病的治疗提供新思路21;(3)成瘾人群治疗过程中存在着较大的个体差异,神经影像技术可以为成瘾疾病的治疗方案制定提供经验及指导22。未来如何实现多模态影像信息的有效融合,将人工智能技术成功应用于成瘾疾病的诊断、个体化治疗及复吸预测具有重要的理论意义、技术挑战性及临床转化前景。

目前还有诸多神经影像技术在成瘾领域中的应用,还面临诸多挑战:(1)研究结果的可重复性及不同设备之间的归一化:广泛而开放的影像学数据共享,例如人类连接体项目(human connectome project,HCP)、英国生物银行(UK biobank)、美国国立卫生研究院(national institutes of health,NIH)主导的“青少年脑认知发展”(adolescent brain cognitive development,ABCD),上述数据库的建立及分析方法的发展,为上述挑战提供了可能的解决方案;(2)如何实现个体化的诊疗:传统的无创脑刺激技术采用开环调控的方式对个体进行干预,临床效果存在一定的个体差异。近期出现的闭环调控技术23, 24,依据目标的实时状态自适应地给予干预的策略,临床研究已证实闭环调控干预效果更好、起效更快,可能为成瘾的个体化诊疗提供新方向。

利益冲突
利益冲突

所有作者均声明不存在利益冲突

参考文献
[1]
WangQQ, KaelberDC, XuR, et al. COVID-19 risk and outcomes in patients with substance use disorders: analyses from electronic health records in the United States[J]. Mol Psychiatry, 2021, 26(1):30-39. DOI: 10.1038/s41380-020-00880-7.
[2]
ZilverstandA, HuangAS, Alia-KleinN, et al. Neuroimaging impaired response inhibition and salience attribution in human drug addiction: a systematic review[J]. Neuron, 2018, 98(5):886-903. DOI: 10.1016/j.neuron.2018.03.048.
[3]
杜彦瑶, 杨文菡, 黄思泓, . MRI扩散张量成像在评估短期戒断甲基苯丙胺成瘾者脑白质改变中的价值 [J]. 中华医学杂志, 2022, 102(35):2779-2785. DOI: 10.3760/cma.j.cn112137-20220113-00091.
[4]
董安珂, 张勇, 肖新广, . 基于表面形态学的重度尼古丁依赖者大脑皮质厚度改变及与吸烟相关特征的相关分析[J]. 中华医学杂志, 2022, 102(35):2774-2778. DOI: 10.3760/cma.j.cn112137-20220706-01499.
[5]
张孟哲, 高昕宇, 杨镇圭, . 基于动态因果模型的男性长期吸烟者默认网络有效连接分析[J]. 中华医学杂志, 2022, 102(35):2769-2773. DOI: 10.3760/cma.j.cn112137-20220705-01486.
[6]
陈惠娟, 傅丽莉, 符青青, . 槟榔依赖者动态脑自发活动特征及其与临床特征的相关性[J]. 中华医学杂志, 2022, 102(35):2763-2768. DOI: 10.3760/cma.j.cn112137-20220705-01487.
[7]
ShiJ, ZhaoLY, CopersinoML, et al. PET imaging of dopamine transporter and drug craving during methadone maintenance treatment and after prolonged abstinence in heroin users[J]. Eur J Pharmacol, 2008, 579(1-3):160-166. DOI: 10.1016/j.ejphar.2007.09.042.
[8]
SekineY, IyoM, OuchiY, et al. Methamphetamine-related psychiatric symptoms and reduced brain dopamine transporters studied with PET[J]. Am J Psychiatry, 2001, 158(8):1206-1214. DOI: 10.1176/appi.ajp.158.8.1206.
[9]
von DeneenKM, HussainH, WaheedJ, et al. Comparison of frontostriatal circuits in adolescent nicotine addiction and internet gaming disorder[J]. J Behav Addict, 2022, 11(1):26-39. DOI: 10.1556/2006.2021.00086.
[10]
ZhaoD, ZhangM, TianW, et al. Neurophysiological correlate of incubation of craving in individuals with methamphetamine use disorder[J]. Mol Psychiatry, 2021, 26(11):6198-6208. DOI: 10.1038/s41380-021-01252-5.
[11]
IeongHF, YuanZ. Resting-state neuroimaging and neuropsychological findings in opioid use disorder during abstinence: a review[J]. Front Hum Neurosci, 2017, 11:169. DOI: 10.3389/fnhum.2017.00169.
[12]
LewBJ, SalimianA, WilsonTW. Occipital neural dynamics in cannabis and alcohol use: independent effects of addiction[J]. Sci Rep, 2021, 11(1):22258. DOI: 10.1038/s41598-021-01493-y.
[13]
YangW, ZhangM, TangF, et al. Recovery of superior frontal gyrus cortical thickness and resting-state functional connectivity in abstinent heroin users after 8 months of follow-up[J]. Hum Brain Mapp, 2022, 43(10):3164-3175. DOI: 10.1002/hbm.25841.
[14]
AdinoffB, GuH, MerrickC, et al. Basal hippocampal activity and its functional connectivity predicts cocaine relapse[J]. Biol Psychiatry, 2015, 78(7):496-504. DOI: 10.1016/j.biopsych.2014.12.027.
[15]
YuanK, ZhaoM, YuD, et al. Striato-cortical tracts predict 12-h abstinence-induced lapse in smokers[J]. Neuropsychopharmacology, 2018, 43(12):2452-2458. DOI: 10.1038/s41386-018-0182-x.
[16]
YipSW, ScheinostD, PotenzaMN, et al. Connectome-based prediction of cocaine abstinence[J]. Am J Psychiatry, 2019, 176(2):156-164. DOI: 10.1176/appi.ajp.2018.17101147.
[17]
ZhangJ, FongK, OuyangRG, et al. Effects of repetitive transcranial magnetic stimulation (rTMS) on craving and substance consumption in patients with substance dependence: a systematic review and meta-analysis[J]. Addiction, 2019, 114(12):2137-2149. DOI: 10.1111/add.14753.
[18]
JinL, YuanM, ZhangW, et al. Repetitive transcranial magnetic stimulation modulates coupling among large-scale brain networks in heroin-dependent individuals: a randomized resting-state functional magnetic resonance imaging study[J]. Addict Biol, 2022, 27(2):e13121. DOI: 10.1111/adb.13121.
[19]
SuH, ChenT, ZhongN, et al. γ-aminobutyric acid and glutamate/glutamine alterations of the left prefrontal cortex in individuals with methamphetamine use disorder: a combined transcranial magnetic stimulation-magnetic resonance spectroscopy study[J]. Ann Transl Med, 2020, 8(6):347. DOI: 10.21037/atm.2020.02.95.
[20]
ColeEJ, PhillipsAL, BentzleyBS, et al. Stanford neuromodulation therapy (SNT): a double-blind randomized controlled trial[J]. Am J Psychiatry, 2022, 179(2):132-141. DOI: 10.1176/appi.ajp.2021.20101429.
[21]
JoutsaJ, MoussawiK, SiddiqiSH, et al. Brain lesions disrupting addiction map to a common human brain circuit[J]. Nat Med, 2022, 28(6):1249-1255. DOI: 10.1038/s41591-022-01834-y.
[22]
TejavibulyaL, RolisonM, GaoS, et al. Predicting the future of neuroimaging predictive models in mental health[J]. Mol Psychiatry, 2022, [2022-6-13] [2022-6-20]https://pubmed.ncbi.nlm.nih.gov/35697759/. DOI: 10.1038/s41380-022-01635-2. [published online ahead of print].
[23]
ScangosKW, KhambhatiAN, DalyPM, et al. Closed-loop neuromodulation in an individual with treatment-resistant depression[J]. Nat Med, 2021, 27(10):1696-1700. DOI: 10.1038/s41591-021-01480-w.
[24]
BasuI, YousefiA, CrockerB, et al. Closed-loop enhancement and neural decoding of cognitive control in humans[J]. Nat Biomed Eng, 2021, [2021-11-1] [2022-6-20]https://pubmed.ncbi.nlm.nih.gov/34725508/. DOI: 10.1038/s41551-021-00804-y. [published online ahead of print].
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词