JAMA Psychiatry：青少年酒精使用与大脑网络

青少年时期是从酒精误用和尝试到成瘾的关键转折期，这主要是因为在这一时期大脑还在发展中。因此，这一阶段被认为是识别可能导致后期生活问题的大脑回路的关键时点，这一现象被称为“预成瘾”。与未来成年人的饮酒行为无关，青少年期的高风险酒精使用本身就是一种不良的健康行为，与多种负面后果有关，并且是导致残疾和死亡的主要原因之一。通过识别与早期风险相关的大脑机制，我们的目标是促进未来新型预防和干预方法的发展，以减轻问题性酒精使用的影响。

     现代关于酒精使用风险的理论强调了由前额皮质结构参与的自上而下的抑制系统和由下皮质奖励系统构成的自下而上的双重角色。然而，通过网络神经科学对大脑功能连接组的研究表明，典型的大脑成熟涉及网络的复杂功能重组，而不仅仅是单个区域的简单线性成熟。这些见解已经改变了我们对基础神经发育的理解，但在酒精使用风险行为的背景下尚未得到充分的描述。

     在神经发育方面，性别差异已被广泛注意到，女性相对于男性显示出加速的发展轨迹。青少年时期的酒精使用中也常常报告性别差异。因此，本研究旨在特别考虑性别差异，以识别使青少年容易受到酒精使用影响的神经网络。我们采用了多变量预测建模框架，以识别和交叉验证（即，在新数据中测试）与当前和未来酒精使用风险相关的大脑网络。这些网络是在执行与当前神经发育模型相关的不同认知任务时获取的神经影像数据，即奖励处理任务和抑制控制任务。基于现代神经发育理论，我们预计在奖励相关过程中识别的网络将最相关于预测年轻青少年（约14岁）与年长青少年（约19岁）的酒精使用行为，而在抑制相关过程中识别的网络将最相关于预测年长青少年相对于年轻青少年的酒精使用行为。本研究发表在JAMAPsychiatry杂志。（可添加微信号18983979082或19962074063获取原文及补充材料，另思影提供免费文献下载服务，如需要也可添加此微信号入群).

关键点

问题：在青少年中，与酒精使用风险有关的功能性大脑连接是什么？这些连接在男性和女性青少年之间有差异吗？

发现：这个包括1359名青少年的队列研究识别出了与酒精使用有关的共同和不同的神经生物学基础。模型在预测女性风险方面的准确性一直优于预测男性风险。

意义：本研究及其随后的外部验证所识别的网络代表了未来预防和干预工作的候选目标。

方法

概览

     IMAGEN联盟在8个站点收集了酒精和神经影像数据。每个站点的伦理委员会都批准了这项研究。一名家长或监护人提供了书面同意，青少年提供了口头同意。该研究遵循了加强观察性研究流行病学报告（STROBE）的报告指南。图1提供了主要数据收集和分析步骤的示意概览。基线数据是在14岁时获取的。随访数据是在19岁时获取的。分析重点是预测19岁时的酒精使用风险。在基线（14岁）获取的数据用于识别与未来酒精使用风险相关的网络，而在随访（19岁）获取的数据用于识别与当前酒精使用风险相关的网络。

     神经影像数据是通过使用经过验证的功能连接流程（见补充1中的eMethods）来处理的，以生成单个参与者的功能连接矩阵（以下简称为连接组）。连接组提供了一个个体独特的大脑功能组织模式的多变量总结。虽然连接组在个体之间相对独特（即，能够独特地识别个体，这一过程被称为神经指纹识别），但一个人的连接组也会随着认知任务表现或大脑状态的变化而变化。此外，最近的工作表明，通过认知任务表现与静息状态的大脑状态操纵，是识别包括成人物质使用预测性神经标记物在内的核心个体差异因素的最佳方式。我们的分析集中在从奖励和抑制任务期间获取的神经影像数据派生出的连接组上。连接组被输入到基于连接组的预测模型（CPMs）中，以识别与酒精滥用相关的网络。

参与者

       参与者的人口统计特征在表格中提供。作为外部复制样本（见补充1），使用了一个独立的美国大学生样本（n = 114；扫描时年龄17-23岁，平均[标准差]年龄为18.42[0.77]岁）。

表 参与者特征

缩写：AUDIT，酒精使用障碍识别测试。

a. t值。 b. χ^2值。 c. 基于欧洲学校酒精和其他药物调查项目（ESPAD）和药物滥用筛查测试（DAST）。 d. 基于ESPAD对一生中使用可卡因、强力可卡因和安非他明的回应。

酒精使用 

      酒精使用是通过使用酒精使用障碍识别测试（AUDIT）来评估的，这是一个经过良好验证的自我报告酒精使用风险测量工具，总分范围从0到40。23岁时，AUDIT分数在14岁时较低，样本间的方差相对较小（平均[标准差]分数为1.36 [2.42]）（见补充1中的eFigure 1）。19岁时AUDIT分数的方差更高（平均[标准差]分数为5.53 [4.47]），并且从14岁到19岁，分数显著增加（t870 = 28.94；P < .001）。表格和补充1中的eFigure 2提供了关于其他物质使用的详细信息。

神经成像 

     功能磁共振成像（fMRI）数据是在一个奖励任务（货币激励延迟）和一个抑制控制任务（停止信号）期间收集的。任务、预处理和连接性分析的详细信息在补充1中的eMethods和eFigures 3和4中。

图1：数据收集和分析的示意性概览

     A部分，功能磁共振成像（fMRI）数据是在参与者完成货币激励延迟任务（奖励）和停止信号任务（抑制控制）时，分别在14岁和19岁时收集的。使用268节点的沈图谱（Shen atlas）计算了整个大脑的连接组，并使用每个268个节点的平均时间序列计算了节点对节点的成对Pearson r连接相关性。对于每个个体和任务，r值经过Fisher r到z的转换，并组合成一个对称的268×268矩阵，总结了每个参与者在每种任务类型（即，每个个体的奖励和抑制控制连接组）的整个大脑连接模式。然后，将连接组输入到基于连接组的预测模型分析中，预测19岁时在酒精使用障碍识别测试（AUDIT）上的分数，以识别与未来酒精使用严重性（14岁的fMRI数据预测19岁的AUDIT数据）和当前酒精使用严重性（19岁的fMRI数据预测19岁的AUDIT数据）相关的模型。最后，模型特征直接映射回神经解剖学以提供机制性的见解。

    B部分，基于连接组的预测建模包括以下步骤：（1）特征选择，其中使用线性回归来识别与目标行为变量（这里是酒精使用严重性）相关的连接组特征，在训练数据集中；（2）特征减少，其中识别的连接被求和为训练数据集中的每个个体创建一个单一的总结值；（3）模型构建，其中总结分数（自变量）与行为变量（因变量）线性相关；以及（4）模型应用，其中生成的线性模型应用于测试数据集中的新连接组，以生成行为预测。最后，模型的预测能力是基于模型预测的酒精使用风险分数与实际酒精使用风险分数之间的对应关系来评估的。

基于连接组的预测建模 

      如图1B所示，CPM包括以下步骤：（1）特征选择，其中使用回归来识别与感兴趣的行为变量（这里是酒精使用严重性，使用特征选择阈值P < .05）相关的连接组特征，在一个训练数据集中；（2）特征减少，其中识别的连接被求和以为训练数据集中的每个个体创建一个总结值；（3）模型构建，其中总结分数（自变量）与行为变量（因变量）线性相关；（4）模型应用，其中生成的线性模型应用于测试数据集中的新连接组，以生成预测；以及（5）模型评估，其中模型的预测能力是基于模型预测的酒精使用风险分数与实际酒精使用风险分数之间的对应关系来评估的。与相关性或回归不同，内置交叉验证的CPM通过在以前未见过的数据（步骤5）中测试关联的强度来防止过度拟合，从而增加了在未来研究中复制的可能性，因此适用于其他临床样本。

      每个任务和时间点的连接组都使用嵌套交叉验证方案输入到CPM中，其中一个测试站点被留出，而剩下的训练站点使用10倍交叉验证。在这种方法中，单个站点的数据被留出。然后使用其他7个站点的剩余数据生成预测模型。然后在被留出的站点中测试模型的准确性。这种方法是多站点神经成像数据的当前黄金标准。

      进行了性别不明确（两性合并）和性别特异性（女性和男性分开）的模型。模型结果在每个时间点运行的模型数量上进行了Bonferroni校正，并通过排列测试确定为在双尾α < .008时认为是显著的。

网络解剖学和虚拟破坏 

     与最佳实践建议一致，我们通过与已建立的大规模神经网络（在补充1中的eFigure 5）的空间重叠来总结与酒精使用风险相关的已识别网络的解剖学，以下简称为规范神经网络。进一步地，为了最大化机制性的见解，我们使用了一种事后虚拟破坏方法，其中与所有但一个规范网络（例如，默认模式）重叠的连接被虚拟破坏，然后重新运行模型。通过对每个规范网络分别这样做，我们能够确定这些已建立网络内连接的相对预测准确性或特征重要性。网络掩模可供下载。

结果

交叉验证的大脑-行为模型 

与未来酒精使用风险相关的神经网络 

      在研究中的1359名个体中，平均（标准差）年龄是14.42（0.40）岁，其中729名个体（54%）是女性。对基线数据（14岁）的分析发现，评估未来酒精使用严重性的CPM的预测准确性在性别上有所不同。具体而言，性别不明确的模型（奖励ρ，0.17；总连边数，1575；P < .001；抑制ρ，0.22；总连边数，1640；P < .001）和仅限女性的模型（奖励ρ，0.29；总连边数，3150；P < .001；抑制ρ，0.26；总连边数，2119；P < .001）成功预测了19岁时的未来酒精使用严重性，但仅限男性的模型则没有（奖励ρ，0.04；总连边数，359；P = .43；抑制ρ，0.11；总连边数，391；P = .02）。在控制基线酒精使用严重性和残余运动（编者注：residual motion"（残余运动）通常指的是在进行功能磁共振成像（fMRI）扫描时，参与者头部的微小移动）。的事后分析中出现了相同的结果模式（在补充1中的eResults和eTable 1）。使用Fisher r到z进行模型准确性的比较证实，仅限女性的模型显著优于仅限男性的模型（奖励z = 4.0；P < .001；抑制z = 2.47；P = .01）。

    

与当前酒精使用风险相关的神经网络 

      对随访数据（19岁）的分析进一步表明，评估当前酒精使用严重性的CPM的预测准确性在性别上有所不同。具体而言，性别不明确的模型（奖励ρ，0.17；总连边数，2904；P < .001；抑制ρ，0.27；总连边数，2538；P < .001）和仅限女性的模型（奖励ρ，0.29；总连边数，2606；P < .001；抑制ρ，0.27；总连边数，2134；P < .001）在两种任务类型中都成功预测了当前的严重性。相反，仅限男性的模型成功使用在抑制任务表现期间获取的连接性数据预测当前的严重性（ρ，0.18；总连边数，622；P < .001），但没有使用在奖励任务表现期间获取的数据（ρ，0.03；总连边数，906；P = 0.44），这表明酒精风险模型在仅限男性的个体中具有任务特异性。

      在控制基线酒精使用严重性和残余运动的事后分析中出现了相同的结果模式（在补充1中的eTable 2）。模型准确性的比较表明，从奖励数据生成的仅限女性模型显著优于从奖励数据生成的仅限男性模型（z = 4.4；P < .001）。从抑制数据生成的仅限女性和仅限男性模型之间的预测模型表现没有显著差异（z = 1.67；P = .10）。

图2：未来严重性网络的解剖学和虚拟破坏 

      网络解剖学是基于与已建立的大规模神经网络的空间重叠来总结的，单元格根据每一对规范网络之间的连接占总网络的百分比进行着色。使用虚拟破坏方法评估这些已建立网络内连接的相对重要性，每个模型在x轴上的模型性能（ρ）。对于使用奖励（A）和抑制控制任务（B）数据识别的仅限女性未来严重性网络，正连接包括高度的网络内的前额、运动-感觉和小脑连接，以及与小脑和皮质下网络的大量网络间连接。使用奖励数据（A）识别的网络进一步通过与前额和运动-感觉网络的网络间连接进行了特征描述。对于两个任务，负连接包括高度的网络间运动-感觉连接。事后虚拟破坏表明，前额-顶叶、突显、运动-感觉和小脑网络内的连接性解释了未来酒精使用中的大部分方差。

图3：当前严重性网络的解剖学和虚拟破坏 

       网络解剖学是基于与已建立的大规模神经网络的空间重叠来总结的，单元格根据每一对规范网络之间的连接占总网络的百分比进行着色。使用虚拟破坏方法评估这些已建立网络内连接的相对重要性，每个模型在x轴上的模型性能（ρ）。从奖励（A）和抑制控制（B）任务生成的仅限女性正网络主要由运动-感觉、小脑、皮质下和突显网络连接主导，而负网络主要由运动-感觉、突显和皮质下连接特征化。对于使用抑制控制数据（C）识别的仅限男性当前严重性网络，正网络主要由小脑和皮质下网络之间的连接以及网络内的小脑连接主导，而负网络包含高度的小脑、皮质下、突显和前额连接以及高度的网络内皮质下连接。事后虚拟破坏表明，对于仅限女性的网络（A和B），突显、运动-感觉和小脑内的连接性解释了当前酒精使用中的最大方差量。对于男性个体，虚拟破坏表明，运动-感觉、小脑和皮质下连接性解释了当前酒精使用中的最高方差量（C）。

酒精风险网络的解剖学 

      图2和图3显示了作为与规范神经网络的空间重叠的函数而识别的网络的解剖学。解剖学分别为正和负预测连接进行了总结。正预测连接是那些增加的连接性积极预测酒精使用风险的连接。负预测连接是那些减少的连接性积极预测酒精使用风险的连接。根据定义，正和负连接不能直接重叠（因为单个连接不能既是正预测器也是负预测器）。然而，如图2和图3所总结的，正和负预测连接可能包括在相似的大尺度规范神经网络内部和之间的连接。图2和图3还显示了与连接的相对预测准确性或特征重要性相对应的虚拟破坏结果。

      

与未来酒精使用风险相关的神经网络 

      如图2所示，使用奖励或抑制控制任务数据与未来酒精使用相关的神经网络在女性青少年中是相似的，表明这两个过程在增加酒精使用风险方面的相关性。对于两个任务，正连接包括高度的网络内的前额、运动-感觉和小脑连接，以及与小脑和皮质下网络的大量网络间连接。使用奖励数据识别的网络进一步通过在前额和运动-感觉网络内的网络间连接进行了特征描述。对于两个任务，负连接包括高度的网络间运动-感觉连接。

     事后虚拟破坏表明，具有最高个体特征权重的网络——即，与给定规范网络内的连接性相关的未来酒精使用中的方差量——包括前额-顶叶、突显、运动-感觉和小脑网络。

与当前酒精使用风险相关的神经网络 

       如图3所示，从两个任务生成的仅限女性的正网络主要由运动-感觉、小脑、皮质下和突显网络连接主导，而负网络主要由运动-感觉、突显和皮质下连接特征化。尽管使用抑制数据识别的仅限男性网络比女性网络稀疏，但它们具有在相似网络内部和之间的连接：正的仅限男性网络主要由小脑和皮质下网络之间的连接以及网络内的小脑连接主导；负的仅限男性网络包含高度的小脑、皮质下、突显和前额连接以及高度的网络内皮质下连接。

     对于女性青少年，事后虚拟破坏表明，具有最高个体特征权重的网络——即，与给定规范网络内的连接性相关的当前酒精使用中的方差量——包括突显、运动-感觉和小脑网络。对于男性青少年，虚拟破坏表明，与当前酒精使用中的最高方差量相关的网络包括运动-感觉、小脑和皮质下区域。

网络随时间的变化 

      对于成功的模型，通过将正和负网络内的连接强度相加来创建个体参与者网络摘要分数，并进入配对t检验以描述随时间推移识别网络的发展。在女性青少年中，预测未来酒精使用的奖励和抑制控制网络内的连接性从14岁显著增加到19岁（奖励 t539 = -7.09; P < .001; 抑制 t559 = -4.68; P < .001）。在女性和男性青少年中，预测当前使用的抑制控制网络内的连接性也从14岁显著增加到19岁（女性 t = -5.61（df = 559），P < .001; 男性：t468 = -5.87; P < .001），而14岁到19岁的女性青少年中预测当前使用的奖励网络内的连接性变化没有达到显著性（t539 = -1.77; P = .08）。

性别间的网络重叠 

      尽管在预测准确性方面存在显著差异，但与酒精使用行为相关的识别网络在男性和女性青少年之间相对一致。与此一致，跨性别分析表明，在19岁的女性青少年中开发的模型能够推广到预测19岁男性青少年的酒精使用（奖励：ρ，0.14; P = .001; 抑制：ρ，0.15; P < .001），以及在19岁的男性青少年中开发的模型能够推广到预测19岁女性青少年的酒精使用，但仅限于抑制任务数据，而不是奖励任务数据（奖励：ρ，0.07; P = .08 抑制：ρ，0.26; P < .001）。

特异性和泛化性 

特异性分析 

      为了确定识别出的解剖学连接对酒精使用的特异性，我们在控制冲动性和神经质变异的同时重复进行了CPM（连接组预测模型）。对于所有模型，预测准确性对这些因素都是稳健的，表明识别出的连接是特异性地与酒精使用相关，而模型准确性并非由更一般的潜在性格因素驱动（补充材料1中的eTables 3和4）。

       如表中所示，14岁时的物质使用率较低，但19岁时较高（例如，大约64%的终身烟草使用率）。事后分析表明，物质使用与仅限男性抑制模型内的连接性之间存在显著关联，即连接性在非酒精物质使用的男性中更高。后续分析表明，酒精使用与连接性之间的关联在每个组（物质使用阳性和物质使用阴性）内分别仍然显著（补充材料1中的eTables 3-5）。

图4. 当前严重性网络的外部复制 

A，度图展示了从抑制控制任务数据中识别的性别不明确的当前严重性网络的每个节点出发的连接数量。 

B，单元格的阴影程度根据每一对规范网络之间的连接占总网络的百分比进行着色。正面网络主要由小脑和皮质下网络之间的连接以及运动-感觉和小脑网络内的连接所主导。负面网络则以皮质下网络内的高度连接以及皮质下、小脑和突显网络之间的连接为特点。

C，IMAGEN数据集中从抑制控制数据中识别的性别不明确的当前严重性网络的网络强度成功复制以预测一个完全独立样本（n = 114）中的风险酒精使用。

泛化性

      统计可靠性的最终测试是模型是否能在新的个体和环境中产生一致的结果。因此，在我们上面的分析中，我们采用了严格的留一站点外交叉验证方案，其中模型在以前未见过的测试站点中进行了测试。作为效果稳健性的进一步测试，我们试图确定识别出的神经网络是否也会与大脑和大学生酒精研究（BARCS）研究中的114名青少年的酒精使用风险相关，这些青少年是独立于IMAGEN联盟招募的（补充材料1中的eResults）。

     BARCS与IMAGEN有多个不同之处，包括不同的扫描内抑制控制任务（go/no-go任务）、不同的成像获取参数、更小的样本量、从美国（而非欧洲）招募，以及不同的酒精使用风险评估。尽管存在这些差异，但在IMAGEN中识别为与当前酒精使用风险相关的连接成功复制以预测这个外部测试样本中的风险酒精使用（在这种情况下，定义为24小时内消耗的最大数量的酒精饮料）（ρ，0.20；总边数，113；P = .03）（图4）。与BARCS相关的其他详细信息和分析在补充材料1中的eResults里。

讨论 

      本研究利用IMAGEN联盟的数据，使用先进的基于连接组的方法来识别与酒精使用风险相关的神经网络。通过使用与青少年风险行为相关的两种认知任务——奖励任务和抑制控制任务的数据，我们识别了女性和男性青少年早期酒精使用风险的共同和不同的神经生物学基础，以及模型准确性中的性别差异。对于女性青少年，使用两种任务类型的神经成像数据生成的模型成功地识别了未来和当前酒精使用风险的可靠神经标志。相反，对于男性青少年，只有使用抑制控制任务数据生成的模型成功地预测了当前的酒精使用风险，而未来风险的可靠标志没有被识别（即，在训练数据中识别的大脑特征没有预测以前未见过的测试数据中的酒精使用）。尽管存在这些差异，被识别为与男性和女性青少年当前酒精使用风险普遍相关的连接不仅推广到IMAGEN内部的预留测试站点，而且预测了一个完全独立的青少年群体中的酒精行为。因此，被识别的酒精使用风险网络可以被认为是一个稳健的神经标记，可能会成为未来预防和干预努力的目标。

      在女性青少年中，识别出的连接包括多个众所周知的静息态网络的子成分集，包括内侧额叶、前顶叶、突显、运动-感觉和小脑网络。这些网络内的连接性通常从14岁增加到19岁，与酒精使用的增加同时发生。此外，尽管总体特征相似，与未来（14岁）和当前（19岁）酒精使用风险相关的网络子成分集的相对预测权重随时间而变化，即内侧额叶和突显网络主要与未来酒精使用风险相关，而小脑和运动-感觉网络主要与当前酒精使用风险相关。这些发现与最近的数据一致，这些数据显示在重度酒精消费的青少年中小脑生长轨迹发生了改变，以及与更广泛的文献一致，该文献暗示小脑和运动系统在物质使用病理生理学中有作用（补充材料1中的eDiscussion）。综合这些数据，这些数据表明，针对前额叶皮层区域的预防工作可能对年轻青少年特别相关，而针对已经开始饮酒的年长青少年的干预工作可能更多地与小脑和运动-感觉区域相关。与此一致，19岁时的网络连接性推广以预测我们外部样本中年长的年轻成年人的酒精使用。

       抑制控制（与奖励相比）的大脑状态对于预测年长青少年的酒精使用更为相关；然而，这一效应仅限于男性青少年。这一发现与之前的研究一致，该研究表明核心个体差异因素（例如，智力）的可推广大脑-行为模型的准确性因性别和大脑状态而异，但据我们所知，这是首次在酒精使用风险的背景下展示了类似的性别特异性。综合这些数据，这些数据表明，专注于抑制控制过程的干预可能对于对抗男性青少年当前的酒精使用风险特别有效，但抑制和与奖励相关的过程可能与女性青少年当前的酒精使用行为都有关。性别特异性的干预调整以前已经提出，但很少（如果有的话）基于神经生物学。通过识别发展过程中风险酒精使用的稳健标记，我们希望支持这种以神经生物学为基础的预防和干预努力的发展。

优点和局限性 

       本研究有几个优点，包括其独特的纵向样本和使用完全基于数据的方法，以及严格的留出一个站点的内部验证和使用独立样本的外部验证。这项研究也有几个局限性，包括缺乏在内部和外部验证样本中一致测量酒精使用严重性的方法，以及缺乏可以用于追踪轨迹的更频繁获取的神经成像数据。此外，我们的外部复制样本主要是白人欧洲人，因此尚待观察这些预测网络是否会推广到更多样化的人群。

结论 

      这些数据提供了一个全连接组的评估，用于支持酒精使用风险的神经网络，并在青少年中识别了酒精使用风险的维度神经标记。外部验证支持了这些发现。