非营利非商业性健康信息的可信来源
美国抗衰老、预防和再生医学学会的原始声音
标志 标志
上瘾 行为 大脑和精神表现 遗传研究

新发现的神经标志物揭示了药物和食物渴望的线索

两个月零一周前

2532 0
发布于2022年12月20日下午4点

众所周知,渴望是物质使用障碍的一个关键因素,并可能增加未来使用药物或复发的可能性。然而,它的神经基础——或者说,大脑是如何产生渴望的——尚不为人所知。

在一个新的研究来自耶鲁大学、达特茅斯学院和法国国家科学研究中心(CNRS)的研究人员已经发现了一种稳定的大脑模式,或神经标志物,用于药物和食物的渴望。他们的研究结果发表在12月19日的《自然神经科学》杂志上。

研究人员说,这一发现可能是理解渴望的大脑基础,成瘾作为一种大脑疾病,以及未来如何更好地治疗成瘾的重要一步。重要的是,这种神经标记物也可以用来区分吸毒者和非吸毒者,使其不仅是一种渴望的神经标记物,而且是一种潜在的神经标记物,有一天可能被用于药物使用障碍的诊断。

对于许多疾病,医生可以使用生物标记来诊断和治疗患者。例如,为了诊断糖尿病,医生会检测一种叫做A1C的血液标志物。

耶鲁大学医学院精神病学副教授、该研究的作者海蒂·科伯(Hedy Kober)说:“拥有稳定的疾病生物学指标的一个好处是,你可以对任何人进行测试,然后判断他们是否患有这种疾病。”“我们在精神病理学上没有这种方法,当然在成瘾方面也没有。”

为了确定是否可以为渴望建立这样的标记,Kober和她的同事——CRNS的Leonie Koban和达特茅斯学院的Tor Wager——使用了一种机器学习算法。他们的想法是,如果许多经历类似渴望水平的人共享一种大脑活动模式,那么机器学习算法可能能够检测到这种模式,并使用它来预测基于大脑图像的渴望水平。

在这项研究中,他们使用了功能磁共振成像(fMRI)数据——可以深入了解大脑活动——以及99人对渴望的自我报告评估,来训练和测试机器学习算法。在收集功能磁共振成像数据的同时,这些自称为吸毒者或非吸毒者的人观看了毒品和美味食物的图像。然后,参与者评估他们对所见物品的渴望程度。

研究人员说,该算法识别了一种大脑活动模式,仅从功能磁共振成像图像就可以用来预测药物和食物渴望的强度。他们观察到的模式——他们称之为“神经生物学渴望特征(NCS)”——包括几个大脑区域的活动,之前的研究发现其中一些区域与药物使用和渴望有关。然而,NCS也提供了一个新的细节水平,展示了这些大脑区域的子区域的神经活动如何预测渴望。

Kober说:“这让我们对这些区域如何与渴望的主观体验相互作用和预测有了真正细致的了解。”

NCS还揭示了大脑对药物和食物线索的反应是相似的,这表明对药物的渴望源于产生对食物渴望的同一神经系统。重要的是,该标记能够根据大脑对药物线索的反应来区分吸毒者和非吸毒者,而不是食物线索。

科伯说:“这些发现并不仅限于一种物质,因为我们包括了使用可卡因、酒精和香烟的参与者,NCS预测了所有这些人的渴望。”“所以,这真的是渴望和上瘾的生物标志物。所有这些物质使用障碍都有一个共同点,就是在渴望的一瞬间被捕捉到。”

Wager还指出,看似相似的情绪和动机过程实际上涉及不同的大脑通路,可以用不同的方式测量。

“我们在这里看到的可能不是‘奖赏’的普遍特征,”他说,“而是对食物和毒品的渴望的选择性。”

此外,NCS还提供了一个新的大脑目标,以更好地理解食物和药物渴望是如何受到环境或情绪状态的影响的。“例如,”科班说,“我们可以在未来的研究中使用NCS来测量压力或负面情绪如何增加使用毒品或沉迷于我们最喜欢的巧克力的冲动。”

Kober指出,虽然NCS很有前途,但它还需要进一步的验证,而且还没有准备好用于临床。这可能需要几年的时间。现在,她和她的团队和合作者正在努力更深入地了解这个大脑区域网络,看看NCS是否能预测那些有药物使用障碍的人对治疗的反应。

她说,这将使这种神经标志物成为告知治疗策略的有力工具。

“我们的希望是,”Kober说,“大脑,特别是NCS作为一个稳定的生物指标,不仅可以让我们确定谁有物质使用障碍,了解人们结果的差异,还可以让我们知道谁对特定的治疗有反应。”

就像你在网上读到的任何东西一样,这篇文章不应该被理解为医学建议;在改变你的健康习惯之前,请咨询你的医生或初级保健提供者。本文不打算提供医学诊断、建议、治疗或认可。

内容可以根据风格和长度进行编辑。

以下机构提供的参考/来源/材料:

本文由耶鲁大学的Mallory Locklear撰写

https://news.yale.edu/2022/12/19/newly-identified-neuromarker-reveals-clues-about-drug-and-food-craving

https://www.yale.edu/

http://dx.doi.org/10.1038/s41593-022-01228-w

fred.mamoun@yale.edu

世界卫生视频

Baidu