突出和默认网络预测边界人格特征和情感症状:一个动态的功能连接分析

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 脑部成像 脑部成像

背景情况:

• 边界性人格障碍 (BPD) 是一种常见的精神病诊断.
• 边界人格特征 (BPT) 在一般人群中存在于连续上.
• 之前的研究发现了在默认模式网络 (DMN),突出网络 (SN) 和中央执行网络 (CEN) 内的BPD的功能连接性改变.

研究的目的:

• 调查与亚临床BPT相关的动态功能连接性改变.
• 检查这些网络变化与心理症状之间的关系.
• 识别BPD发展的潜在早期标志物.

主要方法:

• 应用集团独立组件分析 (Group-ICA),一种无监督的机器学习方法.
• 分析了200个人的休息状态功能磁共振成像 (fMRI) 数据.
• 评估独立宏观网络的时间变化,以预测BPT.

主要成果:

• 在SN (情绪反应) 和DMN重叠网络 (社会认知,心智阅读) 中观察到异常的动态功能连接.
• 较高的BPT与SN的时间变异性增加和DMN相关网络的变异性降低相关.
• SN BOLD变化与神经病,愤怒,缺乏自我控制和扭曲的内在对话有关.

结论:

• 休息状态网络异常可以在BPT的亚临床群体中检测到.
• 损坏的DMN和SN功能与亚临床BPT有关.
• 调查结果可以为早期干预策略提供信息,以防止完全发展BPD.