基于多种行为表型的跨诊断连接体预测建模揭示了临床认知关系的脑网络调解者

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 精神病学是一个精神病学.

背景情况:

• 基于Connectome的预测建模 (CPM) 使用功能性MRI数据将大脑网络与行为措施联系起来.
• 了解大脑网络与行为之间的关系对于临床解释和确定生物标志物至关重要.
• 跨诊断研究提供了对不同临床条件中共享的神经机制的见解.

研究的目的:

• 在跨诊断人群中,评估CPM在各种临床和认知措施中的表现.
• 确定外部测量 (认知测试,临床评估) 反映特定大脑网络的程度.
• 识别重叠的大脑网络,这些网络介绍了临床症状和认知功能之间的关系.

主要方法:

• 在深度表型的跨诊断队列 (n=317) 中,应用CPM到功能性MRI连接数据.
• 评估各种认知测试的预测强度和自我报告的临床测量与大脑网络数据.
• 研究了可预测认知指标的网络与与临床症状学相关的网络之间的重叠.

主要成果:

• 对于不同的外部指标,CPM表现出了广泛的预测性表现.
• 与自我报告的临床措施相比,认知测试显示出明显更好的预测性能 (p < 0.001).
• 网络重叠是稀有的,但确定了质体,小脑,体运动和背侧前额叶皮质作为关键枢纽.

结论:

• 该研究量化了行为和临床测量对特定大脑网络的映射程度.
• 稀少的重叠表明认知功能和临床症状有着不同的神经支,尽管关键枢纽都参与了这两者.
• 检查网络重叠是一种有价值的方法,用于识别临床相关认知功能障碍的神经相关物.