有效的基于连接体的预测建模揭示了从共享中心到可分离的途径的安赫多尼亚的跨诊断异质性

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.
• 计算精神病学是一种计算精神病学.

背景情况:

• 无情感是精神疾病的一个关键症状,包括预期性 (AP) 和消耗性 (CP) 组成部分.
• 了解AP和CP的神经基础和交叉诊断相关性至关重要,但仍然不清楚.

研究的目的:

• 为了研究AP和CP的独特的神经连接组模式.
• 探索这些模式与跨诊断精神病理学的关联.
• 为AP和CP的个体差异开发一个预测模型.

主要方法:

• 使用了交叉诊断样本 (N=218) 和神经扰乱推断有效的基于连接组的预测模型 (NPI-ECPM).
• 采用空间共定位分析来评估无花果网络和病理网络之间的重叠.
• 患者和健康对照对AP和CP进行神经网络差异比较.

主要成果:

• 预期性快乐 (AP) 在患者和对照人群之间显示出显著的差异,与消费性快乐 (CP) 不同.
• 在NPI-ECPM准确预测CP,但不是AP.
• 与AP相关的网络与跨诊断病理学网络有显著的融合 (ρ = 0.227,p < 0.001).

结论:

• AP功能障碍取决于状态,与精神疾病有关,而CP是一种独立于诊断的特征.
• 研究结果表明,安赫多尼亚有双重机制,区分与疾病相关的神经回路.
• 这一框架有助于理解花的异质性,并将症状特异的神经特征映射到跨诊断病理.