机器学习揭示青少年行为激活特质的多模态神经生物学特征：苍白球的关键作用

行为激活（BA）特质在青少年中神经生物学特征研究较少。研究人员利用多模态磁共振成像（MRI）和机器学习技术开展研究。发现多区域神经生物学特征可预测 BA 特质，且苍白球在其中作用关键。这为理解青少年 BA 特质发展提供依据。

　　行为激活（Behavioral Activation，BA）特质能够介导对正强化的反应，进而促进寻求奖励的行为。然而，基于多模态神经成像和机器学习技术对青少年 BA 特质的神经生物学特征进行研究的案例较少。在这项研究中，共有 6626 名青少年被纳入青少年大脑认知发展研究，他们均拥有有效的多模态磁共振成像（Magnetic Resonance Imaging，MRI）和问卷数据。研究采用基于机器学习的弹性网络回归并结合 5 折交叉验证（5-fold Cross-Validation，CV），以多模态 MRI 数据作为预测指标来刻画 BA 特质的神经生物学特征。通过 5 折交叉验证发现，多区域神经生物学特征能够有效地预测 BA 特质，并且这一结果在样本外也具有稳健性。在特定脑区方面，神经生物学特征在双侧苍白球区域富集。在功能网络方面，扣带回 - 岛盖网络和额顶网络与苍白球和伏隔核的功能连接显示出较高的 β 权重。传统单变量线性混合效应模型进一步支持了神经生物学特征与 BA 特质之间的关系，在该模型中，许多被确定为神经生物学模式一部分的特征与 BA 特质呈现出显著的单变量关联，其中就包括关键区域苍白球。总之，这些研究结果揭示了由机器学习得出的 BA 特质的可靠神经生物学特征，其中苍白球作为关键节点，参与了动机性脑网络。这表明苍白球可能在青少年 BA 特质的发展过程中发挥着至关重要的作用。