《Molecular Psychiatry》：Neurobiological subtypes in alcohol use disorder and their phenotypic and clinical profiles
编辑推荐：
酒精使用障碍（AUD）与临床、行为和神经生物学上的巨大异质性相关，这阻碍了当前干预措施的有效性和未来治疗的发展。虽然近期研究致力于基于潜在的神经生物学标志物对精神疾病进行分层，但此类方法在AUD中仍鲜有探索。为解决这一问题，研究人员经验性地推导出AUD的神经生
酒精使用障碍（AUD）与临床、行为和神经生物学上的巨大异质性相关，这阻碍了当前干预措施的有效性和未来治疗的发展。虽然近期研究致力于基于潜在的神经生物学标志物对精神疾病进行分层，但此类方法在AUD中仍鲜有探索。为解决这一问题，研究人员经验性地推导出AUD的神经生物学亚型，并评估了其可重复性和临床相关性。研究人员纳入了来自人类连接组计划（HCP）的具有完整静息态功能磁共振成像（rs-fMRI）、表型和临床数据的参与者（N=668；58%为女性；22%为AUD[轻度AUD：n=109；中度至重度AUD：n=38]，AUD组中40%为女性）。采用基于全脑rs-fMRI图论指标的半监督聚类方法识别AUD的神经生物学亚型。通过重采样、置换检验和时间稳定性对亚型进行广泛的可重复性验证，并使用多模态行为和临床特征的综合评估验证其临床相关性。研究发现两种稳健且不同的AUD神经生物学亚型，具有独特的临床特征。亚型1表现出更强的感觉运动整合能力，但额顶/突显整合能力较低，且外化行为水平升高。亚型2则呈现相反模式：额顶、突显和默认模式网络的整合能力增强，感觉运动整合能力降低，主要特征为内化行为。亚型在AUD症状或使用特征方面无差异。重要的是，当纳入共病大麻依赖的AUD个体时，亚型结构和表型特征依然稳健，支持其对临床共病人群的普适性和转化相关性。总之，研究人员识别出具有不同表型和临床特征的AUD神经生物学亚型，比以往基于表型推导的亚组捕捉到更细微的差异，同时保持可解释性和临床意义。这些发现为理解AUD的潜在机制提供了一个稳健的框架，并强调了其在神经生物学知情的分类学、治疗分配和个性化干预中的潜力。
**酒精使用障碍神经生物学亚型的识别与临床意义解读**
**研究背景与问题**
酒精使用障碍（AUD）是全球最常见且致死率最高的精神疾病之一，影响美国近2900万人，每年全球约300万人因酒精滥用死亡，占可预防性早死原因的首位。尽管危害巨大，但治疗率极低，2023年美国仅7.9%的AUD患者接受治疗，全球仅六分之一患者获得照护。现有干预措施效果有限，部分原因可归咎于“异质性难题”——即不同个体亚群中AUD的致病机制存在差异。AUD在症状、严重程度、共病、治疗机制和结局方面表现出广泛异质性，传统的“一刀切”治疗模式难以满足个性化需求，亟需更好的分层策略以指导临床评估、开发个性化治疗并提高疗效。既往研究多聚焦于行为与临床症状的异质性，而近期研究开始强调基于机制性特征（如神经影像学标志物）来识别亚型。然而，神经影像学在AUD中的研究仍存在矛盾：一些研究将AUD描述为“连接障碍综合征”，表现为广泛性连接降低；另一些则提出“去分化”，表现为冗余的广泛性连接增强。这些矛盾可能源于方法学差异以及传统病例-对照研究范式假设组内同质性的局限性，后者可能掩盖有意义的神经生物学差异，阻碍可重复性、生物标志物发现和临床转化。为此，神经影像学亚型（biotyping）作为一种有前景的策略应运而生，旨在基于共同的神经生物学特征识别亚型，从而更有效地捕捉潜在的生物学异质性，指导干预策略。然而，biotyping在成瘾领域仍鲜有探索，仅有一项研究考察了酒精滥用的神经影像学亚型。
**研究目的与结论**
本研究旨在表征AUD个体间的神经生物学异质性。研究人员假设存在多种不同亚型，并利用半监督聚类算法HYDRA，基于全脑静息态功能磁共振成像（rs-fMRI）的图论指标，识别出两个稳健的神经生物学亚型。亚型1表现出感觉运动网络整合增强，但额顶/突显等联合网络整合降低，临床特征以外化行为为主；亚型2则呈现相反模式，联合网络整合增强，感觉运动整合降低，主要特征为内化行为。这两个亚型在AUD症状严重程度或饮酒特征上无显著差异，且在大麻共病样本中仍保持稳健。该研究首次全面表征了AUD的神经生物学异质性，为理解AUD机制提供了可解释、可重复的框架，并强调基于脑的亚型分类在指导个性化、神经生物学知情的靶向干预中的直接临床潜力。论文发表在《Molecular Psychiatry》。
**关键技术与方法**
研究人员主要采用以下关键技术方法：1）数据来源：美国人类连接组计划（HCP）S1200数据集，包含2012-2015年收集的rs-fMRI、表型和临床数据。样本纳入668名参与者（58%女性，147名AUD患者，其中轻度109例，中度至重度38例）。2）半监督聚类算法HYDRA：以全脑图论指标（参与系数）为输入，将对照组作为参考组、AUD组作为目标组，聚类疾病相关偏离模式，减少混杂变异。3）图论分析：基于Glasser多模态图谱（360个皮层分区+19个皮层下分区）计算功能连接矩阵，提取全局效率、局部效率、参与系数、介数中心度和度/强度五种图论指标。4）可重复性验证：通过重采样、置换检验和时间稳定性（REST1与REST2扫描日）评估亚型稳健性，并调整年龄和性别。5）表型与临床特征表征：使用探索性因子分析（EFA）降维100项表型/临床指标，并通过多元线性混合模型和多项逻辑回归分析亚型间差异及预测效度。
**研究结果**
**两个神经生物学亚型由HYDRA揭示**：通过10折交叉验证和重复测量方差分析，2聚类解（k=2）在所有图论指标中表现最优，且参与系数的平均调整兰德指数（ARI）最高（0.74±0.03，p-FDR<0.001）。重采样验证中99/100次迭代确认k=2最优，置换检验显示2聚类解显著高于零分布（Cohen's d=2.00，95% CI 0.08-0.10，p<0.05），时间稳定性分析显示REST1与REST2聚类分配高度一致（ARI=0.96），亚型1和亚型2的分配稳定性分别为63%和86%。
**HYDRA亚型的神经影像学特征**：亚型1在感觉运动网络（包括体感、感觉运动、顶叶关联和视觉网络）的参与系数升高，但在联合网络（包括额顶、默认模式、奖赏、突显和皮层下区域，如双侧壳核和尾状核）的参与系数降低（p-FDR<0.05）。亚型2呈现相反模式：联合网络（额顶、默认模式、奖赏、突显、边缘网络及皮层下区域——双侧尾状核、壳核、小脑、海马和右侧杏仁核）的参与系数升高，感觉运动网络参与系数降低（p-FDR<0.05）。控制全局信号标准差后结果一致。
**传统病例-对照比较**：在FDR校正后，仅发现左侧额叶眼动区1个分区的介数中心度显著增加，其余图论指标无显著差异。
**亚型表型与临床特征**：探索性因子分析提取18个潜在因子。亚型1的外化行为（Cohen's d=-0.63，95% CI [-0.89, -0.23]，p-FDR<0.001）和躯体化（Cohen's d=-0.41，95% CI [-0.70, -0.03]，p-FDR<0.05）水平最高；亚型2的负性情感（Cohen's d=-0.58，95% CI [-0.77, -0.28]，p-FDR<0.001）、内化（Cohen's d=-0.48，95% CI [-0.68, -0.19]，p-FDR<0.001）、尽责性/注意力（Cohen's d=-0.39，95% CI [-0.60, -0.11]，p-FDR<0.01）和躯体化（Cohen's d=-0.39，95% CI [-0.60, -0.11]，p-FDR<0.01）水平最高，外化行为也升高（Cohen's d=-0.41，95% CI [-0.61, -0.12]，p-FDR<0.001）。亚型间仅负性情感存在显著差异（Cohen's d=-0.43，95% CI [-0.77, -0.01]，p-FDR<0.05）。多项逻辑回归显示，外化症状升高显著增加亚型1相对于对照的归属概率（OR=1.88，95% CI [1.36, 2.61]，p-FDR<0.01），负性情感升高显著增加亚型2相对于对照的归属概率（OR=1.93，95% CI [1.37, 2.72]，p-FDR<0.01）。亚型间在人口学、饮酒特征、AUD严重程度（轻度vs中度-重度）方面无显著差异。
**脑-行为与表型-AUD严重程度关联的调节效应**：未发现显著的交互效应，表明脑-行为关联及表型与症状严重程度的关系在亚型间相似。
**纳入共病大麻依赖AUD后的亚型通用性**：在包含AUD与大麻依赖共病样本（AUD-CD）后，仍识别出2聚类解（ARI=0.75），与原AUD-ONLY解的聚类分配重叠极高（ARI=0.99），神经影像学特征和表型特征高度一致，新亚型1仍以外化特征为主，新亚型2以内化特征为主，且亚型1的非法药物使用水平更高。
**总结与讨论**
本研究首次系统表征了AUD的神经生物学异质性，识别出两个稳健且具有相反神经影像学特征的亚型。亚型1的感觉运动网络整合增强、联合网络整合降低，与其外化行为表型一致，提示可能通过冲动和奖赏寻求途径导致AUD；亚型2的联合网络及皮层下结构（包括杏仁核、海马等）整合增强，与其内化行为表型相关，表明负性情感驱动的冲动行为。传统病例-对照分析未能发现有意义差异，凸显了分层方法的必要性。亚型结构在共病大麻依赖样本中保持稳健，增强了普适性。研究结论指出：利用基于脑的亚型分类可指导个性化治疗，例如对亚型1采用兴奋性经颅磁刺激靶向执行控制网络，或使用纳曲酮等针对奖赏寻求动机的药物；对亚型2则可采用抑制性刺激调节情感-执行回路，结合情绪调节认知行为疗法。该研究为AUD的神经生物学知情分类和治疗分配提供了可解释、可重复的框架，推动了精准医学在成瘾领域的应用。
