- 2 次围观
自闭症谱系障碍（ASD）是一种异质性的发育性状况，其特征为重复性行为和社会交往沟通困难。数十年来，奖赏网络一直被认为与ASD相关的社会缺陷具有特异性关联。尽管现代神经影像技术使得研究这一主要位于皮层下的网络成为可能，但基于任务的功能磁共振成像（fMRI）研究得出的结果并不一致，这在很大程度上是由于样本量不足以及奖赏范式的异质性所致。近来，研究者开始利用静息态脑成像来考察大规模数据集中奖赏网络的连接性。尽管既往研究已发现网络组织、诊断组别和个体层面临床变量之间存在关联，但这些发现大多仍停留在趋势性水平。然而，既往研究仅关注静态连接模式，忽视了脑活动所固有的时间动态特征。 在本研究中，我们分析了一个大型多中心fMRI数据集（ABIDE I），以考察ASD个体中奖赏网络的动态特征，并特别强调个体层面的变异性及其与临床表型之间的关系。在对静态连接性进行初步评估之后，我们采用隐马尔可夫模型（HMM）作为主要分析方法，并以滑动窗口方法结合后续聚类作为次级验证步骤，以表征奖赏网络活动的时间属性。两种方法均一致表明：最稀疏连接网络状态的更高占据率，与由修订版自闭症诊断访谈量表（ADI-R）测得的较轻语言沟通症状相关。值得注意的是，ASD组与对照组之间传统的组水平比较仅揭示出有限差异，这凸显了在这一异质性状况中进行个体层面表征的重要性。这些发现表明，奖赏网络连接性的时间动态能够捕捉到ASD中超越静态连接性指标的、具有临床意义的变异，支持采用动态方法来理解神经发育障碍的价值。
自闭症谱系障碍（ASD）是一种异质性的发育性状况，其特征为重复性行为以及社会沟通困难。数十年来，奖赏网络一直被明确认为与ASD相关的社会缺陷有关。尽管现代神经影像技术使研究这一主要由皮层下结构构成的网络成为可能，但基于任务的功能磁共振成像（fMRI）研究一直产生不一致的结果，这在很大程度上是由于样本量不足以及奖赏范式的异质性所致。
近年来，研究者开始利用静息态脑活动来考察大规模数据集中的奖赏网络连接性。虽然既往研究已经发现网络组织、诊断组别与个体层面临床变量之间存在关联，但这些发现大多仍停留在趋势水平。然而，既有研究仅关注静态连接模式，忽视了脑活动所固有的时间动态特征。
在本研究中，我们分析了一个大规模多中心fMRI数据集（ABIDE I），以考察ASD个体的奖赏网络动态，尤其关注个体层面的变异性及其与临床表型之间的关系。在初步评估静态连接性之后，我们采用隐马尔可夫模型（HMM）作为主要分析方法，并辅以滑动时间窗方法及后续聚类作为次级验证步骤，以刻画奖赏网络活动的时间特性。
我们发现，在两种方法中，占据连接最稀疏的网络状态时间越长，与更轻的言语沟通症状之间存在一致关联；该症状由修订版自闭症诊断访谈量表（ADI-R）进行测量。值得注意的是，传统的ASD组与对照组之间的组水平比较仅显示出有限差异，这凸显了在这种异质性状况中开展个体层面刻画的重要性。
这些发现表明，奖赏网络连接性的时间动态能够捕捉到ASD中具有临床意义的变异，而这超出了静态连接性测量所能反映的范围，从而支持了动态方法在理解神经发育障碍中的价值。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.12.731591v1?rss=1
🏷️ 自闭症谱系障碍 奖赏网络 静息态fMRI 脑连接动态 隐马尔可夫模型 症状严重程度