近日，beat365中文在线官网硕士研究生崔绍宇以第一作者身份在国际期刊《Addictive Behaviors》发表论文《Inter-subject variability in brain connectivity predicts nicotine dependence severity and differentiates smokers via machine learning》。董光恒教授和李旭洲博士为共同通讯作者。该研究从脑功能连接个体间变异性视角探索烟草使用障碍的神经机制。

烟草使用障碍患者的依赖程度和心理机制存在明显个体差异。研究采集123名男性烟草使用障碍者和123名健康对照者的静息态功能磁共振数据，考察七个脑区的功能连接个体间变异性，并结合五种机器学习模型检验其区分两组人群及预测尼古丁依赖严重程度的能力。

结果显示，烟草使用障碍组在六个脑区表现出更高的功能连接个体间变异性，其中岛叶差异最大，提示烟草使用障碍可能伴随广泛的脑功能连接异质性改变。

图1 烟草使用障碍组与健康对照组在七个脑区的脑功能连接个体间变异性差异

机器学习分析显示，极端随机树模型在独立测试集上的分类准确率达到88%，颞叶和边缘叶是最重要的分类特征。进一步分析发现，额叶、岛叶、边缘叶和颞叶的功能连接个体间变异性与尼古丁依赖严重程度显著相关，岛叶是唯一的独立预测指标。

图2 基于脑功能连接个体间变异性特征的机器学习分类结果

该研究将脑功能连接个体间变异性分析与机器学习相结合，为理解烟草使用障碍的个体差异及探索潜在神经生物学标志物提供了新证据。