编辑推荐：
为了解决酒精使用障碍(AUD)临床结局预测缺乏可靠生物标记物的问题，研究人员开展了针对神经渴求生物标记物(NCS)预测效能的主题研究。通过将NCS应用于一项已发表的重复经颅磁刺激(rTMS)随机对照试验(RCT)的功能磁共振成像(fMRI)线索反应数据，研究得出NCS不仅能预测当下及随后的渴求强度，还能有效分类AUD严重程度，并显著预测后续饮酒量（自我报告及血液生物标记物PEth）和复发风险。这为AUD提供了一个有前景的、基于脑成像的预后神经标记物。
酒精依赖是一个全球性的公共卫生挑战，其特征包括对酒精的强烈渴求以及不计后果的持续使用。尽管在西方国家，酒精使用障碍（AUD）的患病率约为10%，但仅有不到10%的患者能够获得循证治疗。更令人担忧的是，即使是接受了治疗的患者，其结局也存在高度变异性，最常见的结局往往是复发。这种巨大的差异性突显了一个迫切需求：找到能够预测治疗反应的生物标记物，以指导更为精准和个性化的干预策略。传统的评估方法，如患者自我报告，常常受到社会期许偏差、回忆误差以及成瘾患者自我洞察力有限等问题的影响。因此，开发一种客观、可靠、基于大脑的生物标记物，成为该领域前进的关键一步。
近年来，脑成像技术，特别是功能磁共振成像（fMRI），为探索成瘾的大脑机制提供了窗口。大量研究试图将大脑对酒精相关线索（如酒类图片）的反应与临床结局联系起来，但这些努力大多受限于事后分析、样本量小或未能满足临床生物标记物的验证标准。与此同时，机器学习的进步使得从复杂的脑成像数据中提取有意义的模式成为可能。近期，Koban, Wager和Kober等研究者利用机器学习和fMRI数据开发了“神经渴求生物标记物”（Neurobiological Craving Signature, NCS）。NCS是一个多变量的大脑活动模式，能够在单次试验中预测主观渴求评分，并能有效区分物质使用障碍（SUD）患者与非使用者。然而，一个悬而未决的关键问题是：这个在实验室中有效的神经标记物，是否也能够像自我报告的渴求那样，预测真实世界中的临床治疗结局，例如复发？
为了回答这个问题，研究人员进行了一项二次分析研究。他们选取了一项已发表的、结果为阴性的随机对照试验（RCT）的数据，该试验评估了靶向双侧脑岛的重复经颅磁刺激（rTMS）对AUD患者的疗效。由于rTMS治疗在3个月的随访期内并未显著影响渴求或饮酒行为，研究人员得以将不同治疗组（真实刺激与假刺激）的数据合并分析，同时仍在统计模型中控制了治疗分配这一因素。研究的核心是将预先训练好的NCS模型，应用于该试验中39名参与者在治疗结束后完成的fMRI酒精线索反应任务数据。研究人员假设，那些在fMRI任务中表现出高NCS值的参与者，其复发风险会高于NCS值低的参与者。此外，他们也检验了NCS分数是否能够预测主观渴求感和AUD的严重程度。
为了开展这项研究，作者主要运用了以下几个关键技术方法：首先，研究基于一项针对中度至重度AUD患者的随机、假刺激对照临床试验（RCT）队列，该队列在瑞典林雪平大学招募。其次，采用改良的情感图片匹配任务作为fMRI线索反应范式，在3T磁共振扫描仪上采集血氧水平依赖（BOLD）信号，以诱发参与者对酒精和非酒精饮料图片的神经反应。数据预处理采用标准化的fMRIPrep流程。然后，运用基于机器学习的、预先定义的“神经渴求生物标记物”（NCS）全脑多变量模式，对每个参与者的fMRI对比图像（酒精vs.非酒精）进行计算，得到一个连续的NCS分数。最后，利用线性混合效应模型、Cox比例风险回归模型和受试者工作特征（ROC）曲线分析等统计方法，系统评估了NCS分数对渴求（宾夕法尼亚酒精渴求量表，PACS）、饮酒行为（时间线回溯法报告的酗酒日百分比HDD%和血液生物标记物磷脂酰乙醇PEth）以及复发时间的预测能力。
研究结果
参与者特征
最终分析样本包括39名完成治疗后fMRI扫描的AUD参与者。根据NCS分数中位数（3.37）将参与者分为高NCS组（>3.37，n=19）和低NCS组（≤3.37，n=20）。两组在治疗条件、年龄、性别和大多数基线评估上均无显著差异，但高NCS组在成瘾严重性指数（ASI）酒精问题严重性子量表上的得分显著更高。
线索反应
NCS分数在酒精线索条件下（平均值±标准差：3.03±0.52）显著高于非酒精线索条件（2.78±0.46）。从“酒精vs.非酒精”对比图像中计算出的NCS分数（3.36±0.64）也显著高于单独从酒精或非酒精条件计算出的分数。
预测fMRI扫描时的渴求
线性回归分析显示，从“酒精vs.非酒精”对比中得到的NCS分数能够显著预测fMRI扫描当天自我报告的渴求（PACS）分数（R2=0.29）。更高的NCS分数预示着更高的即时渴求感。
NCS与AUD严重程度
NCS分数与AUD严重程度显著相关。它能正向预测基线时的ASI酒精问题严重性子量表分数（β=0.14，R2=0.24）和酒精使用障碍识别测试（AUDIT）分数（β=5.32，R2=0.22）。
预测渴求和酒精使用
线性混合效应模型分析显示，在长达15周（3周治疗+12周随访）的时间里，NCS分数能够持续预测渴求（PACS）的变化（β=4.68）。更重要的是，NCS分数还能预测实际的饮酒行为：无论是通过客观血液生物标记物磷脂酰乙醇（PEth，β=0.32），还是通过自我报告的酗酒日百分比（HDD%，β=9.89）。高NCS组在这些指标上始终表现出更高的水平。
复发预测
生存分析（Kaplan-Meier曲线）清楚地表明，高NCS组的参与者复发速度更快，其保持不复发的生存时间更短。Cox回归分析证实，低于NCS中位数的参与者，其复发风险显著更低（风险比HR=0.35）。ROC曲线分析进一步显示，NCS在识别复发者方面具有中等程度的判别力，曲线下面积（AUC）为0.79，在最佳阈值下灵敏度为66.7%，特异度为77.8%。
研究结论与意义
这项发表于《Neuropsychopharmacology》的研究首次证实，基于机器学习的神经影像生物标记物——神经渴求生物标记物（NCS），能够有效预测酒精使用障碍（AUD）的关键临床结局。研究得出结论，在治疗结束后测量的NCS分数，不仅可以稳健地预测患者即时的主观渴求感，还与AUD的临床严重程度显著相关。其最重要的发现在于，NCS能够前瞻性地预测患者后续的实际饮酒行为（包括自我报告和客观血液生物标记物PEth）以及复发风险。具体而言，NCS值高的患者复发的可能性是低NCS患者的近三倍。
该研究的核心意义在于，它为AUD领域提供了一个极具潜力的、客观的“神经标记物”。首先，NCS克服了传统自我报告方法固有的偏差，为评估渴求这一核心成瘾症状提供了基于大脑的客观指标。其次，它将实验室中测量的脑活动与真实世界的临床结局（饮酒、复发）直接联系起来，证明了其作为“预后生物标记物”的价值。这为未来实现个性化治疗提供了新工具，例如，在治疗前通过NCS评估识别出高复发风险的患者，从而为其提供更强化或更具针对性的干预措施。最后，研究验证了NCS在不同fMRI线索反应范式（本研究的图片匹配任务与原研究的渴求调控任务不同）中的泛化能力，增强了其在实际研究和临床应用中推广的可行性。
尽管本研究存在样本量有限、女性代表不足等局限性，且为二次分析，但其结果跨多种测量指标（渴求、饮酒、复发）和统计方法（频率学派与贝叶斯分析）均表现出一致性，为NCS的预测效度提供了强有力的初步证据。这项工作标志着在开发可用于指导AUD临床实践的可靠脑成像生物标记物方面迈出了关键一步，为后续开展前瞻性研究以及探索NCS作为“治疗诊断生物标记物”来监测和预测不同治疗方案的效果奠定了重要基础。
