新的诊断方法可以预测处方阿片类药物成瘾者的复吸风险
![Credit: Pixabay/CC0 Public Domain 核磁共振成像](https://scx1.b-cdn.net/csz/news/800a/2020/mri.jpg)
罗格斯大学的科学家们首次在阿片类药物成瘾领域使用了一种诊断技术,他们认为这种技术有可能确定哪些阿片类药物成瘾患者更容易复发。
使用一种寻找大脑结构和功能连接模式的算法,研究人员能够区分处方阿片样物质来自健康参与者的用户。如果治疗成功,他们的大脑将类似于没有对阿片类药物上瘾的人的大脑。
“人们可以说一件事,但大脑模式不会说谎,”首席研究员、罗格斯卫生职业学院卫生信息系副教授苏基斯米塔·雷(Suchismita Ray)说。“大脑模式从处方阿片类药物使用者的脑容量和功能连通性生物标志物中确定的算法有很大的希望改善目前的诊断。”
这项研究发表在科学杂志:临床, Ray和她的同事使用核磁共振成像来观察大脑结构以及被诊断为有处方的人的功能阿片类药物使用障碍寻求治疗的人与没有使用阿片类药物史的人进行了比较。
扫描观察了大脑网络,该网络被认为是对毒品渴望和强迫性使用负责的。治疗结束后,如果这个大脑网络没有改变,就需要更多的治疗。
“我们的方法能够根据脑容量和功能连接数据将处方阿片类药物使用者与健康参与者分开。如果没有机器学习分析,我们就无法检测出各组之间的功能连通性差异。雷在研究中说:“阿片类药物使用障碍在美国已经达到流行病的程度,迫切需要诊断生物工具,以改善对疾病特征的预测。”
目前,阿片类药物使用障碍患者的诊断是基于他们提供的自我报告数据,研究人员表示,这些数据可能会受到偏见的影响。这种机器学习算法,可以快速挖掘大量数据,提供了检测大脑是否存在缺陷的潜力功能连通性正在康复的阿片类药物使用者的结构已经恢复正常或接近正常正常的水平后治疗。
研究人员说,鉴于阿片类药物使用者的过量死亡率和复吸率很高,准确诊断阿片类药物成瘾患者对改善治疗效果和避免过量死亡至关重要。
更多信息:Ravi D. Mill等,结构MRI和功能连通性特征预测处方阿片类药物使用者的当前临床状态和持久性行为,科学杂志:临床(2021)。DOI: 10.1016 / j.nicl.2021.102663