アルコール使用障害における脳の機能的接続

バックグラウンド：

アルコール依存症は再発する性質があるため、過度のアルコール摂取は米国社会に多大なコストをもたらします（2010 年で 2,490 億ドル）。 治療を受けた患者の約 64% が 1 年以内に再発します。 最初の1年間の禁酒を維持する可能性を最大化するように個別化できる新しい改良された治療法の開発には、早期の禁酒中の再発に対する脆弱性の根底にある行動および神経メカニズムの理解の進歩が必要です。 再発脆弱性の根底にある脳バイオマーカーを標的とした新たな介入は、この重大な公衆衛生問題を軽減する上で大きな期待を抱いています。 安静時機能的磁気共鳴画像法（fMRI）を使用して、長期の禁欲をサポートする脳バイオマーカーと再発を予測する脳バイオマーカーを特定しました。 我々の横断的および縦断的発見は、高次機能的接続性（FC）、特に側坐核（NAcc）と背外側前頭前野（DLPFC）の間が、禁酒をサポートする潜在的な脳バイオマーカーであるという証拠を提供する。 安静時 NAcc-DLPFC FC は禁欲期間に応じてグレード分けされ、長期禁欲アルコール依存症者（7 年間の禁欲）では対照より FC が高く、短期禁欲アルコール依存症（11 週間の禁欲）では中間の FC となります。 さらに、11週間の禁欲でのNAcc-DLPFC FCの低下は、その後の再発の予測因子となり得る（精度74%）。 私たちのデータは、11週間の禁欲で再発しやすいことを示す特定の脳バイオマーカーを示しています。 しかし、多くの人はこの時点ですでに再発しており、上記の研究には含まれていませんでした。 これらのバイオマーカーが回復期間の早い段階で特定できるかどうかは不明です。 私たちは、この再発脆弱性のバイオマーカーが禁酒の初期段階で特定できるかどうかを調査する必要があります。 このバイオマーカーをより早期に特定することで、タイムリーな標的を絞った介入のための貴重な情報が得られます（例: 綿密なモニタリング、治療プログラムの長期滞在、神経調節）、禁酒を維持できる可能性が高まります。

研究の目的：

私たちの長期的な目標は、特定された脳および行動のバイオマーカーを使用して、依存症での持続的な禁欲をサポートする新しい個別化された治療法の開発を促進することです。 この研究の全体的な目的は、早期の禁欲期間（2～3週間の禁欲期間）における再発のバイオマーカーを特定することです。 2 番目の目的は、渇望や実行機能などの非画像測定が予測モデルに付加価値を与えるかどうかを評価することです。 この研究の結果は、再発の脆弱性の神経生物学への洞察を提供し、治療結果を改善するために必要な新しい治療戦略の情報を提供します。

具体的な目的:

SA 1: アルコール使用障害 (AUD) 患者の禁酒初期 (2 ～ 3 週間) における FC 測定値の予測精度を評価する。 画像以外の対策（例： 渇望、実行機能）FC 予測モデルに付加価値を与えるため、（i）イメージング変数（課題中および安静時 fMRI 中の FC）のみ、（ii）非イメージング変数のみ、および（iii）イメージングとイメージングの組み合わせを使用して予測モデルをテストします。再発までの時間の予測因子としての非画像変数。 仮説: 代償機構の仮説に基づいて、その後の再発者および対照と比較した場合、その後の断薬者はより強い NAcc-DLPFC FC を有すると予想されます。 パイロット データは、イメージング変数と非イメージング変数を組み合わせると高い予測精度が得られることを示唆しています。 SA 2. NAcc-DLPFC FC の検査を静止状態を超えて拡張するために、実行機能と報酬処理を含む逆転学習 (RL) タスクを使用します。 仮説: パイロットデータは、その後の禁欲者は再発者や対照者よりも高いタスク関連 NAcc FC を示すことを示唆しています。 探索的目的: RL タスクの実行後に安静時 NAcc-DLPFC FC の強度が変化するかどうかを探索します。 スキャナーで RL タスク実行の前後に安静時 fMRI データを収集します。 仮説：これらの領域における課題誘発活動の増加に関する以前の発見に基づいて、我々は、RL課題を実行した後、患者は安静時NAcc-DLPFC FCの増加を示すと仮説を立てます。

意義：

依存症の治療成績は不良です。 米国におけるアルコール使用障害（AUD）は依然として重要な公衆衛生上の問題であり、社会への年間総コストは2,495億ドルと推定されています。 AUD の慢性的かつ再発性の性質は、回復を成功させるための大きな障害となっています。 アルコール使用障害 (AUD) をサブタイプ化するツールが不足しています。 臨床集団におけるサブタイプ分けは、標的を絞った介入をモデル化するための効果的なアプローチとなりえます。 たとえば、個々の腫瘍エストロゲン受容体タイピング（バイオマーカー）に基づいた乳がん患者の標的治療は、生存率を 25% から 77% に改善しました。 AUD 治療では同様の転帰の改善は見られませんでした。 長期の禁欲を達成する可能性を高めるために、再発を予測し、サブタイプに基づいて治療法の開発と選択を導くAUDのバイオマーカーを特定する必要があります。