BRAIN：離散結構網絡是帕金森病人衝動和賭博失范的神經底物
- 2020 年 2 月 24 日
- 筆記
帕金森病是當前最嚴重的神經退行性疾病，其神經變性除了導致患者的運動障礙以外，對其高級認知功能也有一定損害，其中對帕金森病人的獎賞系統的研究是眾多研究者關注的重點。有研究認為，帕金森病的衝動性可能是由於對獎勵的錯誤評估或抑制不當選擇的失敗而導致的。儘管先前的研究表明，不同的神經網絡構成了這些認知操作的基礎，但對帕金森病患者的神經網絡及其與衝動的個體間差異的關係的研究卻很少。
因此，來自澳大利亞昆士蘭大學的研究者在著名雜誌Brain上發文。他們使用高分辨率彌散MRI數據採集了57例帕金森病患者的高角分辨率DTI數據(1例女性，平均年齡62歲，平均Hoehn-Yahr分期為2.6，Hoehn-Yahr分期為帕金森疾病病程分段標準)，患者術前接受了深部腦刺激。用基於種子的概率追蹤法重建了獎賞評價和反應抑制的結構網絡（白質連接網絡）。對被試的衝動用兩種方法進行評估：
(i)神經精神病學工具被用來評估衝動的潛在構念，包括特徵衝動和強迫，去抑制（文中說的約束缺乏行為），以及急躁;
(ii)被試在一個自然有效的虛擬賭場中賭博，以獲得一份關於探索、冒險和衝動行為的行為解讀。
多變量分析顯示，衝動的不同組成部分與結構連接的不同變化相關，這意味着獎勵評價和反應抑制網絡與其衝動的不同維度存在顯著關聯。在虛擬賭場中，更大的賭注與更強的獎勵評估網絡連接相關，尤其是腹側紋狀體和腹內側前額葉皮層之間的雙側纖維束。相比之下，反應抑制網絡的連通性較弱，與虛擬賭場中對更換老虎機的探索性的增加有關，丘腦下核和補充前運動區之間的右半球區域的貢獻最大。
此外，獎賞評價網絡的連通性降低與更多的冒險性行為有關，這是通過丘腦下核與腹內側前額葉皮層之間的連接來衡量的。值得注意的是，與問卷數據相比，由臨床管理的任務和賭博範式得出的衝動行為指數的結構連通性解釋的方差更高。最後，有衝動控制行為歷史的被試可以根據他們的網絡連接與藥物劑量和賭博行為之間的相互作用，做出具有臨床意義的區分。綜上所述，作者的研究報告了帕金森病的結構性腦行為共變，其獨特的獎賞評價和反應抑制網絡構成了衝動的不同維度。更廣泛地說，作者的發現證明了在臨床環境中使用自然主義範式和神經成像技術來幫助識別那些易受有害行為影響的患者的潛力。
Keywords:tractography; subthalamic nucleus; impulsivity; Parkinson』s disease; gambling
Abbreviations: ACC = anterior cingulate cortex; BIS = Barratt Impulsiveness Scale; ELF = Excluded Letter Fluency task; ICB = impulse control behaviour; IFG = inferior frontal gyrus; LEDD = levodopa-equivalent daily dose; OFC = orbitofrontal cortex; PCA = principal components analysis; QUIP-RS = Questionnaire for Impulsive-Compulsive disorders in PD Rating Scale; SMA = supple- mentary motor area; STN = subthalamic nucleus; vmPFC = ventromedial prefrontal cortex; VS = ventral striatum; VTA = ventral tegmental area
研究背景
帕金森病通常被認為是一種運動障礙，其特徵是動作啟動緩慢，存在肢體震顫等。但有研究表明，一些病人在抑制控制和強迫選擇方面存在缺陷。在接受多巴胺替代治療的患者中，約15%出現一系列衝動控制行為(ICBs)，包括病態賭博、性慾亢進、強迫性購物和暴飲暴食等。然而，其他接受相同治療的帕金森病患者沒有表現出或不那麼明顯的衝動偏見，也沒有臨床顯著的損傷，這可能表明，對ICBs易感性的潛在神經生物學存在個體差異。如果這些神經生物學決定因素能夠被闡明，那麼就有可能加強對ICBs易感人群的識別。此外，對以衝動和強迫性(如成癮)為特徵的其他精神疾病的理解也可以得到豐富。
神經變性（Neuro degeneration）和多巴胺能藥物治療是帕金森病衝動的兩個關鍵生物學機制。中腦多巴胺能神經元變性是帕金森氏症的神經病理學特徵，最常影響背紋狀體神經元的腹側層，誘發運動癥狀。然而，投射到腹側紋狀體(VS，中腦邊緣通路)的背側神經元可能也容易發生神經退行性變。據以往研究，VS涉及情緒、情境和動機信息的整合，以及通過基底神經節的前饋連接影響以目標為導向的運動行為的能力。例如，VS參與了獎賞體驗過程，在對慾望刺激的預期過程中也是活躍的，其形成了獎賞誤差預測的基礎。多巴胺能替代治療可恢復帕金森病患者的運動功能，但可能破壞中腦多巴胺能神經元的穩態作用，並調節前額葉皮層對VS的調節輸入。
獎勵評估和反應抑制是兩種不同的神經認知機制，它們可能構成了衝動行為的基礎。首先，獎賞評估(包括食慾學習和強化)是由中腦皮質網絡中的多巴胺能信號及其與眶額皮質和前扣帶皮質的連接所支持的，這些皮層區域與預測和評估行為結果等功能相關。在帕金森病和健康對照組中，不同的神經網絡可能對反應抑制起輔助作用。這種抑制網絡在非臨床人群中已經被很好地描述，它主要是一個右外側網絡，涉及額下回(IFG)、前輔助運動區(pre-supplementarymotor area, pre-SMA)和丘腦下核(STN)。STN通過直接通路接受來自IFG和pre-SMA的直接皮層投射，在檢測到認知衝突時向基底神經節傳遞抑制信號。在帕金森氏症中，由於多巴胺能去神經支配，STN的放電模式增加，導致運動遲緩、強直和震顫，這些癥狀可以通過深部腦刺激(DBS)成功治療，這表明該細胞核在運動癥狀的病理生理中起着核心作用。但是，對STN的DBS治療由於腦地形的作用會出現電刺激的離散傳播，這可能是之後衝動增加的基礎，支持了該腦區細胞作為響應抑制的非運動方面的關鍵節點的作用。
彌散性核磁共振成像是一種神經成像技術，可以用來表徵腦白質束的結構，這可能為疾病或治療機制提供新的見解。例如，在帕金森病中，彌散MRI的使用揭示了運動網絡的結構連接能夠預測臨床丘腦下刺激的有效性。但在臨床早期研究中，關於帕金森病衝動性的皮質-皮層下網絡的研究很少。已有研究表明，帕金森病中ICBs的存在與擴散張量成像中額葉和中腦邊緣束白質完整性指標的降低有關(相對於非icb患者)。然而，這些研究通常局限於組間比較(即ICB與非ICB)，因此白質變化與衝動的多方面之間的複雜關係仍知之甚少。
因此，通過高分辨率彌散MRI圖像的採集，作者試圖描述帕金森病衝動不同方面的解剖學網絡。作者使用了神經精神病學儀器和一項評估賭博行為的新任務，他們認為這將形成一個更有效的衝動測量。
作者假設衝動的維度變化與網絡連接的個體間差異有關，不同的網絡與衝動響應的不同方面有關。作者希望可以在一個自然有效的任務下，結合神經解剖學和行為方法，通過闡明衝動的多面性來創造一個可行的對帕金森伴ICBs（衝動控制行為狀態）病人的衝動進行診斷和預後評估的方案。
研究方法
被試
患者來自於2016-2018年在澳大利亞布里斯班亞太神經調節中心治療的病人。所有病人的評估都符合英國腦庫中心對帕金森疾病的診療標準，所有病人的病程都在Hoehn and Yahr 分期 2階段以上。使用the Unified Parkinson s Disease Rating Scale (UPDRS) PartIII Motor Examination 對疾病亞型進行測量分析，所有的多巴胺能用藥轉換為左旋多巴當量日劑量(LEDD)值。
對衝動的評估
衝動最初是通過一系列神經精神病學工具進行評估的，表明了衝動癥狀的多維性。這些包括:特質衝動:巴勒特衝動量表11(BIS)和注意力、運動和非計劃亞量表。ICBs:帕金森病量表(QUIPRS)衝動-強迫障礙問卷。急躁：theDelay Discounting task。約束缺乏（disinhibition）：the Excluded Letter Fluency task(ELF)和theHayling test。大體上，這些工具可以通過模式來區分:BIS和QUIP-RS是被試完成的問卷，而ELF、Hayling和DelayDiscounting任務是由主試執行的。雖然亞量表的使用受到了批評，但作者選擇使用BIS亞量表是基於其在解釋帕金森病相關行為特徵時的先前效用，以保持與先前工作的一致性。對評估材料感興趣的讀者請仔細閱讀補充材料。（可添加微信號siyingyxf或19962074063獲取）
賭博範式
除了這些經典的衝動評估，被試還在虛擬賭場的老虎機上賭博，這個範式的效應已經在健康的對照組和帕金森病患者的研究中得到了證明。這項任務的動機是提供一個現實的模擬衝動行為。被試在開設賭場時，賬戶里存有2000澳元(虛擬貨幣)，並進行了100次需要賭博選擇的試驗。在賭場里，有四台老虎機可供選擇;被試可以隨時在機器之間移動。每個老虎機有一個獨特的視覺外觀和背景音樂，被試被告知不同的機器可能有不同的結果預期。在每一次試驗中，被試下一個賭注，5澳元或者10澳元，然後按下老虎機的開始按鈕，開始賭博（老虎機有三個窗口，每個窗口每一輪都會變化不同的物體，賭老虎機就是賭不同形狀的物體在同時出現的情形）。被試按了開始按鈕後，可以按停止按鈕來控制第一個、第二個和第三個窗口滾動的圖形停下里，如果停下來後三個窗口圖形一樣，則獲勝，不一樣，則失敗。並且，獲勝後被試可獲得雙倍獎勵的機會，條件是再玩一次老虎機，贏就獲得更多獎勵，但輸了則失去上一把贏得的獎勵並失去上一把的賭注。但其實，贏-輸結果的概率是研究者預先確定的，確保被試的獎勵和損失經驗在順序和數量上是可比較的。對於大多數被試來說，賭博的結果是積極的(即凈贏錢)。在任務結束時，被試根據虛擬獎金的大小獲得了30澳元的獎金。
補充圖1老虎機遊戲示意圖
這種自然狀態下的賭博任務允許在每次試驗中以幾種方式表現衝動行為，包括：賭局增加(原則上是無限的)、老虎機的探索性切換、雙倍或零賭局和套現。在行為科學中，風險通常是根據選擇結果的差異來定義的，這些行為是探索和冒險的象徵，因為它們增加了可能結果的範圍。例如,本實驗中的更換機器,無論玩家當前機器上表現好與壞,決定更換機器產生的可能性從而選擇的新機器可能比當前機器產生更多的懲罰或獎勵,從而使玩家容易增加結果的差異。再比如，在不確定的情況下，增加賭注是一種風險誘導的轉變，使玩家更容易受到更大的勝利和失敗的影響。總而言之，每個行動都意味着可能結果(風險)的擴大，可以理解為反映衝動。
被試完成了藥物治療方面的實驗任務，以保護被試不受OFF狀態引起的不適，這種不適在圍手術期人群中通常很嚴重。在隨後的分析中，LEDD被作為協變量納入。
DTI數據採集和預處理
採用3T Siemens PRISMA掃描儀和64通道頭線圈(b值= 3000 s/mm2，體素大小= 1.7 mm3)。沿90個方向採集高角分辨率彌散加權成像(DWI)數據（Highangular-resolution diffusion-weighted imaging）。獲取12張非擴散加權圖像(b0)，並在整個主序列中交織，同時以相反的相位編碼(後-前)方向收集8張b0圖像的附加序列。獲得了結構T1加權MPRAGE(1-mm3分辨率)圖像。
作者使用了MRtrix3 software進行了數據預處理，預處理流程為渦流校正後進行偏度校正，然後重建每個被試的彌散張量圖像（FA圖，圖1A），然後將所有被試的FA圖像都使用非線性映射的方法配准至一個平均的標準模板中，以獲取一個所有被試的白質mask（圖1B），然後將這個mask再以非線性映射的方式配准至每個被試的彌散加權圖像，以保證每個被試在白質纖維束重建過程中受到的抑制是相同的。根據強度歸一化擴散數據，對不同組織類型(灰質、白質、腦脊液)的信號響應進行估計，並在所有被試中求平均值，以獲得組水平的響應函數。平均白質信號的約束球面反褶積為每個被試提供了纖維定向分佈函數(fODF，圖1C)。這些函數根據纖維的角度方向提供纖維密度的局部估計，並能比單一張量模型更有效地解決交叉纖維的複雜組織。作者的採集方向包含90個方向，旨在優化這一過程。利用概率流線算法（圖1D）重建纖維束，在每個路徑點對纖維密度採樣，跟蹤種子和目標區域之間最可能的纖維傳播。根據表觀纖維密度(AFD，圖1E)計算出種子區和目標區之間的結構連接性的定量估計值，計算方法是沿着感興趣的路徑將fODF的纖維分支的積分相加併除以平均流線長度，從而估算出纖維束的平均橫截面積。
在前人工作的基礎上，作者定義了兩個服務於獎勵評價和反應抑制的離散網絡。獎賞評價網絡（圖1F）包括連接VS與vmPFC、OFC、ACC和VTA的白質束。它還包括一條連接STN和vmPFC的通路。反應抑制網絡（圖1G）包括連接STN與IFG和pre-SMA的纖維束。可視化使用brainnet viewer完成。
作者的所有的種子點都來自於前人的研究，種子點提取於「金標準」的MNI ICBM non-linear asymmetric 2009a space。每個具體的種子點的選取請看文章的補充材料。
圖1 白質纖維處理流程和重建過程，各圖內容在上面方法部分具體闡述
如果您對任務態fmri及彌散張量成像數據處理感興趣，請點擊下文：
第六屆任務態fMRI專題班（重慶）
數據分析：
主成分分析
在神經精神病學的工具測量量表的得分中，主成分分析(PCA)是第一個進行的。這樣做的動機是通過調查問卷和臨床管理的任務來識別衝動的潛在概念。特徵值大於第於1的因子被保留。在這個降維操作中，沒有包括來自虛擬賭場的行為，因為這些數據的收集在質量上存在差異。因此，來自虛擬賭博任務的數據被假設代表更純粹，更生態有效的指標來反應被試的個人衝動。
路徑分析（path modeling）
採用偏最小二乘路徑模型(PLS-PM)表示解剖測量和行為測量之間的多元關係，分析中控制相關的人口和疾病因素。PLS-PM是一種結構方程建模的形式，其中多元數據集之間的複雜關聯可以被估計。每個模型都指定了一組變量的線性加權，尋找這些變量與另一組變量的線性加權的最佳共變。例如，在這項研究中，解剖學變量從獎勵評價和反應抑制網絡中創建，作為網絡中每個連接的混合加權。行為變量由每個神經精神病學測量結果和每個賭博任務的測量結果組成。然後，每個模型表示這些解剖變量和行為變量之間關係的路徑係數和相應的顯著性值;除了描述解剖變量對每個行為學變量的加權貢獻外。在每個模型中，包括年齡、帕金森病診斷後的年數和LEDD在內的連續測量數據（包括疾病亞型和性別）也被作為協變量輸入，使用置換檢驗。
同時，作者對交互效應也進行了建模，模型中同樣納入以上協變量，使用了bootstrap的方法進行了檢驗。帶放回的bootstrap共進行了10000次。
對於每個感興趣的結果，可以提出許多不同複雜度的PLS路徑模型，但沒有一致的方法來確定模型適合度和模型複雜度之間的最佳權衡。因此，模型複雜度受到先驗約束;每個PLS路徑模型只包括一個解剖網絡，所有都包括年齡、診斷後的年歲和LEDD作為協變量。包括一個與解剖網絡的交互作用(例如，LEDD或年齡與獎賞評價網絡的交互作用)。從所有排列中勝出的模型是根據bootstrapping之前的最大R2值選擇的。為了說明差異的解釋中存在令人信服的網絡分離(獎勵評價與反應抑制)，作者還對每個結果變量報告了使用替代網絡的最佳表現模型的結果。 例如，將包含獎勵評價網絡的獲勝模型與使用反應抑制網絡的模型進行比較，以量化兩種備選網絡解釋的方差差異。
衝動控制行為狀態
與QUIP-RS提供的強迫性特徵維度評級不同，作者還應用了半結構化的臨床訪談，以明確的方式描述ICB的狀態。訪談由被試和配偶的看護人進行，並由一名有經驗的神經精神病學家完成(下午)。ICB的定義是臨床診斷為病態賭博、暴飲暴食、強迫性購物、性慾亢進、性嗜好或多巴胺失調，存在臨床意義重大的損害或痛苦。然後使用與上述相同的PLSPM方法使用行為變量對ICB狀態進行建模，並進行置換檢驗，最終選擇獲勝模型。為了評估根據ICB狀態區分被試的模型的性能，進行了重複的k次交叉驗證來評估模型性能無差異的原假設。補充材料中提供了進一步的細節，感興趣的讀者可進一步閱讀。作者的所有數據計算用R語言完成，詳細代碼請看補充材料中提供的鏈接，如需補充材料請添加微信：siyingyxf或19962074063獲取。
圖2 數據分析流程圖
研究結果
被試的人口學統計和臨床指標
共有63名患者獲得批准。3例因植入的假體無法參與MRI掃描, 1例因擴散圖像中過度的運動人為因素而被排除(表現為連接切片中信號的丟失)。1例因為廣泛的腦血管疾病(Fazekas四級)被排除，還有1例因為無法完成賭博任務而被排除。因此，57名被試進行了分析(表1)。很少被試(n = 7)參與了虛擬賭場內的現金兌換選項，因此這一措施被排除在進一步的分析之外。
17名被試有當前或過去的ICB病史，6名被試有一個以上的ICB病史，這些都是臨床訪談的一部分。病態賭博行為 (n = 10 ), 性慾亢進 (n =9), 強迫性購物 (n = 3 ), 多巴胺失調 (n= 2 ), 暴食 (n =1 ) 和 愛好成癮 (n = 1 )。ICB病人都有高QUIP-RS得分(t = -4.31, corrected P = 0.003)。但沒有發現其他的疾病指標或賭博行為得分與其他病人存在顯著差異（均見表1）。
主成分分析
對神經精神病學工具測量得分的主成分分析顯示衝動的四個維度(成分)的特徵值大於1，占數據總方差的77%，維度1由BIS的三個子量表和QUIP-RS評分組成，反映了特質衝動和強迫性，並由問卷得出而不是任務相關的數據。維度2反映了去抑制（就是前文所說的約束缺乏），主要由違反ELF規則構成。維度3反映了不耐煩（就是急躁）, the Delay Discounting constant k。最後,維度4再次反映抑制解除,由主要來自HaylingAB錯誤得分:這些維度與單獨的神經精神工具的廣泛的一致性表明, 在這項調查中，除了以問卷為基礎的測量和有主考管理的測量之間的區別外，衝動的多模態評估幾乎沒有冗餘。鑒於考慮到BIS分量表對主成分分析的第1維度的貢獻相等，BIS總分被輸入到PLS路徑模型中（均見表2）。
表1 被試的人口學統計和臨床及神經精神病學測量得分
表2 PCA分析得分
白質網絡和神經精神病學測量得分的路徑分析
作者首先進行的是使用神經精神病學工具測量所得的得分進行路徑分析，然後才是賭博遊戲中得出的行為反應數據。使用神經精神病學測量得分的路徑分析的順序按照PCA分析中得出的因子的順序，首先是問卷測量得分，然後是有主試執行的測試工具獲得的得分。
首先來看Barratt 衝動行為量表，作者首先評估了自我報告的衝動變化（即BIS）如何與我們大腦網絡的結構連接相關。獎勵評估網絡的連接性以及它與LEDD的相互作用是這一因素變化的最佳解釋。獎賞評估網絡的連通性越強，自我報告的衝動越低(coefficient= -0.44, P= 0.0021; 表 3)。獎勵評價網絡中權重最大的區域是右側VS-ACC和右側STN-vmPFC（圖3A。）
其次是Questionnaire for Impulsive – Compulsive disorders in PD RatingScale（衝動-強迫障礙PD量表），在問卷測量中，獎賞評估網絡的連通性及其與抑鬱症的相互作用最好地解釋了行為成癮(如賭博、性、購物和飲食)維度評分的變化。該網絡的連通性越大，強制等級越高(係數0.34,P = 0.0045，表3)。獎勵評價網絡中權重最大的域為右側VS-OFC、左側VSvmPFC和左側VTA-VS（圖3B）。
接着是Excluded Letter Fluency task rule violations量表（排除違反性字母的流暢性任務），在主試管理的任務中，作者評估了去抑制（也就是方法部分所說的約束缺乏）的變化(通過違反ELF規則來表達)如何與PD患者的大腦網絡的結構連接相關。獎勵評價網絡的連通性及其與年齡的相互作用最能解釋衝動在這方面的變化。該網絡的連通性越強，抑制誤差越小(coefficient = 0.58, P= 1.5 * 10-5; 表3)。也就是說，獎勵評價網絡的連通性越強、年齡越小，PD患者在違反約束任務中的表現就越好。獎勵評價網絡中權重最大的區域為右側VS-vmPFC、右側VTA-VS、右側STN-vmPFC和左側VS-ACC（圖3c）。
再次是Delay Discount k量表，該量表能夠對被試是否更傾向於短期的較小回報而不是較為長遠的更大彙報，該量表能夠反應被試在衝動的焦慮方面的狀況。路徑分析發現，這一變量可以用獎勵評估網絡的連通性和它與年齡的相互作用來解釋。這個網絡的連通性越強，人們的急躁情緒就越低，推遲獎勵的能力也就越強。獎勵評價網絡中權重最大的區域為右側VS-vmPFC、右側VS-OFC和左側VTA-VS（圖3D）。
最後來看Hayling AB error score，反應抑制網絡的連通性及其與帕金森病診斷多年以來的相互作用最好地解釋了去抑制的變化(如Hayling A或B錯誤所表達)。該網絡的連通性越強，抑制誤差越小(coefficient = 0.54, P =1.7 * 10-5;表 3)。反應抑制網絡中權重最大的區域為左側STN-SMA。反應抑制網絡的連通性解釋了總方差的26.2%。
表三 路徑分析的詳細結果
圖3 路徑分析中能夠對量表測試和賭博行為得分進行解釋的結構網絡權重圖
網絡連接和賭博遊戲的行為表現的建模結果
賭資大小
獎勵評估網絡的連通性及其與LEDD(左旋多巴當量日劑量)之間的相互作用可以很好地解釋被試在賭注大小上的變化：獎勵評估網絡的連通性越強，用在賭場中更高的賭注來衡量的衝動就越大(coefficient = 0.42, P = 0.0038; 表 3)。獎勵評價網絡中權重最大的區域是右側VS-vmPFC和左側VS-vmPFC（圖4A）。獎勵評價網絡的連通性解釋了賭注大小總方差的29.7%。無論是右側(P =0.017)還是左側(P =0.0021)，獨立地觀察都能顯示出明顯的效果。
更換遊戲機
被試在虛擬賭場的老虎機之間切換傾向因素最好的解釋是反應抑制網絡的連通性及其與帕金森病診斷多年後的相互作用。反應抑制網絡的連接性越強，被試就越有可能優先考慮繼續使用該機器而不是探索新的機器(也就是換機器的可能性越小，coefficient= 0.38, P = 0.0027)。反應抑制網絡中權重最大的區域為右側STN-SMA和右側STN-IFG（圖4B）。反應抑制網絡的連通性解釋了老虎機更換總方差的21.7%。
雙倍投注概率（即要麼雙倍贏，要麼全賠）
獎勵評價網絡的連通性及其與年齡的相互作用可以很好地解釋被試接受第二次雙倍賭博或不接受賭博的傾向。與投注規模相比，獎勵評估網絡的連通性越強，被試的探索性越低，接受雙倍或不下注的可能性就越低(coefficient=0.41, P= 0.0056)。這說明，獎勵評估網絡越完整，PD被試冒風險的概率就越低。獎勵評價網絡中權重最大的區域是左側VS-OFC和左側STN-vmPFC（圖4C）。
通過ICB(衝動控制行為）狀態交叉驗證賭注大小
結果發現，個體的ICB（衝動控制行為）+狀態可以通過連接對賭博行為的影響(賭注大小)來區分，這一發現通過重複k交叉驗證進行了評估。該模型的ROC曲線下面積為0.72，靈敏度為0.89，特異度為0.38。與null (chance)模型比較，ROC曲線下面積有顯著性差異，這就說明，該模型是具有顯著預測意義的。
圖4 結構連接和賭博遊戲行為反應的路徑分析
圖5 使用個體ICB+狀態通過連接對賭博行為的影響(賭注大小)進行區分
總結：
在帕金森病患者中，衝動和強迫行為存在顯著的維度差異（PCA分析結果闡明了這一點）。不同的獎勵評價和反應抑制網絡可能與衝動的各個分離方面有關，具體地看，獎勵評級網絡的連接強度對衝動的行為：衝動、強迫性沉迷和去抑制行為（即約束缺乏行為）等方面具有重要作用，反應抑制網絡的連接強度則對抑制行為的表現具有重要作用。而帕金森患者在虛擬賭博遊戲中表現出的風險評估能力（賭資大小）和風險承擔能力（二次賭注的下注概率）與更強的獎勵評級網絡連接強度有關，反應抑制網絡的連接強度則與PD患者對新風險的探索能力有關。離散的結構網絡的連接強度（FA值）對PD患者不同方面的衝動表現具有重要的預測能力。
原文：
