《Brain Sciences》：Nonlinear EEG Complexity as a Marker of Maladaptive Brain Plasticity in Substance Use Disorders: A Multi-Group Machine Learning Classification Study
编辑推荐：
背景：慢性暴露于成瘾物质会诱导神经动力学产生持续性改变，反映出适应不良脑可塑性。尽管此类改变在使用神经影像学技术时有充分记载，但其电生理特征（尤其是源自非线性EEG复杂度的特征）在不同物质使用谱系中的探索仍不充分。本研究旨在探讨非线性EEG复杂度指标能否作为跨
背景：慢性暴露于成瘾物质会诱导神经动力学产生持续性改变，反映出适应不良脑可塑性。尽管此类改变在使用神经影像学技术时有充分记载，但其电生理特征（尤其是源自非线性EEG复杂度的特征）在不同物质使用谱系中的探索仍不充分。本研究旨在探讨非线性EEG复杂度指标能否作为跨多种物质类别的适应不良可塑性的敏感生物标志物（biomarker）。方法：共纳入350名受试者，分为七组（每组n=50）：六种物质使用组（大麻、海洛因、海洛因–大麻、甲基苯丙胺–大麻、甲基苯丙胺–海洛因、多药）和一组无物质使用障碍诊断的对照组。使用八通道系统记录静息态EEG信号。提取四种非线性特征：最大李雅普诺夫指数（Largest Lyapunov Exponent, LLE）、分形维数（Fractal Dimension, FD）、赫斯特指数（Hurst Exponent, HE）和柯尔莫哥洛夫复杂度（Kolmogorov Complexity, KC）。统计分析采用双向方差分析（two-way ANOVA），分类采用K近邻（K Nearest Neighbour, KNN）算法。结果：所有非线性特征均观察到显著的组间差异（p < 0.05）。无SUD诊断的对照组受试者复杂度值始终高于物质使用组，表明多年持续物质使用史与神经动力学变异性降低相关。区域分析显示，与运动规划和感觉运动整合相关的额区和中央区皮层尤其受影响。KNN分类器达到98.4%准确率、100%灵敏度、96.8%特异度。结论：非线性EEG复杂度指标为物质诱导的适应不良脑可塑性提供了稳健的电生理标志物。观察到的复杂度降低反映了神经适应性受损，尤其在运动控制网络内。这些发现突出了基于EEG的复杂度指标在SUD客观评估、分类和神经康复监测中的潜力。
该研究发表在《Brain Sciences》。目前关于物质使用障碍（substance use disorder, SUD）的神经电生理评估中，传统线性EEG分析以及血液、尿液、唾液、毛发分析和自我报告等常规筛查手段存在局限性：线性方法难以全面刻画脑活动的非线性动态特性，而常规筛查易受操纵、依赖自我报告且只能确认物质存在而非神经功能状态。慢性成瘾物质暴露会引起神经动力学持续性改变，反映为适应不良脑可塑性，并累及认知、行为与运动功能，但跨多种物质类别的非线性EEG复杂度特征尚未系统研究。因此研究人员开展了一项初步研究，旨在探讨非线性EEG复杂度能否作为跨多种物质类别的适应不良可塑性敏感生物标志物，并评估其在多组分类中的效用。研究人员纳入350名男性受试者（每组n=50），分为六种物质使用组（大麻、海洛因、海洛因–大麻、甲基苯丙胺–大麻、甲基苯丙胺–海洛因、多药）和无SUD诊断的对照组，使用八通道EEG系统采集静息态EEG，提取最大李亚普诺夫指数（LLE）、分形维数（FD）、赫斯特指数（HE）、柯尔莫哥洛夫复杂度（KC）四类非线性特征，经双向ANOVA统计检验后采用K近邻（KNN）、线性支持向量机（Linear SVM）、集成子空间判别（Ensemble Subspace Discriminant）三类分类器进行七组分类。结果显示所有非线性特征组间差异显著（p < 0.05），对照组复杂度值高于物质使用组，额区和中央区受累明显；KNN分类准确率达98.4%（灵敏度100%，特异度96.8%），优于其余两类模型。研究表明非线性EEG复杂度可有效表征SUD相关的适应不良脑可塑性，不同物质产生特异的EEG特征模式，具备作为客观生物标志物用于入院基线可塑性评估、康复期纵向监测及个体化干预的潜力，且具有便携、低成本、抗操纵的优势。讨论部分指出，慢性物质使用伴随系统性非线性EEG复杂度降低，以运动规划和感觉运动整合相关皮层最为突出，可被解释为神经系统趋向灵活性更低的适应不良 regime；多组高分类精度证明不同物质导致可区分的皮层动态重组；各物质组复杂度模式有特异性：大麻使用者部分区域复杂度相对升高（尤额区FD、HE、KC），可能关联静息态功能连接改变；海洛因组额、颞、中央区复杂度降低关联灰质体积减少；甲基苯丙胺相关组FD与KC降低且额、中央、枕区受累；多药使用者特征降低最显著且不一致，反映广泛神经破坏。与既往单/双物质类别研究相比，本研究首次在统一框架下系统评估多组非线性EEG复杂度。分类性能KNN最优，因非线性特征向量在高维空间形成紧凑可分分布；集成子空间判别通过随机特征子集提升鲁棒性。临床意义上，非线性EEG复杂度抗操纵、反映神经状态而非物质存在，可用于康复基线评估、纵向康复监测、物质特异个性化策略。局限性含每组50人规模仍较有限、全男性受试、八通道空间分辨率有限、多药组有临床现实重叠、滥用时长/阶段/人口学异质性可能影响特征分布。结论：非线性EEG复杂度可为SUD相关适应不良脑可塑性提供稳健生理意义框架；统计组间差异显著（p < 0.05），额中央区改变突出，涉及运动控制与感觉运动整合网络；KNN等高分类性能证明非线性EEG特征有强判别力；该非侵入低成本可扩展方案有望整合入临床工作流程，提升诊断准确性、康复监测与个性化干预；未来需纵向、多中心更大样本、多模态神经影像整合验证。
