刘洁蓉，陈佳杰，杨萍，李玮，朱佳，时宏，魏璇，李永斌，李强*，王玮

海洛因成瘾是一种慢性复发性功能性脑病[1]。我国是海洛因成瘾的“重灾区”，据《2017中国禁毒报告》显示，截止2016年底，仅登记在册的阿片类成瘾人数就达95.5万，占所有吸毒人数的近38.1%。海洛因成瘾严重影响个人健康、社会稳定，并加速艾滋病、肝炎等重大疾病传播，是中国乃至世界日益严重的医学和社会问题[2]。海洛因成瘾目前机制不明，功能磁共振成像(functional magnetic resonance imaging，fMRI)在揭示海洛因成瘾机制方面发挥着日益重要的作用。近年来，国内学者基于fMRI技术对海洛因成瘾机制展开了广泛而深入的研究，取得了很多令世人瞩目的研究进展。同时，国内众多fMRI技术领域专家在技术方法层面也做出了重要贡献[3-5]。

1 海洛因成瘾机制功能磁共振研究现状

尽管药物依赖的成因机制仍不完全清楚，但目前研究认为，其形成不仅涉及到基因、蛋白组、受体、神经递质等方面的改变[6-9]，同时，也与大脑结构、功能和网络的变化有关[10-11]。近年来，fMRI技术已广泛应用于精神及神经疾病等诸多领域的研究[12-13]，基于fMRI技术平台的应用已在药物依赖研究领域取得了诸多有价值的进展，为药物依赖形成机制、疗效监测与评价积累了大量客观可视化的影像学数据。

Volkow[14]曾提出一个理论模型，认为药物依赖至少涉及4个神经环路，包括奖赏环路(伏隔核、中脑腹侧被盖和腹侧苍白球)、条件/记忆环路(杏仁核、海马、背侧纹状体、内侧眶额回)、控制环路(背外侧前额叶、前扣带回、额下回以及外侧眶额回)、动机/驱动环路(内侧眶额回、腹侧前扣带回、中脑腹侧被盖、黑质、背侧纹状体和运动皮层)。正常情况下，环路间处在健康平衡状态，大脑保持着适当的抑制性控制和决策制定功能。但药物依赖状态下，在奖赏、动机和记忆环路中对毒品的期盼胜过控制环路的抑制能力。因此，吸毒促进了正反馈的形成，且动机/驱动环路和记忆环路的激活促进了这种正反馈的持续化。这些环路还与情绪调节相关环路相互作用，如杏仁核和海马参加应激反应。此外，内感受相关环路如岛叶和前扣带回，它们参与渴求的意识，也与上述环路存在相关联系(见图1)[14]。该模型为海洛因成瘾机制的研究提供了极具价值的参考依据，然而，很多内在的深层次的机制目前仍不清楚。目前大多数海洛因成瘾机制的fMRI研究都是基于上述理论作进一步探讨与推演。

2 海洛因成瘾机制fMRI研究的常用方法

fMRI的方法是利用血流的生理学特性以及血液成分的磁敏感性，展现出的是血流动力学与神经活动的耦合，最终得到的是与大脑活动相关的血流动力学结果。最常用的fMRI方法是血氧水平依赖(blood oxygenation level dependence，BOLD) fMRI。用于海洛因成瘾机制研究的BOLD fMRI方法包括基于任务fMRI和基于静息态fMRI的方法。

2.1 基于任务的fMRI方法

基于任务态的fMRI方法是通过给予特定的外部任务刺激，观察海洛因及成瘾相关的大脑区域功能变化特征，其主要包括毒品线索诱导渴求fMRI任务和反应抑制fMRI任务。

2.1.1 毒品线索诱导渴求(drug-cue inducing craving)fMRI任务

在药物成瘾的功能影像学研究中，引发成瘾者出现渴求最主要的方法是通过让成瘾者观看与成瘾物质相关的实物、图片以及录像来诱导渴求，即“毒品线索诱导渴求法”。国内外的学者曾利用该方法对海洛因成瘾者进行fMRI研究[15-20]，结果具有相同的趋势，即线索诱发海洛因渴求的特异激活脑区主要集中在前额叶和中脑边缘系统。其中有研究发现，长期戒断有利于降低海洛因成瘾者内侧前额叶的毒品线索反应[16]，长期美沙酮维持治疗可降低海洛因成瘾者背侧纹状体(尾状核)的毒品线索反应强度[21]，海洛因成瘾者的复吸行为与伏隔核的毒品线索反应程度密切相关[15]。这些脑区的线索反应变化有望成为一种反映海洛因成瘾者复吸易感性的生物学标志。

2.1.2 反应抑制(response inhibition) fMRI任务

反应抑制fMRI任务是用于研究成瘾者抑制性控制功能的实验范式，它包括go/nogo任务和Stroop任务范式。go/nogo任务要求被试在一种信号呈现时(go信号)按键，而在另一种信号(nogo信号)呈现时不按键，通过分析大脑处理go信号与nogo信号过程的差异来研究抑制性控制功能。海洛因成瘾者在go/nogo任务中表现为反应速度缓慢，并伴随内侧前额叶和前扣带回的激活减低[22]，说明海洛因成瘾者前额叶功能受损。Stroop任务是另一种评估抑制性控制功能的实验范式，它在人的自动加工反应(如读词)与另一种控制加工反应(如颜色命名)之间制造一种矛盾，这两种认知过程同时竞争同一个大脑处理资源，在此过程中评估前额叶功能。Yucel等[23]利用Stroop任务发现阿片依赖患者抑制性控制功能明显受损，提示利用该技术可以作为海洛因依赖研究的有效方法。

基于任务fMRI研究常用基于一般线性模型(general lineal model，GLM)的减法技术和反卷积模型[24]来确定激活脑区。Friston于1994年将GLM引入fMRI研究，GLM是一种基于体素的数学模型，它将体素内的观察值表达为若干个解释变量的线性组合。之后建立一种统计参数的映射，这种映射所反映的是统计的显著性以及特定脑区的响应。

图1 药物依赖理论模型示意图[14]Fig.1 The theory model of drug dependence[14]

采用毒品线索诱导渴求fMRI任务和反应抑制fMRI任务，可通过观察与海洛因成瘾形成机制相关脑区的功能变化，尤其是与奖赏和抑制性控制相关脑区的激活程度差异，来深入理解海洛因依赖者对于具有突显性的毒品相关线索产生的强烈生理及主观反应变化规律，以及海洛因成瘾者前额叶功能受损导致的抑制性控制功能的变化，为海洛因依赖机制的研究以及海洛因依赖治疗措施的发展提供帮助。

2.2 基于静息态的fMRI海洛因成瘾机制研究方法

基于静息态的fMRI方法是观察休息状态下大脑的自发神经活动、静息态脑网络及网络连接情况等。目前静息态fMRI的处理方法主要包括：局部一致(regional homogeneity, Reho)分析法、低频振幅(amplitude of low frequency fluctuation，ALFF)分析法、基于感兴趣区(region of interest，ROI)的网络分析法、独立成分分析法(independent component analysis，ICA)、Granger因果分析法、小世界(small world)模型分析法以及基于大型脑网络(large-scale brain network)的分析法。

2.2.1 Reho分析法

Reho分析法主要是利用肯德尔和谐系数(kendall coefficient of concordance，KCC)来评估体素和其相邻体素之间时间序列的相关性，是我国著名功能磁共振领域专家臧玉峰等首先发布的一项技术[3]，它反映的是邻近脑区神经活动的同步性或一致性。Qiu等[25]发现海洛因成瘾者双侧眶额回及内侧丘脑等脑区的Reho值明显低于健康对照。

2.2.2 ALFF分析法

ALFF分析法是从能量的角度来评估每个体素幅值大小，它反映静息态下神经元自发活动水平的高低，该技术也是臧玉峰等人首先提出并广泛应用于功能性脑病等相关领域的研究[5]。Jiang等[26]利用ALFF的方法研究发现，海洛因成瘾者比健康对照的双侧内侧眶额回及背侧前扣带回等脑区的ALFF值明显下降。

2.2.3 基于ROI的网络分析法

基于ROI的网络分析法是一种经常使用的分析方法，它是基于某种假设先选择某个脑区作为感兴趣区，提取该区域的平均时间序列信息，然后计算该ROI与全脑其他体素之间时间序列的相关性。最终根据一定的阈值分析出具有统计学意义关系的脑区，这些脑区被认为是与该ROI有功能连接的脑区。这种方法不仅可以计算ROI内时间序列与全脑所有体素时间序列之间的相关性分析(基于ROI的全脑网络)，还可以计算所选多个ROI时间序列之间的相关性。因为ROI的选择有一定的主观性，这种分析方法的ROI选择至关重要，最好是基于一定的理论假设。目前比较常用的ROI选择方法包括基于解剖结构的ROI选择方法[27]和基于任务态激活区的ROI选择方法[28]。Ma等[27]根据Volkow提出的药物成瘾四环路假设模型，分别以相应解剖结构为ROI进行全脑功能连接分析，进一步提示海洛因成瘾者对于毒品线索的突显性价值增高，而认知控制能力下降。Li等[28]根据毒品线索反应差异，以后扣带回为ROI做全脑功能连接，发现后扣带回与双侧岛叶及背侧纹状体功能连接明显增强，而且这种异常与海洛因吸食时间成正相关。

2.2.4 ICA分析法

ICA法是一种基于数据驱动的分析方法，对于fMRI信号一般采用空间独立成分分析[29]。ICA将信号分为若干个相互独立的成分，并认为在同一成分内投影较大的脑区之间存在功能连接。它可以分离出很多独立成分，对应于各种基本生理功能以及噪声，从中可以得到所要研究的功能连接网络。其优势在于具有很强的客观性，目前已普遍应用于包括海洛因成瘾在内的精神疾病机制研究[30]。最近一项ICA研究[30]显示接受美沙酮维持治疗的海洛因成瘾者，其静息态默认功能网络的功能连接下降与复吸行为密切相关，有望为复吸风险预测提供依据。

2.2.5 Granger因果分析法

Granger因果分析法是由经济学家Clive Granger提出的一种分析方法，它指如果一个变量和第2个变量的联合已知信息能比只用第2个变量的已知信息更好地预测第2个变量的未来，那么就称第一个变量引起了第2个变量或第一个变量是第2个变量的原因[31]。该方法有助于探讨脑区间的联系以及信息传递的方向性，有望为深入研究海洛因成瘾机制提供新的方向。

2.2.6 Small world模型分析法

Small world模型分析法采用的是复杂的网络研究模型，从宏观上考虑整个大脑功能网络的特点。小世界的网络特征是指它具有较短的全局路径长度和较高的局部集聚系数[32]。正常人的大脑功能网络具有类似的特点，这可能是大脑信息处理过程中的功能分化和功能整合的结果。目前在海洛因成瘾机制研究方面，利用小世界模型来研究成瘾者大脑功能特征也取得了一定的成果，Yuan等[33]利用小世界模型方法发现海洛因成瘾者小世界网络的各种属性明显异常，而且这种异常与海洛因吸食时间密切相关。

2.2.7 基于大型脑网络的分析法

基于大型脑网络的分析法是在大型脑网络的框架下进行脑网络之间和之内的功能连接分析。目前，人们已经明确大脑是由若干相对独立的大型功能网络来协调发挥整体功能。它们包括默认功能网络(default mode network，DMN)、突显性网络(salience network，SN)、执行控制网络(executive control network，ECN)、视觉网络、听觉网络、感觉运动网络等[34]。Menon指出明确DMN、SN和ECN 3个大型脑网络的内在特征，尤其是网络间相互作用关系可能是阐明包括海洛因成瘾在内的众多功能性脑疾病机制的重要途径[34]。最近，Lerman等人[35]发现，在戒烟24 h后相比正常吸足烟的状态下，尼古丁依赖者SN与DMN网络之间的抑制程度明显降低，而且降低的网络之间的功能连接程度可以预测戒烟后的吸烟渴求以及尼古丁依赖者工作记忆任务的表现成绩。可见阐明DMN、SN和ECN等大型网络之间的相互作用关系对于认识药物成瘾机制以及复吸机制至关重要。采用上述静息态fMRI的技术，可通过观察与海洛因成瘾形成机制相关脑区及网络间的ALFF值、Reho值、脑网络间功能连接度及小世界网络聚类系数(D值)和最短路径(L值)的变化以及采用Granger因果分析法进一步分析相关信息传递方式，来深入理解慢性使用海洛因所致的神经适应性改变以及相关功能网络功能改变，及其与成瘾患者的成瘾发展的关系，从而进一步理解海洛因成瘾的形成机制。然而，fMRI技术也存在一些不足之处，首先，BOLD-fMRI所反映的是神经活动的间接信息，是神经活动与血管反应耦合的信息；其次，fMRI的时间和空间分辨率有限，不能显示微观的快速的神经元活动；再次因受磁共振禁忌的限制，体内有金属植入物的患者无法进行fMRI研究，如脑深部电刺激的患者。尽管如此，fMRI技术在海洛因成瘾机制研究中仍发挥重要作用。

3 海洛因成瘾机制fMRI研究质量控制

3.1 fMRI数据采集需注意的问题

具体实验流程需依据实验目的不同提前做好相应的流程设计，采集fMRI数据需注意的主要问题包括：(1)实验前：海洛因成瘾被试主要来自美沙酮维持治疗的患者和强制戒断的海洛因成瘾者，在招募过程中最重要的是取得患者的信任，以便获取客观心理行为学数据以及促使患者积极配合实验任务，根据实验要求严格纳入被试。其次要注意实验所需的各类物品、量表的准备(如瑞文智力测验、抑郁自评量表、焦虑评定量表、冲动量表、阿片类稽延性戒断症状评定量表、渴求评定用视觉模拟量表、艾森克人格量表以及SCL90症状自评量表等)、调查方法培训、设备校正等；(2)实验中：依据实验设计分门别类进行数据采集[36]；(3)实验后：即刻检查数据质量，影像数据刻盘保存，人口学、行为学数据录入，其他数据如血、尿、唾液等标本的保存与送检等。

3.2 fMRI数据采集方案需要规范化

fMRI数据采集方案保持规范化有利于筛选特异性强的神经影像学指标。针对某一疾病的神经影像学检查策略达成专家共识有益于集中优势资源。利于解释发病机制或评价疗效的脑区靶点群，确定定量评价系列影像学指标，建立临床实用的疗效评价方案等，为未来特定疾病临床干预新策略的建立奠定坚实的基础。

fMRI数据采集方案保持规范化有利于数据再利用。大数据和医学信息学催生着传统科研方法的巨大转变，随着大数据时代的到来，逐步建立“数据储存中心”已成为社会发展的必然趋势。针对不同疾病的规范化“数据采集方案”的出台和“数据集”的建立，可为今后建立我国神经影像学数据库奠定基础。

总之，海洛因成瘾机制极为复杂，当前的fMRI研究方法为深入揭示海洛因成瘾机制、评估治疗效果以及寻找治疗海洛因成瘾潜在靶点发挥重要作用。另外，多模态结合的fMRI研究方法更有望为将来预测复吸风险提供可靠的理论依据。合理的方法选择和严格的质量控制将为探讨具体的神经机制及评估疗效提供有力保障。

[References]

[1]Li CS, Sinha R. Inhibitory control and emotional stress regulation:neuroimaging evidence for frontal-limbic dysfunction in psychostimulant addiction. Neurosci Biobehav Rev, 2008, 32(3): 581-597.

[2] Tang YL, Zhao D, Zhao C, et al. Opiate addiction in China: current situation and treatments. Addiction, 2006, 101(5): 657-665.

[3] Zang Y, Jiang T, Lu Y, et al. Regional homogeneity approach to fMRI data analysis. Neuroimage, 2004, 22(1): 394-400.

[4] Zang YF, He Y, Zhu CZ, et al. Altered baseline brain activity in children with ADHD revealed by resting-state functional MRI.Brain & development, 2007, 29(2): 83-91.

[5] Zou QH, Zhu CZ, Yang Y, et al. An improved approach to detection of amplitude of low-frequency fluctuation (ALFF) for resting-state fMRI:fractional ALFF. Journal of neuroscience methods, 2008, 172(1): 137-141.

[6] Haass-Koffler CL, Leggio L, Kenna GA. Pharmacological approaches to reducing craving in patients with alcohol use disorders. CNS drugs,2014, 28(4): 343-360.

[7] Huynh N, Blain D, Glaser T, et al. Systemic diagnostic testing in patients with apparently isolated uveal coloboma. Am J Ophthalmol,2013, 156(6): 1159-1168.

[8] Verma V. Classic studies on the interaction of cocaine and the dopamine transporter. Clin Psychopharmacol Neurosci, 2015, 13(3):227-238.

[9] Yuan TF, Li A, Sun X, et al. Transgenerational inheritance of paternal neurobehavioral phenotypes: stress, addiction, ageing and metabolism.Mol Neurobiol, 2016, 53(9): 6367-6376.

[10] Bosch PJ, Peng L, Kivell BM. Proteomics analysis of dorsal striatum reveals changes in synaptosomal proteins following methamphetamine self-administration in rats. PloS One, 2015, 10(10): e0139829.

[11] Fedota JR, Stein EA. Resting-state functional connectivity and nicotine addiction: prospects for biomarker development. Ann N Y Acad Sci,2015, 1349: 64-82.

[12] Jurcoane A, Daamen M, Scheef L, et al. White matter alterations of the corticospinal tract in adults born very preterm and/or with very low birth weight. Hum Brain Mapp, 2016, 37(1): 289-299.

[13] Urben S, Van Hanswijck De Jonge L, Barisnikov K, et al. Gestational age and gender influence on executive control and its related neural structures in preterm-born children at 6 years of age. Child Neuropsychol, 2017, 23(2): 188-207.

[14] Volkow ND, Wang GJ, Fowler JS, et al. Addiction: beyond dopamine reward circuitry. Proc Natl Acad Sci U S A, 2011, 108(37): 15037-15042.

[15] Li Q, Li W, Wang H, et al. Predicting subsequent relapse by drugrelated cue-induced brain activation in heroin addiction: an eventrelated functional magnetic resonance imaging study. Addict Biol,2015, 20(5): 968-978.

[16] Li Q, Wang Y, Zhang Y, et al. Assessing cue-induced brain response as a function of abstinence duration in heroin-dependent individuals: an event-related FMRI study. PloS One, 2013, 8(5): e62911.

[17] Langleben DD, Ruparel K, Elman I, et al. Acute effect of methadone maintenance dose on brain FMRI response to heroin-related cues. Am J Psychiatry, 2008, 165(3): 390-394.

[18] Chang HF, Wang YR, Li Q, et al. fMRI study on heroin-related cues induced craving in heroin addicts long after nucleus accumbens ablation. J Prac Radiol, 2012, 28(4): 491-494.常海峰, 王亚蓉, 李强, 等. 伏隔核缺失后海洛因成瘾者线索诱导渴求的fMRI研究. 实用放射学杂志, 2012, 28(4): 491-494.

[19] Li Q, Wang YR, Li W, et al. fMRI study on craving and brain activity in response to heroinrelated cues in patients with methadone maintenance treatment. J Prac Radiol, 2012, 28(1): 1-5.李强, 王亚蓉, 李玮, 等. 毒品线索下美沙酮维持治疗的海洛因依赖者渴求及大脑反应的fMRI研究. 实用放射学杂志, 2012, 28(1): 1-5.

[20] Wang YR, Yang LY, Li Q, et al. Drug-related cue induced craving and the correlation between the activation in nucleus accumbens and drug craving: A fMRI study on heroin addicts. Chin J Radiol, 2010,44(2): 137-141.王亚蓉, 杨兰英, 李强, 等. 海洛因线索诱导渴求及其与伏隔核激活关系的功能MRI研究. 中华放射学杂志, 2010, 44(2): 137-141.

[21] Wang Y, Wang H, Li W, et al. Reduced responses to heroin-cueinduced craving in the dorsal striatum: effects of long-term methadone maintenance treatment. Neurosci Lett, 2014, 581(3): 120-124.

[22] Fu LP, Bi GH, Zou ZT, et al. Impaired response inhibition function in abstinent heroin dependents: an fMRI study. Neurosci Lett, 2008,438(3): 322-326.

[23] Yucel M, Lubman DI, Harrison BJ, et al. A combined spectroscopic and functional MRI investigation of the dorsal anterior cingulate region in opiate addiction. Mol Psychiatry, 2007, 12(7): 611, 691-702.

[24] Friston K, Ashburner J. Statistical parametric mapping. UK:Elsevier, 2007.

[25] Qiu YW, Han LJ, Lv XF, et al. Regional homogeneity changes in heroin-dependent individuals: resting-state functional MR imaging study. Radiology, 2011, 261(2): 551-559.

[26] Jiang GH, Qiu YW, Zhang XL, et al. Amplitude low-frequency oscillation abnormalities in the heroin users: a resting state fMRI study.Neuroimage, 2011, 57(1): 149-154.

[27] Ma N, Liu Y, Li N, et al. Addiction related alteration in resting-state brain connectivity. Neuroimage, 2010, 49(1): 738-744.

[28] Li Q, Yang WC, Wang YR, et al. Abnormal function of the posterior cingulate cortex in heroin addicted users during resting-state and drugcue stimulation task. Chin Med J (Engl), 2013, 126(4): 734-739.

[29] Tang N, Wang ZQ, Wu X, et al. Functional connectivity methods basedon ica and correlation with fMRI data. J Beijing Normal University (Natural Science), 2008, 44(1): 54-57.汤妮, 王志群, 邬霞, 等. 基于独立成分分析和相关分析的fMRI功能连接方法. 北京师范大学学报(自然科学版), 2008, 44(1): 54-57.

[30] Li W, Li Q, Wang D, et al. Dysfunctional default mode network in methadone treated patients who have a higher heroin relapse risk. Sci Rep, 2015, 15(5): 15181.

[31] Bressler SL, Seth AK. Wiener-Granger causality: a well established methodology. Neuroimage, 2011, 58(2): 323-329.

[32] Wang L, Yu CS. Analytic methods on functional connectivity based on resting-state fMRI and their applications. Chin J Med Imaging Technol, 2008, 24(8): 1277-1280.王亮, 于春水. 静息状态脑功能连接磁共振成像的分析方法及应用. 中国医学影像技术, 2008, 24(8): 1277-1280.

[33] Yuan K, Qin W, Liu J, et al. Altered small-world brain functional networks and duration of heroin use in male abstinent heroindependent individuals. Neurosci Lett, 2010, 477(1): 37-42.

[34] Menon V. Large-scale brain networks and psychopathology: a unifying triple network model. Trends Cogn Sci, 2011, 15(10): 483-506.

[35] Lerman C, Gu H, Loughead J, et al. Large-scale brain network coupling predicts acute nicotine abstinence effects on craving and cognitive function. JAMA psychiatry, 2014, 71(5): 523-530.

[36] Chen JJ, Li Q, Liu JR, et al. fMRI data collection processing and quality control on heroin dependence. J Prac Radiol, 2016, 32(10):1625-1627.陈佳杰, 李强, 刘洁蓉, 等. 海洛因依赖相关fMRI研究数据采集流程及质量控制. 实用放射学杂志, 2016, 32(10): 1625-1627.