亮点
– 认知引导的EEG神经反馈可以特异性地抑制甲基苯丙胺使用障碍（MUD）男性患者中由甲基苯丙胺线索触发的脑模式。
– 十次实时神经反馈训练显著增强了反应抑制，优于假反馈或标准康复。
– 初始神经反馈表现和基线特征预测了认知控制的改善。
– 这种干预措施展示了作为传统成瘾治疗补充手段的潜力。
研究背景
甲基苯丙胺使用障碍（MUD）的特点是强迫性使用甲基苯丙胺和复发，部分原因是反应抑制受损——即抑制不适当或药物相关反应的能力。甲基苯丙胺相关的环境线索会引发强烈的神经反应，这削弱了抑制控制并增加了复发风险。目前对MUD的治疗方法仅取得部分成功，而认知缺陷如抑制能力受损仍然是未满足的治疗目标。神经反馈是一种神经调节技术，通过训练个体实时调节其脑活动，为修复认知功能障碍提供了有希望的途径。本研究探讨了以抑制甲基苯丙胺线索相关脑模式为目标的认知引导EEG神经反馈是否能增强MUD男性的反应抑制，从而可能改善治疗结果。
研究设计
本研究包括两个独立的MUD男性队列（总n=99）。该方法利用了一种闭环EEG神经反馈协议，该协议根据在离线多变量模式分析期间获得的全头皮EEG数据中的甲基苯丙胺线索反应模式进行个性化调整。
样本1（n=66）：参与者被随机分为两组：(1) 真实神经反馈组1（N=33），接受10次旨在抑制自身甲基苯丙胺线索相关脑模式的神经反馈训练；(2) 对照神经反馈组（N=33），接收基于匹配参与者的脑活动模式的反馈（假对照）。这种设计允许评估反馈的特异性。
样本2（n=33）：用于验证样本1的结果，包括真实神经反馈组2（N=17）和标准康复组（N=16），后者接受常规护理但没有神经反馈。
结果测量：反应抑制通过在干预前后使用甲基苯丙胺线索为基础的go/no-go任务进行评估，d-prime作为主要指标，反映正确区分和抑制反应的能力。
主要发现
特定抑制甲基苯丙胺线索反应：在样本1中，真实神经反馈组的参与者在10次训练中成功学会了抑制甲基苯丙胺线索相关的EEG模式，证明了认知引导神经反馈的可行性和靶向特异性。
增强的反应抑制：训练后，真实神经反馈组在反应抑制指标（特别是d-prime）方面显示出显著改善，效应量为中等（Cohen’s f=0.31）。相比之下，对照神经反馈组未表现出类似的改善，表明目标神经反馈对于认知增强至关重要。
相关性和预测因素：真实反馈组内的神经反馈表现与反应抑制的改善呈正相关。此外，基线神经认知特征和初始神经反馈训练成功预测了反应抑制改善的程度，表明可以根据个体特征定制神经反馈干预。
样本2的验证：复制队列证实，真实神经反馈比单独的标准康复更能改善反应抑制。反应抑制的改善再次可以根据基线和早期神经反馈反应进行预测，进一步证明了结果的可重复性和临床相关性。
安全性和耐受性：研究未报告与神经反馈会话相关的不良事件或安全性问题，强调了该干预措施作为低风险辅助疗法的适用性。
专家评论
本研究开创了一种精准神经调节方法，通过结合基于机器学习的EEG模式解码和实时神经反馈来解决MUD的核心认知缺陷。通过直接针对甲基苯丙胺线索反应，它利用了维持成瘾和复发的关键神经生物学基质。令人鼓舞的效应量和在独立样本中的复制突显了这种方法的稳健性。
然而，其普遍性仅限于MUD男性，且需要长期随访数据来评估认知获益的持久性和转化为临床结果（如预防复发）的情况。对照设计提供了对非特异性效应的严格控制，但未来试验可以纳入盲法临床评估和更大样本。此外，将神经反馈与药物治疗或心理治疗结合可能会产生附加效益。
从机制上讲，该协议可能通过减少对药物线索的高敏感性来增强前额叶认知控制网络，这是抑制失败的关键驱动因素。电生理数据与行为改善相结合，为认知引导的神经调节作为成瘾医学中的治疗创新提供了有力证据。
结论
本研究表明，认知引导的EEG神经反馈通过抑制甲基苯丙胺线索相关的脑活动模式，有效改善了MUD男性患者的反应抑制。它展示了特异性、可重复性和超出标准康复的临床潜力。这些发现为MUD及其他以线索驱动的认知控制缺陷为特征的物质使用障碍的个性化神经调节治疗开辟了新途径。未来研究应扩展到不同人群、长期结果以及与综合护理模型的整合，以最大化临床影响。
资金和临床试验信息
原发表在《美国精神病学杂志》上的研究在其提供的摘要中未详细说明外部资金来源或临床试验注册号。读者被鼓励参考原始出版物（Gou et al., 2025）获取披露信息。
参考文献
Gou H, Bu J, Cheng Y, Liu C, Gan H, Liu M, Zhao Q, Chen X, Ren J, Hong W, Wang R, Cao Y, Yu C, Chen X, Zhang X. 通过认知引导的EEG神经反馈改善甲基苯丙胺使用障碍男性的反应抑制。Am J Psychiatry. 2025 Sep 1;182(9):861-877. doi: 10.1176/appi.ajp.20240475. Epub 2025 Jun 11. PMID: 40495523.
