Nature Communications 13권, 기사 번호: 3300(2022) 이 기사 인용
3838 액세스
4 인용
23 알트메트릭
측정항목 세부정보
미래 위협에 대한 비정상적인 예측은 외상후 스트레스 장애(PTSD)가 있는 개인의 부적응 회피로 이어집니다. 이러한 예측 중단이 배측 전전두엽 피질에 의해 조정되는 기억 상태 제어에 어떻게 영향을 미치는지는 알려져 있지 않습니다. 우리는 컴퓨터 모델링과 뇌 연결성 분석을 결합하여 2015년 파리 테러 공격에 노출된 개인과 노출되지 않은 개인이 기억 억제 작업 중에 실험실에서 구현된 미래의 침입적 재경험에 대한 믿음을 어떻게 형성하고 통제했는지를 밝혔습니다. PTSD에 노출된 개인은 작업 중 해마 활동을 제어하기 위해 신념을 과도하게 사용했습니다. 이 예측 제어가 실패하면 원치 않는 침입과 관련된 예측 오류가 반응 메커니즘에 의해 제대로 하향 조정되지 않았습니다. 이러한 불균형은 회피 증상의 심각도와 관련이 있지만 불안이나 부정적인 감정과 같은 일반적인 장애와는 관련이 없습니다. 반대로, PTSD가 없는 외상에 노출된 참가자와 노출되지 않은 개인은 기억 억제 작업 중에 예측 제어와 반응 제어의 균형을 최적으로 유지할 수 있었습니다. 이러한 발견은 뇌의 예측 메커니즘과 제어 메커니즘 사이의 관계에 뿌리를 둔 PTSD 환자에게 발생하는 잠재적인 병리학적 메커니즘을 강조합니다.
외상후 스트레스 장애(PTSD)가 있는 개인은 위협1,2을 예측하고 고통을 줄이기 위해 외상성 알림을 피합니다. 미래에 대한 그들의 인식은 충격적인 경험의 여파로 바뀌었을 수 있습니다3,4. 뇌의 베이지안 모델5은 예측 처리6에서 이러한 장애를 이해하는 솔루션을 제공합니다. 보다 구체적으로, 안전한 환경 단서와 위협적인 결과5,7 사이에 비정상적인 연관성이 발생할 수 있으며, 이로 인해 혐오스러운 사건을 정확하게 예측하는 능력이 손상될 수 있습니다8. 이러한 예측의 혼란은 트라우마를 상기시키는 요소1의 회피를 더욱 악화시키며, 이는 트라우마 엔그램의 소멸이나 업데이트를 방해할 수 있습니다. 그러나 의도하지 않은 플래시백이나 침입 기억(즉, PTSD9의 주요 증상)의 재경험 제어에 대한 이러한 예측 중단의 영향은 알려져 있지 않습니다.
최근 연구에서 우리는 PTSD 환자의 침입 기억의 지속성은 일반적으로 원치 않는 기억을 조절하는 억제 제어 시스템의 일반화된 기능 장애에 뿌리를 두고 있을 수 있다고 제안했습니다10. 이 연구에서 2015년 11월 파리 테러 공격에 노출된 102명의 참가자와 노출되지 않은 73명의 참가자는 물체 이미지와 짝을 이루는 일련의 중립 단어를 학습했으며 나중에 침입적 테러 공격의 원치 않는 재경험을 억제하라는 지시를 받았습니다. 단어 알림 신호에 의해 무의식적으로 촉발된 기억 이미지. 이 억제 단계에서 우리는 기능적 자기 공명 영상(fMRI)을 사용하여 뇌 활동을 기록했으며 참가자들은 각 실험에서 침입의 유무를 보고하도록 요청 받았습니다. 노출된 참가자는 PTSD 증상이 있는 개인과 PTSD가 발생하지 않은 회복력이 있는 개인의 두 하위 그룹으로 나뉘었습니다. 회복력이 있는 개인은 비침해적 조건과 휴식 상태 조건에 비해 침입적 기억을 경험하는 동안 제어 및 기억 뇌 네트워크 간의 기능적 결합이 감소한 것으로 나타났습니다. 이 패턴은 침입 기억을 억제하는 동안 억제성(즉, 부정적) 결합이 증가하는 것과 일치합니다. 동적 인과 모델링(DCM) 분석을 통해 이러한 결합 감소는 오른쪽 배외측 전전두엽 피질(DLPFC)11에 의해 조정된 하향식 메커니즘을 반영한다는 것을 확인했습니다. 해마 및 설전(PC)12과 같이 외상의 지속과 관련된 기억 영역에서 침입 기억의 제어된 하향 조절은 침입 조건과 비침입 조건 간에 뇌 역학이 다르지 않은 PTSD 환자의 경우 심각하게 손상되었습니다. .
\, 0^\circ\)) or reactive (\({{{{{\rm{\theta }}}}}} \, < \, 0^\circ\)) control. The right panel shows the distribution of this imbalance index for each of the three groups. The empty circles represent the group circular average ± bootstrapped 95% CI for nonexposed (n sample size = 72), PTSD− (n sample size = 46) and PTSD+ (n sample size = 55)./p> 0.18). Following this learning phase, pairs were divided into 3 lists of 18 pairs assigned to think, no-think, and baseline conditions for the Think/No-think task (TNT). Participants were given the think/no-think phase instructions and a short TNT practice session before MRI acquisition to familiarize them to the task./p> 140, p < 0.001). Moreover, Kruskal–Wallis tests did not evidence any difference between the groups for any kind of strategies used (H(2) < 2.73, ps > 0.26)./p> 35 mm, and pMFG coordinates to y < 25 mm./p> think contrast for aMFG and pMFG, and no-think < think contrast for memory regions)27. To this end, a univariate analysis was conducted on the timecourse of each native space ROI for each participant, by implementing a general linear model (GLM) in SPM12. The voxelwise fMRI time series were high-pass filtered, with a cut-off period of 128 s. Task-related regressors were created by convolving a box-car function at the onset of cue words with the canonical hemodynamic response function. Further regressors of no interest included the six realignment parameters to account for motion artefacts, session dummy regressors, and filler item regressors (i.e., no button press, or no recall during the final criterion test or during think trials). fMRI time series autocorrelations were corrected by entering a first-order autoregressive model of temporal autocorrelation of noise and a white-noise model was estimated using restricted maximum likelihood. The data were then adjusted for confounds, filtered, and whitened using the estimated temporal autocorrelation of noise to correct for non-sphericity. Beta parameters for think and no-think conditions were estimated during a second pass of the general linear model with the ordinary least-square method, and used to calculate participant-specific t maps for each ROI./p>