Detailansicht

Predicting nicotine-related craving in smokers from fMRI data using multivariate pattern analysis
Lisa-Maria Neuner
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Frank Scharnowski
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.70743
URN
urn:nbn:at:at-ubw:1-11253.37685.282186-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Nikotinabhängigkeit ist weltweit eine der Hauptursachen für vermeidbare Todesfälle und verursacht hohe Kosten für die Gesundheitssysteme. Leider sind die Rückfallquoten nach der Raucherentwöhnung hoch, so dass verbesserte Behandlungsmöglichkeiten erforderlich sind. Um neue wirksame Behandlungen anbieten zu können, ist ein tieferes Verständnis der zugrunde liegenden neuronalen und verhaltensbezogenen Mechanismen von Nikotinabhängigkeit erforderlich. Was die neuronalen Grundlagen der Nikotinsucht betrifft, so fand eine aktuelle Studie, dass die Aktivität im anterioren cingulären Kortex in erster Linie mit dem von externen Reizen ausgelösten Nikotinverlangen (Craving) zusammenhängt, während die Amygdala-Aktivität mit Valenzaspekten von Nikotinreizen in Verbindung gebracht wird. Diese Arbeit untersuchte eine mögliche Konfundierung von Valenz und Craving mit Hilfe eines Reiz-Reaktivitäts-Paradigmas. 32 nikotinabhängige Probanden unterzogen sich einer funktionellen Magnetresonanztomographie, während sie Craving-auslösende Bilder sahen, und bewerteten diese anschließend auf einer kontinuierlichen Skala in Bezug auf Craving und emotionale Valenz. Ein Modell des maschinellen Lernens (LASSO-PCR) wurde angewandt, um aus der neuronalen Aktivität im anterioren cingulären Kortex die Bewertungen der einzelnen Bildpräsentationen vorherzusagen. Wir gingen davon aus, dass nur die Craving-Bewertungen erfolgreich vorhergesagt werden können, aber es war weder möglich Craving noch Valenz korrekt vorherzusagen. Diese Ergebnisse können auf verschiedene Faktoren zurückgeführt werden: Qualität der Bewertungen, ungeeignete Interstimulus-Intervalle und das Modell selbst. Insgesamt ist die Optimierung von experimentellen Designs für multivariate Regressionsmethoden von großer Bedeutung, um die Forschung zum Reiz-bezogenen Craving bei Rauchern zu verbessern und damit gezieltere Behandlungsmöglichkeiten für die Raucherentwöhnung zu entwickeln.
Abstract
(Englisch)
Nicotine addiction is a leading cause of preventable death worldwide and leads to high costs for health systems. Unfortunately, relapse rates after smoking cessation are high, which calls for improved treatment options. To deliver new effective treatments, a better understanding of the neural and behavioral mechanisms underlying nicotine dependence is needed. Regarding the neural underpinnings of nicotine addiction, a recent study found that activity in the anterior cingulate cortex may be primarily related to cue-driven craving, while amygdala activity is associated with valence aspects of nicotine cues. This work examined possible confounding of valence with craving using a cue-reactivity paradigm. 32 nicotine dependent subjects underwent a functional magnetic resonance imaging session while viewing craving-inducing images and subsequently rated these on a continuous scale regarding urge-to-smoke and emotional valence. A machine learning model (LASSO-PCR) was applied to predict single-trial ratings from neuronal activity in the anterior cingulate cortex. We hypothesized successful predictions only for the craving ratings, but it was not possible to accurately predict craving nor valence. The results can be attributed to various factors: quality of the ratings, unsuitable inter-stimulus interval, and the model itself. Overall, optimizing experimental designs for multivariate regression methods is highly relevant to enhance research on cue-related craving in smokers and thus to develop better treatment options for smoking cessation.

Schlagwörter

Schlagwörter
(Englisch)
craving cue-reactivity nicotine dependence functional magnetic resonance imaging machine learning
Schlagwörter
(Deutsch)
Craving Reiz-Reaktivität Nikotinabhängigkeit funktionelle Magnetresonanztomographie maschinelles Lernen
Autor*innen
Lisa-Maria Neuner
Haupttitel (Englisch)
Predicting nicotine-related craving in smokers from fMRI data using multivariate pattern analysis
Paralleltitel (Deutsch)
Vorhersage nikotin-bezogenen Verlangens bei Rauchern von fMRT Daten mit multivariater Musteranalyse
Publikationsjahr
2021
Umfangsangabe
38 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Frank Scharnowski
Klassifikationen
77 Psychologie > 77.03 Methoden und Techniken der Psychologie ,
77 Psychologie > 77.70 Klinische Psychologie
AC Nummer
AC16505120
Utheses ID
61114
Studienkennzahl
UA | 066 | 840 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1