The effect of lysergic acid diethylamide (LSD) on whole-brain functional and effective connectivity
Notice bibliographique
Résumé
Psychedelics have emerged as promising candidate treatments for various psychiatric conditions, and given their clinical potential, there is a need to identify biomarkers that underlie their effects. Here, we investigate the neural mechanisms of lysergic acid diethylamide (LSD) using regression dynamic causal modelling (rDCM), a novel technique that assesses whole-brain effective connectivity (EC) during resting-state functional magnetic resonance imaging (fMRI). We modelled data from two randomised, placebo-controlled, double-blind, cross-over trials, in which 45 participants were administered 100 μg LSD and placebo in two resting-state fMRI sessions. We compared EC against whole-brain functional connectivity (FC) using classical statistics and machine learning methods. Multivariate analyses of EC parameters revealed predominantly stronger interregional connectivity and reduced self-inhibition under LSD compared to placebo, with the notable exception of weakened interregional connectivity and increased self-inhibition in occipital brain regions as well as subcortical regions. Together, these findings suggests that LSD perturbs the Excitation/Inhibition balance of the brain. Notably, whole-brain EC did not only provide additional mechanistic insight into the effects of LSD on the Excitation/Inhibition balance of the brain, but EC also correlated with global subjective effects of LSD and discriminated experimental conditions in a machine learning-based analysis with high accuracy (91.11%), highlighting the potential of using whole-brain EC to decode or predict subjective effects of LSD in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».