The present study identified subgroups based on inhibitory and reward activation, two key neural functions involved in risk-taking behavior, and then tested the extent to which subgroup differences varied by age, sex, behavioral and familial risk, and substance use. Participants were 145 young adults (18–21 years old; 40.0% female) from the Michigan Longitudinal Study. Latent profile analysis (LPA) was used to establish subgroups using task-based brain activations. Demographic and substance use differences between subgroups were then examined in logistic regression analyses. Whole-brain task activations during a functional magnetic resonance imaging go/no-go task and monetary incentive delay task were used to identify beta weights as input for LPA modeling. A four-class model showed the best fit with the data. Subgroups were categorized as: (1) low inhibitory activation/moderate reward activation (39.7%), (2) moderate inhibitory activation/low reward activation (22.7%), (3) moderate inhibitory activation/high reward activation (25.2%), and (4) high inhibitory activation/high reward activation (12.4%). Compared with the other subgroups, Class 2 was older, less likely to have parental alcohol use disorder, and had less alcohol use. Class 4 was the youngest and had greater marijuana use. Classes 1 and 3 did not differ significantly from the other subgroups. These findings demonstrate that LPA applied to brain activations can be used to identify distinct neural profiles that may explain heterogeneity in substance use outcomes and may inform more targeted substance use prevention and intervention efforts.

本研究根据抑制和奖励激活确定了亚组，这两个关键神经功能涉及冒险行为，然后测试了亚组差异因年龄、性别、行为和家庭风险以及物质使用而变化的程度。参与者是来自密歇根纵向研究的 145 名年轻人（18-21 岁；40.0% 女性）。潜在概况分析 (LPA) 用于使用基于任务的大脑激活来建立亚组。然后在逻辑回归分析中检查亚组之间的人口统计学和物质使用差异。在功能性磁共振成像 go/no-go 任务和金钱激励延迟任务期间的全脑任务激活被用于识别 beta 权重作为 LPA 建模的输入。四类模型显示出与数据的最佳拟合。亚组分为：(1) 低抑制激活/中度奖励激活 (39.7%)，(2) 中度抑制激活/低奖励激活 (22.7%)，(3) 中度抑制激活/高奖励激活 (25.2%)，和 (4) 高抑制激活/高奖励激活（12.4%）。与其他亚组相比，第 2 类年龄较大，不太可能患有父母饮酒障碍，并且饮酒较少。第 4 班是最年轻的，吸食大麻的人数更多。第 1 类和第 3 类与其他亚组没有显着差异。这些发现表明，应用于大脑激活的 LPA 可用于识别不同的神经特征，这些特征可能解释物质使用结果的异质性，并可能为更有针对性的物质使用预防和干预工作提供信息。(2) 中度抑制激活/低奖励激活 (22.7%)，(3) 中度抑制激活/高奖励激活 (25.2%)，和 (4) 高抑制激活/高奖励激活 (12.4%)。与其他亚组相比，第 2 类年龄较大，不太可能患有父母饮酒障碍，并且饮酒较少。第 4 班是最年轻的，吸食大麻的人数更多。第 1 类和第 3 类与其他亚组没有显着差异。这些发现表明，应用于大脑激活的 LPA 可用于识别不同的神经特征，这些特征可能解释物质使用结果的异质性，并可能为更有针对性的物质使用预防和干预工作提供信息。(2) 中度抑制激活/低奖励激活 (22.7%)，(3) 中度抑制激活/高奖励激活 (25.2%)，和 (4) 高抑制激活/高奖励激活 (12.4%)。与其他亚组相比，第 2 类年龄较大，不太可能患有父母饮酒障碍，并且饮酒较少。第 4 班是最年轻的，吸食大麻的人数更多。第 1 类和第 3 类与其他亚组没有显着差异。这些发现表明，应用于大脑激活的 LPA 可用于识别不同的神经特征，这些特征可能解释物质使用结果的异质性，并可能为更有针对性的物质使用预防和干预工作提供信息。(4) 高抑制激活/高奖励激活 (12.4%)。与其他亚组相比，第 2 类年龄较大，不太可能患有父母饮酒障碍，并且饮酒较少。第 4 班是最年轻的，吸食大麻的人数更多。第 1 类和第 3 类与其他亚组没有显着差异。这些发现表明，应用于大脑激活的 LPA 可用于识别不同的神经特征，这些特征可能解释物质使用结果的异质性，并可能为更有针对性的物质使用预防和干预工作提供信息。(4) 高抑制激活/高奖励激活 (12.4%)。与其他亚组相比，第 2 类年龄较大，不太可能患有父母饮酒障碍，并且饮酒较少。第 4 班是最年轻的，吸食大麻的人数更多。第 1 类和第 3 类与其他亚组没有显着差异。这些发现表明，应用于大脑激活的 LPA 可用于识别不同的神经特征，这些特征可能解释物质使用结果的异质性，并可能为更有针对性的物质使用预防和干预工作提供信息。