【团队新作】自动化所在神经影像学靶点研究领域取得新进展
2018/8/3 18:04:33 中国科学院自动化研究所

    

     精神分裂症临床表现复杂，主观性诊断、经验化治疗等问题突出，迫切需要研究能够评估和衡量患者多种认知能力损伤的客观影像学靶点，并以此推动精神疾病的影像学辅助诊断和个体化精准治疗。

     自动化所面向脑科学与信息科学的交叉前沿，通过开展脑影像的模式识别研究，分析比较了3组独立样本(n=294, 83, 88)和7种认知子域评分，发现了一组通用的多模态磁共振影像学靶点, 可实现精神分裂症多种认知能力的个体化预测，并成功在多中心验证推广，深入揭示精神分裂症认知损伤所影响的多模态交互环路，奠定基于客观标记物的个体化治疗系统的建立基础。相关研究成果在线发表在2018年8月2日的Nature Communications上。

    

     本论文的的第一和通讯作者为中科院自动化研究所模式识别国家重点实验室和脑网络组中心的隋婧教授，其博士生戚世乐为共同第一作者。该研究得到科技部863计划、中国科学院先导计划、国家自然科学基金等项目的资助。

    

     图1：方法流程图

     研究人员首先以精神分裂症患者和健康对照的认知综合能力评分为先验信息，基于有监督多模态融合技术，引导三种模态的磁共振影像特征(功能fALFF像, 结构GM像, 解剖连接FA像)融合，发现了一组与认知总分密切相关的多模态共变脑区，并且能在FBIRN和COBRE两个独立数据集上高度复现。

     继续研究与精神分裂症认知损伤最密切相关的其他三种认知子域评分 (工作记忆、注意力、语言学习) 发现，与多种认知能力相关的多模态共变脑区十分相似(见图2 a-d)，其中脑功能特征(fALFF)对不同认知子域之间的差异更敏感，而结构像特征(GM和FA)跨认知子域的空间一致性较高(图2 e 跨子域相关性)。

    

     图2：与四种认知能力密切相关的多模态共变脑区的对比

     进一步，通过跨子域脑区重叠，研究人员确立了一组共有的影像学靶点: 即脑灰质体积突显网络(GM_SAN)、解剖连接图中胼胝体的FA值(FA_CC)、脑功能fALFF像中的执行控制网络(fALFF_CEN)和后默认网络(fALFF_pDMN)，并基于这4个靶点构建预测模型(图3a)。

     值得欣喜的是，建立的线性模型不仅能较好地预测精神分裂症患者和健康对照的多种认知能力，还能成功推广到其他2个独立数据集，预测相应的认知指标，从而实现了基于客观神经标志物(neuromarker)的个体化认知能力评估。

    

     图3. 研究发现的四个多模态影像学靶点(a)，可预测多种认知能力，并在3个中心独立验证(b)。

     综上，本工作基于多维度指标整合挖掘，发现了一组可靠的、能够衡量多种认知能力的影像学标记，有望优化精神分裂症的早期干预和治疗评估，减少不良反应，进而推动精神疾病的精准诊疗研究，具有重大的社会经济价值。

    

     全文信息

     Multimodal neuromarkers in schizophrenia via cognition-guided MRI fusion

     Nature Communicationsvolume 9, Article number:3028(2018)

     全文下载：

     https://www.nature.com/articles/s41467-018-05432-w

     点击文末"阅读原文"进入全文下载

    

    

     更多精彩内容，欢迎关注

     中科院自动化所官方网站：

     http://www.ia.ac.cn

     欢迎后台留言、推荐您感兴趣的话题、内容或资讯，小编恭候您的意见和建议!如需转载或投稿，请后台私信。

     作者：隋婧

     编辑：鲁宁、欧梨成

     中科院自动化研究所

     微信：casia1956

     欢迎搭乘自动化所AI旗舰号!

    http://weixin.100md.com
返回 中国科学院自动化研究所 返回首页 返回百拇医药