研究建议使用人工智能来诊断自闭症谱系障碍

　　研究人员使用磁共振成像来训练机器学习算法，以帮助诊断自闭症。这项研究涉及来自巴西、法国和德国中心的物理学家、统计学家、医生和神经科学家。

　　

诊断自闭症谱系障碍(ASD)仍然是一项艰巨的挑战，因为涉及的程度复杂，需要高度专业化的专业人员。自闭症是一种多因素的神经发育障碍，具有广泛不同的症状。根据美国疾病控制与预防中心(CDC)的数据，在美国，大约每36名儿童中就有1名被诊断为自闭症谱系障碍，但目前还没有精确识别自闭症的生化标记物。巴西研究人员在《科学报告》杂志上发表的一篇文章中提出了一种定量诊断方法。

这项研究基于500人的脑成像数据，其中约一半(242人)被诊断为自闭症谱系障碍。将机器学习技术应用于数据。“我们开始通过收集功能性磁共振成像(fMRI)和脑电图(EEG)数据来开发我们的方法，”该文章的最后作者弗朗西斯科·罗德里格斯(Francisco Rodrigues)说。他是巴西 奥卡洛斯市圣保罗大学数学与计算机科学研究所(ICMC-USP)的教授，他对这项研究的贡献得到了FAPESP的支持。

罗德里格斯说:“我们比较了患有和没有自闭症谱系障碍的人的图谱，发现使用这种方法可以进行诊断。”

研究人员将这些地图输入机器学习算法。基于学习到的例子，该系统能够以95%以上的准确率确定哪些大脑变化与自闭症谱系障碍有关。

文章指出，最近的许多研究提出了基于机器学习诊断ASD的方法，但使用了单一的统计参数，忽略了大脑网络组织，而这正是本研究的创新之处。大脑地图或皮层网络显示了大脑区域是如何连接的。对这些网络的研究始于大约20年前，为神经科学提供了一个新的视角。罗德里格斯说:“就像一条中断的道路会改变一个地区的交通一样，一个变化的大脑会导致行为的变化。”

对功能磁共振成像数据的分析强调了与认知、情感、学习和记忆过程相关的某些大脑区域的变化。与对照组相比，ASD患者的皮质网络表现出更多的分离，更少的信息分布和更少的连通性。

“直到几年前，人们对导致ASD症状的改变知之甚少。然而，现在已知ASD患者的大脑改变与某些行为有关，尽管解剖学研究表明这种改变很难看到，这使得轻度ASD的诊断更加困难。我们的研究是开发新方法的重要一步，可以帮助我们更深入地了解这种神经分化，”罗德里格斯说。

该方法正在开发中，需要数年时间才能实施。尽管如此，它将有助于理解大脑差异，并将在未来帮助专家，特别是在涉及诊断不确定的情况下有用。

应用范围广

对于Rodrigues来说，这项研究对于更深入地了解ASD与大脑改变之间的关系是一个小小的贡献。这种自动诊断方法的应用还需要进一步的研究。除了ASD之外，大脑测绘还可以用于诊断其他疾病。先前的研究表明，大脑图谱也可以相当准确地用于检测精神分裂症。

“十年前，我们开始开发识别精神障碍的新方法。我们发现，使用大脑网络和人工智能可以大大改善精神分裂症的诊断。我们最近还研究了使用这种方法来调查阿尔茨海默病，发现准确的自动诊断是可能的，”罗德里格斯说，他指的是2022年发表在《神经工程杂志》上的一项研究。

必须克服许多挑战，例如小型数据库和收集数据的困难，但作为一种通用方法，它可以帮助科学家了解几种情况，该小组的目标之一是调查精神障碍之间的关系。

“精神分裂症和阿尔茨海默氏症在大脑改变方面有多相似?”如果我们能找到精神疾病之间的相关性，我们就能针对不同的情况开发出新的药物和类似的治疗方法，甚至可以针对一种情况调整治疗方法，用于另一种情况。我们还有很长的路要走，但前面的道路是有希望的，”罗德里格斯说。

研究人员希望更好地了解大脑变化如何影响行为，从而导致更人道、更有效的治疗以及更有效的公共政策。从所涉及的研究的跨学科性质来看，这一主题的复杂性是显而易见的。该小组由来自巴西、法国和德国中心的物理学家、统计学家、医生和神经科学家组成。他们分析了神经学家汇编的医学数据和神经科学家的脑成像研究，以及物理学家和统计学家开发的算法。

这项研究是这篇文章的第一作者卡罗琳·阿尔维斯博士研究的一部分。她的背景是物理学、物理和生物分子科学以及计算机科学。FAPESP还通过博士奖学金资助了这篇文章的另外两位作者:Aruane Pineda(资助号:19/22277-0)和Kirstin花名册(批准号:19/26595-7)，两人都由罗德里格斯监督。

文章标题

Diagnosis of autism spectrum disorder based on functional brain networks and machine learning