人工智能揭示了大腦解剖學(xué)中的個體差異與自閉癥譜系障礙癥狀中的個體差異之間的聯(lián)系

自閉癥譜系障礙(ASD)患者的行為差異與神經(jīng)解剖學(xué)(大腦的形狀)的差異密切相關(guān)，波士頓學(xué)院神經(jīng)科學(xué)家團隊今天在《科學(xué)》雜志上報告。這一發(fā)現(xiàn)有助于了解ASD的原因，并制定個性化的干預(yù)措施。

該團隊使用人工智能(AI)研究了1000多名ASD患者的磁共振成像數(shù)據(jù)，并將這些圖像與AI生成的模擬進行了比較，即如果他們沒有ASD，他們的大腦會是什么樣子。

波士頓學(xué)院博士后研究員AidasAglinskas說：“我們發(fā)現(xiàn)，不同的ASD患者可能有不同的大腦區(qū)域受到影響，并且由于人工智能模擬的大腦，我們能夠確定ASD個體之間哪些特定的大腦區(qū)域存在差異。”和報告的共同作者。“此外，將大腦解剖結(jié)構(gòu)中與ASD相關(guān)的變異與不相關(guān)的變異區(qū)分開來，揭示了大腦解剖結(jié)構(gòu)和癥狀的個體差異之間的隱藏關(guān)系。”

自閉癥在癥狀和神經(jīng)解剖學(xué)方面因人而異。先前的研究假設(shè)所有ASD患者可能沒有一組共同的神經(jīng)解剖學(xué)相關(guān)性。

Aglinskas說，確認(rèn)這些建議一直很困難，因為識別ASD特異性神經(jīng)改變是一項具有挑戰(zhàn)性的任務(wù)。由于許多因素，大腦是不同的，包括不是由ASD引起的遺傳變異，這在研究中很難控制。

與波士頓學(xué)院神經(jīng)科學(xué)助理教授Joshua一起進行這項研究的Aglinskas說，該團隊通過使用AI來識別ASD特有的神經(jīng)變異模式，從而克服了這一障礙，從而使團隊能夠識別ASD中特別受影響的神經(jīng)通路。哈特肖恩和斯特凡諾·安澤洛蒂。

“與ASD相關(guān)的大腦解剖學(xué)差異可以‘隱藏’在與ASD無關(guān)的差異中，”Aglinskas說。“因此，很難確定與癥狀差異相關(guān)的大腦解剖結(jié)構(gòu)差異。我們使用人工智能來區(qū)分與ASD相關(guān)的差異和不相關(guān)的差異。”

該團隊著手確定大腦解剖學(xué)的ASD特定特征是否以與其癥狀相關(guān)的方式因人而異。Aglinskas說，先前研究ASD中大腦解剖學(xué)個體差異的研究并沒有將ASD特異性特征與神經(jīng)解剖學(xué)中其他不相關(guān)的個??體差異區(qū)分開來，這使得研究神經(jīng)解剖學(xué)和癥狀之間的關(guān)系變得困難。

報告稱，利用來自1,103名研究參與者的MRI數(shù)據(jù)，該團隊使用了一種與“深度造假”大致相似的分析方法——難以檢測的模擬照片、視頻和其他圖像，這些圖像是使用涉及研究參與者的視覺數(shù)據(jù)模式創(chuàng)建的.

相反，該團隊使用計算機檢測到的模式來模擬每個ASD個體如果沒有ASD的大腦會是什么樣子。研究小組報告說，這是通過一種新的人工智能技術(shù)實現(xiàn)的，該技術(shù)將大腦解剖學(xué)中的個體差異分為ASD特定和ASD無關(guān)的特征。

“我們驚訝地發(fā)現(xiàn)，盡管在多個維度上觀察到ASD個體之間的大腦解剖結(jié)構(gòu)存在大量差異，但個體并沒有像以前認(rèn)為的那樣分為不同的分類亞型，”Aglinskas說。“在大腦解剖水平上，ASD中的個體差異可能通過連續(xù)維度比通過分類亞型更好地捕捉，但重要的是，這并不排除通過其他類型的大腦測量(如功能成像)發(fā)現(xiàn)分類亞型的可能性。"

展望未來，研究人員指出需要更詳細地了解這些神經(jīng)解剖學(xué)差異如何影響行為。

Anzellotti表示，該團隊計劃使用AI工具超越大腦結(jié)構(gòu)，尋找更好地了解ASD診斷和ASD患者行為的方法。

“兩個大腦的形狀可以非常相似，但工作方式仍然不同，”安澤洛蒂說。“我們需要研究大腦的許多其他方面才能全面了解?，F(xiàn)在，我們專注于功能連接性——衡量大腦如何‘連接’的方法。”一個大問題是這是否會向我們展示關(guān)于ASD個體差異的新信息。這類工作的目標(biāo)是能夠使用腦成像數(shù)據(jù)來幫助為ASD患者開發(fā)個性化的醫(yī)療保健方法。

標(biāo)簽：