研究建议使用人工智能来诊断自闭症谱系障碍
由于涉及的复杂程度，诊断自闭症谱系障碍 (ASD) 仍然是一项艰巨的挑战，需要高度专业化的专业人员。自闭症是一种多因素神经发育障碍，症状多种多样。根据疾病控制与预防中心 (CDC) 的数据，在，大约每 36 名儿童中就有 1 名被诊断患有自闭症谱系障碍 (ASD)，但目前还没有生化标记物可以精确识别该疾病。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。
该研究基于 500 人的脑成像数据，其中约一半(242 人)被诊断患有自闭症谱系障碍(ASD)。机器学习技术应用于数据。“我们开始通过收集功能磁共振成像 [ 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。他是巴西圣卡洛斯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。
“我们比较了自闭症谱系障碍患者和非自闭症患者的地图，发现使用这种方法可以进行诊断，”罗德里格斯说。
研究人员将这些地图输入机器学习算法。根据学习到的例子，系统能够确定哪些大脑改变与 ASD 相关，准确率超过 95%。
文章指出，最近的许多研究提出了基于机器学习的自闭症谱系障碍诊断方法，但使用单一统计参数，忽略了大脑网络组织，这是本研究的创新之处。大脑图或皮质网络显示大脑区域如何连接。对这些网络的研究大约始于 20 年前，为神经科学提供了新的视野。罗德里格斯说：“就像中断的道路会改变一个地区的交通一样，大脑的改变也会导致行为的改变。”
对功能磁共振成像数据的分析强调了与认知、情绪、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，自闭症谱系障碍患者的皮质网络表现出更多的隔离、更少的信息分布和更少的连接性。
“直到几年前，人们对导致自闭症谱系障碍症状的改变知之甚少。然而，现在已知自闭症谱系障碍患者的大脑变化与某些行为有关，尽管解剖学研究表明这些变化很难看到，这使得轻度自闭症谱系障碍的诊断变得更加困难。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歧，”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，并且将来有助于帮助专家，特别是在涉及诊断不确定的情况下。
应用范围广泛
对于罗德里格斯来说，这项研究对于更深入地了解自闭症谱系障碍与大脑改变之间的关系做出了小小的贡献。这种自动诊断方法需要进行更多的研究才能付诸实践。大脑图谱可用于诊断自闭症谱系障碍以外的其他疾病。先前的工作表明，大脑图谱也可以用于以相当高的准确度检测精神分裂症。
“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该方法来研究阿尔茨海默病，并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《神经工程杂志》 上 报道的一项研究。
必须克服许多挑战，例如数据库小和收集数据的困难，但作为一种通用方法，它可以帮助科学家了解多种情况，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?如果我们能够发现精神障碍之间的相关性，我们也许能够针对不同的情况开发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以用于另一种情况。我们距离这个目标还有很长的路要走，但前面的道路充满希望。”罗德里格斯说。
研究人员期望更好地了解大脑改变如何影响行为，从而带来更人道、更有效的治疗以及更有效的公共政策。从所涉及研究的跨学科性质可以看出该主题的复杂性。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整理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。
版权声明：本文由用户上传，如有侵权请联系删除！