Am J Psych：中国科学家利用灵长类磁共振成像融合机器学习技术成功解析人类精神疾病的环路机制

2020年6月18日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志American Journal of Psychiatry上题为“Diagnostic Classification for Human Autism and Obsessive-Compulsive Disorder Based on Machine Learning From a Primate Genetic Model”《基于灵长类转基因模型的机器学习方法预测自闭症和强迫症的诊断》的研究报告中，来自中国科学院脑科学与智能技术卓越创新中心等机构的科学家们通过研究成功利用灵长类磁共振成像融合机器学习技术解析了人类精神疾病的环路机制。

图片来源：Yafeng Zhan,et al. doi:10.1176/appi.ajp.2020.19101091

美国疾控中心在2018年发布的统计数字显示儿童自闭症发病率高达1/59，目前我国平均每100个儿童中就有一名自闭症患儿。自闭症（又称孤独症）是一类广泛发育障碍的遗传性精神疾病，多表现为社会交往障碍、重复刻板行为和兴趣狭窄等症状。并且，近75%的自闭症儿童经常伴有其它精神疾病，如广泛性焦虑障碍、注意缺陷多动症及强迫症等。受到其高异质性、高共患率以及临床表型交叠等因素制约，自闭症致病机理的研究以及临床诊断、干预治疗都面临极大的挑战。

非人灵长类动物的脑结构及功能在进化上与人类相似，已成为研究大脑高级认知功能的首选，更是探究复杂脑疾病致病机理、研发诊疗技术并向临床转化的最佳动物模型。由神经所仇子龙和孙强研究员团队合作建立的携带多个MECP2拷贝的转基因食蟹猴模型，表现出与人类自闭症患者高度相似的重复刻板行为、焦虑等症状（Nature， 2016）。研究团队前期使用磁共振影像技术已经发现转基因猕猴与小部分自闭症患者的脑功能连接图谱高度相似（J Neurosci， 2020）。因此，研究人员继续探索猴-人在大脑神经环路上的映射关系，构建机器学习模型，在国际上首次实现了跨物种可迁移的分类预测模型，用于人类精神疾病的磁共振影像学诊断。

针对超高维的功能磁共振影像数据，如何有效的提炼出猕猴模型与人类患者之间的脑网络映射关系，是个开创性且极具挑战性的问题。中国科学院脑科学与智能技术中心王征研究员与赫然研究员团队紧密合作，大胆开展原始创新，首次提出适用于人类精神疾病影像诊断的“猴-人”跨物种可迁移分类预测模型，其简要流程如图1所示。复杂的脑网络图谱可以抽象为由节点（脑区）和边（功能连接）组成。边表示其连接的两个节点之间存在某种“连接关系”。在进化上，灵长类动物与人类大脑在脑区上的同源性较高，功能也相对更保守。因此，研究人员选择以脑区为核心构建稀疏学习模型，提取猕猴功能磁共振影像脑图谱中与转基因效应相关核心脑区，随后将这些核心脑区映射到人类功能磁共振影像脑图谱上，提取与核心脑区相关的功能连接特征，训练结构稀疏学习模型对人类精神疾病患者进行分类预测。

利用功能磁共振脑图谱特征构建跨物种机器学习分类预测模型，

提取磁共振影像学特征协助诊断人类精神疾病。

图片来源：Yafeng Zhan,et al. doi:10.1176/appi.ajp.2020.19101091

研究人员利用稀疏学习方法把从猕猴影像数据中提取的9个核心脑区，迁移到从人类自闭症磁共振影像公共数据库ABIDE-I中筛选出的336例人类被试上。此跨物种分类预测模型区分自闭症患者和正常人的准确率达到82.14%，并且在独立的169例人类被试上验证（来源于ABIDE-II），同样取得了75.17%的准确率（图2B）。已有的神经影像证据表明，自闭症与注意力缺陷多动障碍和强迫症等精神疾病具有类似功能网络异常。因此，研究人员尝试将此模型应用于人类注意力缺陷多动障碍和强迫症患者的诊断。结果发现对人类强迫症患者预测准确率达到78.36%，分类性能显著优于基于人类自闭症患者建立的预测模型，但对注意力缺陷多动症患者的识别没有显著提升。进一步分析脑图谱的连接特征与临床症状之间的相关性，发现右侧腹外侧前额叶皮层功能连接在自闭症和强迫症中扮演着双重角色，对应着不同维度的症状表型-自闭症中的社交障碍和强迫症中的强迫性。

（A）在转基因猕猴上学习得到的9个核心脑区；（B）分别使用源自转基因猕猴的核心脑区和源自人类自闭症患者的核心脑区构建的分类器，对自闭症、强迫症和多动症患者的磁共振影像数据进行分类预测，得到相关性能的ROC曲线；（C）单基因突变灵长类动物模型有助于解析人类自闭症和强迫症共享的、疾病特异的神经环路特征。

图片来源：Yafeng Zhan,et al. doi:10.1176/appi.ajp.2020.19101091

本研究建立了自闭症和强迫症在右侧腹外侧前额叶皮层、前扣带皮层等核心脑区的神经环路内表型，为精神疾病的影像学诊断提供了客观依据。更重要的是，此研究成果为如何借助非人灵长类动物模型探寻人类复杂脑疾病环路机理开辟了全新的路线图，为研发新的干预治疗手段技术提供了新的参考线索。（生物谷Bioon.com）

原始出处：

Yafeng Zhan, M.S., Jianze Wei, M.S., Jian Liang, Ph.D., et al. Diagnostic Classification for Human Autism and Obsessive-Compulsive Disorder Based on Machine Learning From a Primate Genetic Model, American Journal of Psychiatry (2020) doi:10.1176/appi.ajp.2020.19101091