社会思想的脑表征准确预测自闭症诊断

基于口头和物理行为的临床评估，表征和诊断，患有精神疾病 - 包括自闭症。然而，脑成像和认知神经科学都准备好提供强大的先进新工具。

Carnegie Mellon大学研究人员创造了脑阅读技巧，以利用社会的神经表征思绪预测自闭症诊断以97％的准确性。这建立了第一种基于生物基础的诊断工具，可以测量一个人的思想，以检测影响许多全世界许多儿童和成年人的疾病。

发表在普罗斯一体这项研究将功能磁共振成像(fMRI)和机器学习技术结合起来，这种技术最早由卡内基梅隆大学开发，利用大脑活动模式扫描并解码人对物体或情感的想法内容。之前的研究还表明，特定的思想和情绪在正常人中具有非常相似的神经特征，这表明大脑疾病可能在思维激活模式上显示出可检测的改变。

现在，由CMU的Marcel领导的研究团队刚刚通过检测在自闭症的大脑中所代表的方式所示的方式来识别这种方法来识别自闭症。他们称这些改变“思想标记”，因为它们表示某些思想的脑表征中的异常，这些思想是诊断疾病的疾病。

“我们发现我们可以判断一个人是否有自闭症或不是他们的大脑活动模式当他们想到社会概念时。This gives us a whole new perspective to understanding psychiatric illnesses and disorders," said Just, the D. O. Hebb University Professor of Psychology in the Dietrich College of Humanities and Social Sciences and a leading researcher into the neural basis of autism. "We've shown not just that the brains of people with autism may be different, or that their activation is different, but that the way social thoughts are formed is different. We have discovered a biological thought-marker for autism."

在这项研究中，贾斯特和他的同事们扫描了17名患有高功能自闭症的成年人和17名神经正常的对照组参与者的大脑。参与者被要求思考16种不同的社会互动，比如“说服”、“爱慕”和“拥抱”。

得到的脑图像显示了控制参与者“社会互动的想法显然包括对‘自我’表征的激活，这体现在大脑的后中线区域。”然而，自相关激活在自闭症组中几乎不存在。基于功能核磁共振思维标记，机器学习算法以97%的准确率将个体划分为自闭症或非自闭症。

“当被要求考虑说服、拥抱或崇拜时，典型的参与者会考虑自己的想法;他们是互动的一部分。对于那些自闭症，这种想法更像是考虑字典定义或看一出戏剧——没有自我投入，”Just说。

这项研究的意义可能延伸到其他精神疾病，如自杀或强迫症，其中某些类型的想法被改变。通过提供一种基于大脑的方法来衡量改变的想法，并与临床评估结合使用，这项新研究可以使临床医生做出更快、更确定的诊断，并更快地实施针对这种改变的靶向治疗。

“这是一个潜在的极有价值的方法，不仅可以补充当前的精神评估。它不仅可以通过症状来识别精神疾病，还可以通过大脑系统功能不正常来识别。也许最终可以进行筛查精神病疾病刚才说，利用思路的定量生物学措施将测试一系列疾病或障碍。“

这一神经科学研究处于两个前沿:它推进了基于行为和神经生物学指标(而不是传统症状)对精神障碍进行分类和诊断的科学使命，它通过评估思维来整合大脑和心理的概念大脑功能。

---

---