多模式神经化改善自闭症检测
在一个古老的印度寓言中,一群盲人触动了大型动物的不同部分,找到它是什么。只有当他们分享耳朵的描述时,他们知道它是一头大象。
伯明翰大学阿拉巴马大学的Rajesh Kana博士带来了类似的方法,并最终诊断自闭症。卡纳和同事是第一个结合三种不同措施的脑解剖学,不同脑区之间的连通性,以及神经化学的水平,以区分自闭症谱系疾病(ASD)的匹配,通常发展同龄人。本周在线在线发布的多模态方法皮质,与许多使用单一神经影像措施的研究不同。虽然这些研究发现ASD的广泛功能和解剖学脑异常,但结果并不高度一致,可能反映了复杂的脑病自闭症谱紊乱。
现在,自闭症的诊断是基于行为的。Kana的基于多模态神经成像的分类是朝着可能成为自闭症的生物标志物迈出的一步,也可能在很小的时候就诊断出自闭症,也许是6个月大的时候,那时的大脑非常具有可塑性,干预可能更有效。“但这还有很长的路要走,”卡纳说,她是UAB艺术与科学学院心理学系副教授,也是UAB公民国际研究中心的副科学家。
Kana说,这项初步研究需要更大的样本来验证;但它“强调自闭症患者的大脑异常可能不局限于单个区域。”相反,它们在不同的地区有多个层次和层次。”
该研究的通讯作者Kana审查了19名高效成年人,其中ASD和18人通常开发同行,他与年龄和智力相匹配。在UAB致普利坦功能性神经影像学实验室中使用3-Tesla扫描仪,Kana的组进行了结构磁共振成像(MRI)以测量脑皮质厚度(体积数据),扩散张量成像测量脑的白物纤维的连接,质子磁共振光谱法测量脑神经递质,如N-乙酰己二酸盐。大脑的白物质区域就像电缆连接大脑的不同区域。
相同的MRI机器完成所有三种测量,每个测量都使用不同的设置。体积数据需要10分钟,连接测量需要12分钟,光谱检查需要30分钟。虽然某些参与者在MRI的紧凑空间内舒适,但其他参与者在任何测试之前在非障碍模拟器MRI中需要训练。
Kana的群体使用三种神经影像方法中的每一种发现一些特定测量的显着差异。然后,它们将某些关键差异结合到决策树模型 - 类似于临床医生使用的差分诊断流程图。该决策树模型的分类准确性为91.9%,用于区分亚当科目来自控件。
“自闭症是这种异质疾病,每位患者都有不同的症状和严重程度,”Lauren Libero,博士说,这项研究的第一个作者。“这使得试图在大脑中寻找一个非常复杂的自闭症症状的解释真的很具有挑战性。”
自由后卫说:“这项研究很重要,现在是大学的博士后学者及研究所(神经发育障碍的医学调查),“因为我们在大脑中发现,不同组合的改变可能导致症状的严重程度相同或不同的水平。这可以解释为什么之前的研究在自闭症患者大脑的哪个区域受到影响时发现了不同的结果。可能影响每个自闭症患者的模式都不一样。”
“我们还发现,结合不同的MRI技术导致我们与自闭症的参与者进行更好地分类,”利比罗说。“最先前的研究在一次上侧重于使用一种技术,即使我们有证据表明,在结构,白物连通性和脑化学浓度方面存在脑中的大脑发生变化。当我们正在看疾病时这是如此复杂,多种模式的调查可以更有效地与其他疾病分离自闭症,或识别自闭症中的亚组。我们的研究发现了一种结合措施的方法脑结构,白质扩散和神经化学物质浓度来根据患者的诊断以及自闭症的严重程度对他们进行分类。”
这一开始由Kana及其同事解锁自闭症的神经病理学,需要使用更大的受试者样本来验证,以提高这些初步结果的概括性。卡纳还想看看较低运行的ASD科目,年轻亚丁儿童和更多的女性参与者。
迈阿密大学心理学系助理教授Lucina Uddin博士说:“多种神经成像模式的结合是当前研究的一个明显优势,这些作者承担了一项艰巨的任务,他们试图调和为挖掘大脑结构和功能的不同方面而设计的方法的结果,这值得称赞。虽然分类结果是有希望的,应用到新的和更大的数据集将是关键的测试如何在这里建立分类器处理新案例。此外,看看从年龄更小的孩子那里收集到的数据是否可以用这种方法进行分类,这将是一件有趣的事情,因为这种障碍通常出现在生命的头几年。”
Libero等人的具体显着发现。皮质纸包括:
- 与对照组的皮质厚度增加,与对照,左侧铰接,左侧逆转带的左侧逆转带,左下颞次皮层和右翼的原因;
- 右侧楔骨和右侧中央前回皮质厚度减少;
- 减少白质连通性(通过减少分数各向异性的降低和增加的径向扩散性),用于两种离散簇的核心胼callosum;和
- n -乙酰天门冬氨酸在背侧前扣带皮层的减少。
在右侧镊子次要的径向扩散率中只有三个,左侧的皮质厚度在左侧施用镊子次要粘性率和分数各向异性,用于区分ASD参与者从控制中区分ASD参与者。
Kana和同事还建立了一个决策树,其中有五个重要的发现,根据疾病严重程度对ASD参与者进行了分类。
asd是一种复杂的疾病大脑发展。ASD患者表现出了三合会的障碍:与他人的社会互动受损,口头和非语言沟通受损,以及戏剧和富有象恼的活动受损。
进一步探索
用户评论