摘要：研究人员利用先进的大脑成像和机器学习技术，发现了自闭症谱系障碍（ASD）患者大脑功能连接的改变，并承认该疾病的多样性。该研究区分了ASD中共享的连接模式和个体特定的连接模式，揭示了常见和独特的大脑改变，标志着从基于群体的分析向个性化理解的重大转变。这些发现为定制治疗开辟了途径，以满足ASD患者的独特需求。
关键事实：
- 个性化的大脑成像见解：研究区分了ASD中共享的和个体特定的改变的大脑连接，强调了群体水平差异和个体差异。
- 机器学习应用：采用先进的机器学习技术剖析复杂的神经影像数据，实现细致入微的分析。
- 对定制治疗的影响：研究结果表明，针对ASD患者特定神经特征的个性化治疗策略可能更有效。
资料来源：爱思唯尔
大脑中发生了什么导致许多神经发育障碍，包括自闭症谱系障碍（ASD），仍然是一个谜。研究人员面临的一个主要限制是缺乏这些疾病的生物标志物或客观的生物输出，就ASD而言，缺乏特定疾病亚型的生物标志物。
现在，一项新研究利用大脑成像和机器学习来识别自闭症患者的功能性大脑连接（FC）的改变——重要的是，考虑到了个体之间的差异。该研究发表在爱思唯尔出版的《生物精神病学》上。
《生物精神病学》编辑John Krystal医学博士在谈到这项工作时表示：“自闭症谱系障碍长期以来被认为是一种高度异质性的疾病。虽然基因研究为不同群体的ASD患者的不同病因提供了一些线索，但使用其他类型的生物标志物（如脑成像）来区分ASD的亚型一直具有挑战性。”
脑成像扫描也极其异质，个体之间差异很大，使得此类数据难以用作生物标志物。之前的研究已经发现，与健康对照组相比，ASD患者的FC有所增加和减少，但由于这些研究主要针对参与者群体，因此未能认识到与ASD相关的非典型FC的异质性。
在这项新研究中，研究人员表明，尽管ASD患者的大脑成像亚型不同，但可以区分。中国电子科技大学的资深作者Xujun Duan博士解释说：“在这项研究中，我们使用一种技术将ASD改变的FC投影到两个子空间上：一个个体共享子空间，代表ASD患者共享的改变的连接模式；以及个体特定子空间，代表消除个体共享的改变的连接模式后剩余的个体特征。”
研究人员发现，ASD个体共享子空间改变的FC反映了群体水平的差异，而个体特定子空间改变的FC代表了ASD特征的个体差异。这些发现表明，需要超越群体效应，捕捉并利用个体特定的大脑特征来剖析临床异质性。
Krystal博士补充道：“寻找ASD亚型的部分挑战在于神经影像数据的巨大复杂性。这项研究使用复杂的计算方法来识别ASD常见的脑回路改变以及与特定ASD特征相关的其他方面。这种策略可能有助于更有效地指导ASD个性化治疗的开发，即满足特定患者特定需求的治疗。”