摘要：研究人员推进了大脑成像和机器学习，以发现自闭症谱系障碍 (ASD) 患者大脑功能连接的改变，承认该疾病的多样性。
该研究区分了自闭症谱系障碍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。这种方法标志着从基于群体的分析到对自闭症谱系障碍更加个性化的理解的重大转变。
这些发现为定制治疗开辟了途径，满足自闭症谱系障碍患者的独特需求。
关键事实：
- 个性化的大脑成像见解：该研究区分了自闭症谱系障碍中共享的和个体特定的改变的大脑连接，强调了群体水平的差异和个体差异。
- 机器学习应用：采用先进的机器学习技术来剖析复杂的神经影像数据，从而实现细致入微的分析。
- 对定制治疗的影响：研究结果表明，针对自闭症谱系障碍患者的特定神经特征的个性化治疗策略可能会更有效。
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，就自闭症谱系障碍而言，缺乏特定疾病亚型的生物标志物或客观的生物输出。
现在，一项新的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。
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，自闭症谱系障碍患者的 FC 有所增加和减少，但由于这些研究主要针对参与者群体，因此他们未能认识到与自闭症相关的非典型 FC 的异质性。
在这项新研究中，研究人员表明，尽管自闭症谱系障碍患者的大脑成像亚型不同，但可以区分。
中国电子科技大学该研究的资深作者 Xujun Duan 博士解释说：“在这项研究中，我们使用一种技术将自闭症的改变的 FC 投影到两个子空间上：一个个体共享子空间，它代表自闭症患者共享的改变的连接模式，以及个体特定的子空间，它代表消除个体共享的改变的连接模式后剩余的个体特征。”
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自闭症谱系障碍（ASD）常见的脑回路改变以及与特定自闭症谱系障碍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。”
