科學家深度解析腦功能聯接圖譜

　　中科院上海生科院神經科學研究所王征研究組通過利用宏觀腦功能聯接圖譜中隱含的結構化信息，為研究腦影像學生物標記提供了一種新方法。相關研究成果日前在線發表于國際學術雜志《醫學成像》。

　　近年來，機器學習在人工智能、互聯網等領域取得了突破性進展，也越來越多地應用于解決生物醫學問題。機器學習分類算法不僅可辨別正常人和病人大腦網絡內在的、帶有判別信息的生物標記，也可以分析臨床精神類藥物和安慰劑對大腦活動干預的差別性生物標記。目前，研究判別性生物標記的方法仍主要采用傳統的機器學習算法，而這類通用型算法往往忽視了特定問題中所隱含的結構化信息，導致數據分類判別的靈敏性和特異性均不夠理想。

　　在研究員王征的指導下，博士后浦劍和阿里巴巴公司西雅圖數據中心王駿等，利用近年來對宏觀腦聯接圖譜的圖論研究成果，提出了一種最小化結構正則損失函數的方式，使得算法在求解過程中更加自動傾向于定位出具有特定結構的判別信息，同時過濾掉與生物噪音等相關的孤立特征。

　　研究團隊在計算機生成的模擬數據集上的測試算法得到的結果，明顯優于單變量統計檢驗、邏輯回歸以及隨機算法。同時，基于獼猴磁共振腦功能聯接圖譜數據，辨別了快速抗抑郁藥物氯胺酮和安慰劑對大腦功能網絡調控的特征，有助于深入理解氯胺酮的抗抑郁機理。研究人員還應用此算法分析臨床重度強迫癥病人和正常對照人群的腦功能聯接圖譜，挖掘了與強迫癥病理相關的判別性神經環路特征，這將有助于推動磁共振影像學結果用于精神類疾病的臨床診斷。