长期以来，精神疾病领域的诊断和治疗一直是令医生头疼的问题。由于人类大脑的结构非常精密，而精神疾病的发病机制极其复杂，现有的治疗方法并不能完全治愈患者，只能延缓疾病进展，维持生命功能。因此，“早预防、早诊断、早治疗”对于精神疾病尤为重要。但如何早期诊断是个难题:病灶的检测费时费力，比较麻烦；然而，传统量表评估的灵敏度并不理想。
近日，美国佐治亚州立大学神经影像与数据科学转化研究中心的7名科学家研发出一种新型人工智能，有望通过筛查脑成像数据，实现自闭症、精神分裂症、阿尔茨海默病等精神疾病的早期诊断。这种人工智能最大的优势是可以在疾病症状出现之前进行预测和分析。这项研究发表在顶级科学杂志《科学报告》上。
来源:参考文献[1]
AI诊断工具的妙处在哪里？
大脑的动力学非常复杂，但它是了解大脑功能和功能障碍的关键。AI技术中的脑成像数据来自功能磁共振成像，通过检测血流的微小变化来测量大脑活动。它的技术原理是在一段时间内连续采集大脑某一区域的图像，就像一部记录人脑工作的电影。相对于验血和一般核磁共振，可利用的数据要丰富得多，但这也是挑战所在——数据动态、量大、多维、复杂，人工判读的稳定性和准确性较差。
图1:构建的研究框架。来源:参考文献[1]
一般来说，训练数据越大，深度学习模型的预测性能越好。然而，大多数神经影像数据收集成本较高，因此很难获得大量的训练数据。因此研究人员应用迁移学习来解决这个问题。利用人类连接组计划中超过10000名健康人的脑成像数据，他们通过自我监督对模型进行预训练，使其可以直接从这些海量高维动态数据中学习，构建关于脑成像和大脑功能的一般知识，然后将这些知识迁移到一个小数据集，用于精神分裂症、自闭症和阿尔茨海默病的研究。
研究小组输入1200名自闭症、精神分裂症和阿尔茨海默病患者的数据集，建立基础数据库。采用深度学习方法从其中自动提取特征数据，生成反映空在发病过程中动态特征的显著图。通过解读这些脑成像数据，确定了上述三种精神疾病的症状模式。
研究小组还提出了一种“保留和再训练”的方法，以验证模型生成的特征数据是否准确地捕捉到了不同疾病大脑功能的独特动态特征。
类似于可以通过用户的在线行为预测用户偏好和未来行为的社交平台，这种AI模型可以通过脑成像数据找到最有可能发生精神疾病的“时刻”。例如，有望在40岁时检测出一个人是否有阿尔茨海默病标记物，在大脑结构发生实质性变化之前预测风险，从而提供更加及时有效的治疗。
趋势中心(TReNDS Center)的创始董事、该研究的作者之一文斯·卡尔霍恩(Vince calhoun)表示，“即使我们从其他测试或家族史中知道某人有患老年痴呆症的风险，我们仍然无法预测该疾病的确切发生时间。目前，我们正在试图通过脑成像捕捉疾病的症状模式，并在临床出现之前缩小预测时间窗。”
AI的诊断效果如何？
与标准的机器学习模型相比，研究人员发现，基于深度学习的自我监督预训练提高了模型对自闭症、精神分裂症和阿尔茨海默病的预测性能。
在成功的预训练后，研究团队验证了模型提取的特征数据在识别和预测疾病方面的性能，发现该模型可以捕捉到适合区分对照组患者的大脑动态特征，即使只有少数疾病数据集。
图2:预训练模型的主要结果及其与标准机器学习模型的比较
来源:参考文献[1]
他们还根据从模型中提取的重要数据分析了大脑功能网络的连通性。结果表明，三种疾病的脑动力学不同，具有不同的动力学特征。
图3: RAR根据重要性数据对大脑功能网络连接进行分类。
来源:参考文献[1]
AI诊断前景如何？
深度学习模型通常需要大量数据进行有效训练。然而，在神经影像领域，收集大量疾病数据既昂贵又困难。研究团队的结果表明，通过自我监督的预训练，可以从大量健康人的数据集学习模型，然后将知识转移到小规模的疾病数据集，从而减少收集大量疾病数据的需要。
疾病数据的可解释性和可视化对医学发展的意义不容忽视，其中医学专家的参与必不可少。深度学习模型可以作为神经影像领域的临床支持工具，但其产生的数据需要人类专家进行解读，以更好地验证和指导与疾病相关的发现。如何实现人工智能技术与临床医学的有机融合，将是未来研究的重要课题。
此外，研究小组提到，这项研究更关注大脑动态信号的时间成分，但没有使用空图。未来，他们希望扩展该模型，使他们能够处理全脑的原始fMRI数据，而无需ICA预处理。
他们认为，这项研究建立的方法将有助于未来在大脑中建立更强的功能-结构相关性，也可以更广泛地用于了解个体之间和个体内部精神疾病的变化。该研究的第一作者、佐治亚州立大学计算机科学博士生Md Mahfuzur Rahman表示，“我们的目标是将大世界和大数据集与小世界和特定疾病的数据集联系起来，发现更多与临床决策相关的生物标志物，以提前预测疾病的发生。”
参考资料:
[1]https://www . nature . com/articles/s 41598-022-15539-2
[2]https://medical xpress . com/news/2022-07-dynamic-mental-disease-indicators-catched . html
