2024年8月1日晚20點，北京師范大學認知神經(jīng)科學與學習國家重點實驗室課題組長隋婧教授作為腦客中國科研第153位講者為大家?guī)碇黝}為《多模態(tài)磁共振影像融合計算方法及其在神經(jīng)精神疾病的臨床應用》的報告。以下內容節(jié)選自直播視頻：

1、研究背景及臨床挑戰(zhàn)

大家晚上好，很榮幸受到腦客中國的邀請，來給大家介紹一下我們團隊相關的工作。我來自北京師范大學認知神經(jīng)科學與學習國家重點實驗室，研究背景是計算精神病學，我們是希望能夠把一些AI、機器學習等腦影像模式識別方法應用到我們的多模態(tài)磁共振影像中，來實現(xiàn)精神疾病以及腦發(fā)育障礙的一些精準診療。我們希望通過客觀的影像學標記能夠幫助我們做到早期預警，療效預測和相關的優(yōu)化治療。

我本人首先是信息工科的背景，非常希望能夠把我們先進的計算學習技術應用到精神疾病的客觀診斷上來。根據(jù)國際健康組織WHO統(tǒng)計顯示，全球目前是約有3億的抑郁癥，2300萬精神分裂癥，以及6000萬的躁郁癥患者。這些重型精神疾病患者都存在高級的腦功能紊亂，同時在臨床表征上會非常的接近，這也給臨床依據(jù)癥狀來進行的診斷帶來了相當大的挑戰(zhàn)。

國際頂級的精神病學期刊《World Psychiatry》曾經(jīng)指出，由于缺乏客觀指標實現(xiàn)早期的精準診斷和輔助選藥，導致重型精神患者的壽命有可能會縮減十年。因此急需變革當前的診斷策略以及相關的治療方法，采用客觀的神經(jīng)影像來輔助診療就是其中的一個手段。

但我們在接觸神經(jīng)影像數(shù)據(jù)的過程中可以發(fā)現(xiàn)，這一類數(shù)據(jù)具有類型多樣化、維度高、樣本量有限、互補性強，同時冗余性也很高的問題。如何把這些多維異構的大數(shù)據(jù)充分整合起來，提煉出來真正能夠幫助我們解決臨床問題的知識，就是我們需要在計算精神病學里解決的一些挑戰(zhàn)。

我本人所做的這個方向主要是多模態(tài)的磁共振融合計算。我們是希望通過研發(fā)一些多元協(xié)同分析的方法，能夠發(fā)現(xiàn)不同模態(tài)之間隱含的，但有可能卻是關鍵的交互影響，從而更全面的刻畫精神疾病的復雜性。

現(xiàn)在從一個被試獲取多個模態(tài)的影像已經(jīng)非常的普遍了。但是從每一個模態(tài)單獨分析的這個結果，有可能不能夠給我們一個更全面更有機的整合。 所以我們是希望能夠通過發(fā)現(xiàn)模態(tài)之間潛在的不易發(fā)現(xiàn)的這些相關的模式，來輔助我們做一些臨床上有效的策略。

除了我們剛才說到的重型精神疾病。目前我們可以知道很多精神疾病，它的首發(fā)期都是在兒童青少年階段。同時兒童青少年廣泛存在的精神障礙，包括自閉癥譜系障礙和注意缺陷多動障礙。這個也是我們團隊主要關心的兩個方式。它主要是存在一些發(fā)病早，給家庭帶來的負擔重，同時治療比較困難的問題。

2、研究方向與途徑

我們團隊主要做的工作是基于多模態(tài)的磁共振影像。 那么同時我們現(xiàn)在也會結合腦電相關的臨床指標或者是基因信息等，通過多組學的指標來輔助我們對于常見的這五種精神疾病的障礙，以及健康的學齡兒童進行一些相關的評估。

主要包括它的多種疾病的患病風險評估，腦智發(fā)育的預測，特定疾病亞型的篩選以及個性化的干預療效的評估。

我們的研究途徑事實上主要包括兩大部分。 一部分就是多模態(tài)融合策略，我們是希望能夠發(fā)現(xiàn)不同模態(tài)之間共有的和特異性的損傷，從而加深我們對于特定疾病的相關神經(jīng)基礎的認識。基于這些相關的，尤其是和臨床指標有密切聯(lián)系的這些靶點，我們可以做后續(xù)的療效預測以及一些個性化參數(shù)的設置。

下面我將從以下兩個方面來給大家介紹一下我們的主要研究。

1.多模態(tài)腦影像融合分析及其應用

2.基于腦影像的個體化預測技術及其應用

以上為本期直播部分內容，觀看本期及往期完整視頻內容可掃描下方二維碼觀看。

掃描二維碼

觀看完整視頻

END

點擊此處，觀看最新直播及回放。

往期精彩節(jié)選

周東升：抑郁癥神經(jīng)調控進展及思考

周昌松：大腦的分層模塊化組織-分離，整合及其在個體認知能力中的平衡

田仰華：焦慮抑郁的神經(jīng)調控研究