大腦狀態(tài)的 “詞典"與"筆跡”

已有大腦動態(tài)研究大都集中于群體水平的分析和比較，未能從個體水平來研究大腦功能網絡的動態(tài)變化特性。究其原因，傳統大腦動態(tài)研究多采用無監(jiān)督式數據驅動分析方法，相關結果的可靠性較低，難以在個體水平得到穩(wěn)定結果，從而也很難應用和推廣到臨床中。

本研究基于“先驗-解碼”的思想，提出了一種“個體化的基于網絡的單幀共激活模式估計”（INSCAPE）技術，極大提高了個體水平大腦動態(tài)特性評估的可靠性，從而解決了這一難題。具體來說，該方法首先利用高質量、大樣本功能腦影像數據建立了可靠的標準化群體模版，即：大腦狀態(tài)“詞典”；并將其作為參考，對單個個體的大腦動態(tài)解碼從而得到特定個體的“筆跡”，其中包含了豐富的個體化“時間-空間”動態(tài)信息。該方法不僅能有效降低噪聲對分析結果可靠性帶來的影響，同時還可以保留足夠的個體特征信息。

獨特的大腦個體動態(tài)活動

該研究采用了7套數據集，包括1000多位受試者總計2000多次的磁共振掃描數據。首先對包含了846名健康個體的大型數據集I應用了INSCAPE 方法，生成了16 種大腦狀態(tài)的群體模版，所有大腦狀態(tài)都表現出了各自不同的功能網絡特性。

隨后,研究者在另一個獨立數據集中,驗證了INSCAPE方法不僅在個體水平上具有高度可重復性，而且能夠可靠、穩(wěn)健地捕捉個體之間的腦動態(tài)差異。

大腦偏側化是人腦為了快速有效處理信息而進化形成的一種腦功能組織形式。利用INSCAPE方法，本研究進一步得到了兩個具有偏側化特性的大腦狀態(tài)（即：左側化的腦狀態(tài)15和右側化的腦狀態(tài)11）。其中，左側化腦狀態(tài)15的空間分布類似于傳統的語言網絡，與右側化腦狀態(tài)11的活動模式相反。在處理語言任務期間， 該狀態(tài)的發(fā)生率顯著高于靜息狀態(tài)，腦狀態(tài)15出現的時間與語言任務執(zhí)行的時間高度吻合。

研究者們近一步在獨立數據集IV、V中發(fā)現右側化腦狀態(tài)11在右利手群體中的發(fā)生率顯著高于左利手群體；在男性中的發(fā)生率也更高女性，該結果與過去已知的慣用手和性別對于大腦偏側化的影響相一致。

最后，研究者對腦卒中患者發(fā)病后6個月內大腦狀態(tài)的動態(tài)特性改變進行了評估，發(fā)現左側化腦狀態(tài)15的發(fā)生率隨時間推移而持續(xù)降低，并最終與健康對照組相似。同時，隨著恢復進程，患者偏側化腦區(qū)的左右半球間功能連接逐漸增加、半球內功能連接降低。這一發(fā)現說明INSCAPE個體化大腦動態(tài)評估方法在臨床上對患者腦功能狀態(tài)的評估和監(jiān)測具有可行性。

科研意義

這項研究提出的個體化大腦動態(tài)腦網絡分析方法，突破了過去在群體層面研究動態(tài)腦狀態(tài)的局限性，使得在個體水平穩(wěn)健并可靠地檢測大腦的動態(tài)網絡特性成為可能。

多年來，劉河生教授團隊致力于研究個體化腦功能。該團隊提出的個體化腦功能區(qū)剖分關鍵技術，從空間上繪制了個體化的大腦圖譜。而本研究所提出的個體化動態(tài)腦網絡分析技術（INSCAPE），則從時間上描繪了大腦個體化的腦狀態(tài)，進而補全了對于大腦功能個體化探索的關鍵技術。

時間和空間是兩個相互獨立卻又密不可分的維度。對于時間維度下大腦的個體化探索，既可以填補空間上缺失的動態(tài)活動信息，幫助我們從更多視角去理解人腦認知的差異和異常；也能協助我們更進一步理解大腦中一刻不停的神經活動是如何構成了個性化的空間圖譜，并以時空間交互的方式形成了一個人的獨特認知。

這一動態(tài)視角的個體化技術在未來臨床中也有極大的應用潛力：一方面，可以通過揭示腦疾病的異常的動態(tài)腦狀態(tài)，來協助檢測患者在空間中的局灶性病變部位或異常網絡構成。另一方面，也能將異常的動態(tài)腦狀態(tài)作為生物標志物，以此跟蹤各種腦部疾病的病程發(fā)展和恢復，并在臨床上為個體水平的治療方案提供更全面的指導，在空間和時間兩個維度上使更精準的醫(yī)療成為可能。

曾任哈佛大學附屬麻省總醫(yī)院 Martinos 中心人腦個體差異實驗室主任，美國南卡羅萊納醫(yī)科大學終身正教授，SmartState講席教授，南卡羅萊納醫(yī)科大學腦影像計算中心主任、生物醫(yī)學成像中心副主任。長期從事腦功能成像研究，是國際上把功能核磁推向臨床應用的最主要貢獻者之一。

在國際上最早繪制出了腦功能個體差異圖譜，并在此基礎上研發(fā)了個體化腦功能區(qū)剖分技術,被認為是神經影像的一個轉折點；他在Nature Neuroscience, Neuron, PNAS 等神經科學頂級期刊發(fā)表100多篇論文，總引用次數17000多次。同時擔任Brain Informatics共同主編，Frontiers in Psychiatry 副主編，并任多個學術期刊的編委。

參考文獻：

Peng, X., Liu, Q., Hubbard, C. S., Wang, D., Zhu, W., Fox, M. D., & Liu, H. (2023). Robust dynamic brain coactivation states estimated in individuals. Science Advances, 9(3), eabq8566.

原創(chuàng)聲明：文章主要內容原始材料以英文撰寫，北京優(yōu)腦銀河科技有限公司翻譯為中文并經過編輯以便在微信發(fā)布，歡迎轉發(fā)至朋友圈。如需轉載，可私信或郵件 jian.zhang@neuralgalaxy.com。未經授權，上述內容不得以任何形式復制或發(fā)布。

本文經優(yōu)腦銀河授權brainnews發(fā)布。

標簽：