2024年8月1日晚20点，北京师范大学认知神经科学与学习国家重点实验室课题组长隋婧教授作为脑客中国科研第153位讲者为大家带来主题为《多模态磁共振影像融合计算方法及其在神经精神疾病的临床应用》的报告。以下内容节选自直播视频：
1、研究背景及临床挑战
大家晚上好，很荣幸受到脑客中国的邀请，来给大家介绍一下我们团队相关的工作。我来自北京师范大学认知神经科学与学习国家重点实验室，研究背景是计算精神病学，我们是希望能够把一些AI、机器学习等脑影像模式识别方法应用到我们的多模态磁共振影像中，来实现精神疾病以及脑发育障碍的一些精准诊疗。我们希望通过客观的影像学标记能够帮助我们做到早期预警，疗效预测和相关的优化治疗。
我本人首先是信息工科的背景，非常希望能够把我们先进的计算学习技术应用到精神疾病的客观诊断上来。根据国际健康组织WHO统计显示，全球目前是约有3亿的抑郁症，2300万精神分裂症，以及6000万的躁郁症患者。这些重型精神疾病患者都存在高级的脑功能紊乱，同时在临床表征上会非常的接近，这也给临床依据症状来进行的诊断带来了相当大的挑战。
国际顶级的精神病学期刊《World Psychiatry》曾经指出，由于缺乏客观指标实现早期的精准诊断和辅助选药，导致重型精神患者的寿命有可能会缩减十年。因此急需变革当前的诊断策略以及相关的治疗方法，采用客观的神经影像来辅助诊疗就是其中的一个手段。
但我们在接触神经影像数据的过程中可以发现，这一类数据具有类型多样化、维度高、样本量有限、互补性强，同时冗余性也很高的问题。如何把这些多维异构的大数据充分整合起来，提炼出来真正能够帮助我们解决临床问题的知识，就是我们需要在计算精神病学里解决的一些挑战。
我本人所做的这个方向主要是多模态的磁共振融合计算。我们是希望通过研发一些多元协同分析的方法，能够发现不同模态之间隐含的，但有可能却是关键的交互影响，从而更全面的刻画精神疾病的复杂性。
现在从一个被试获取多个模态的影像已经非常的普遍了。但是从每一个模态单独分析的这个结果，有可能不能够给我们一个更全面更有机的整合。 所以我们是希望能够通过发现模态之间潜在的不易发现的这些相关的模式，来辅助我们做一些临床上有效的策略。
除了我们刚才说到的重型精神疾病。目前我们可以知道很多精神疾病，它的首发期都是在儿童青少年阶段。同时儿童青少年广泛存在的精神障碍，包括自闭症谱系障碍和注意缺陷多动障碍。这个也是我们团队主要关心的两个方式。它主要是存在一些发病早，给家庭带来的负担重，同时治疗比较困难的问题。
2、研究方向与途径
我们团队主要做的工作是基于多模态的磁共振影像。 那么同时我们现在也会结合脑电相关的临床指标或者是基因信息等，通过多组学的指标来辅助我们对于常见的这五种精神疾病的障碍，以及健康的学龄儿童进行一些相关的评估。
主要包括它的多种疾病的患病风险评估，脑智发育的预测，特定疾病亚型的筛选以及个性化的干预疗效的评估。
我们的研究途径事实上主要包括两大部分。 一部分就是多模态融合策略，我们是希望能够发现不同模态之间共有的和特异性的损伤，从而加深我们对于特定疾病的相关神经基础的认识。基于这些相关的，尤其是和临床指标有密切联系的这些靶点，我们可以做后续的疗效预测以及一些个性化参数的设置。
下面我将从以下两个方面来给大家介绍一下我们的主要研究。
1.多模态脑影像融合分析及其应用
2.基于脑影像的个体化预测技术及其应用
以上为本期直播部分内容，观看本期及往期完整视频内容可扫描下方二维码观看。
扫描二维码
观看完整视频
END
往期精彩节选
周昌松：大脑的分层模块化组织-分离，整合及其在个体认知能力中的平衡
