Nature:婴儿早期大脑发育与高危自闭症

来自北卡罗莱纳大学教堂山分校的Heather Cody Hazlett等人在nature上发表了关于自闭症的高风险婴儿的大脑发育的letter,这项工作研究了106个高危家族自闭症以及42个低危婴儿的神经影像,发现了15个婴儿在6-12月期间大脑皮层的过度膨胀以及在12-24月的脑容量的过度增长,并且这15个婴儿在第24个月被诊断为自闭症。这项研究认为脑容量的过度生长与自闭症有高度的相关,为了验证,这项研究设计了一个深度学习算法,利用6-12个月婴儿的大脑皮层面积来预测第24个月的自闭症诊断并获得了81%的特异性和88%的敏感性,认为婴儿早期大脑皮层面积的过度生长可以作为ASD早期诊断的生物标记。

作者20年之前的研究就已报告了自闭症青少年和成人的大脑容量的增加。后续的研究发现自闭症在童年时期大脑容量显著的增长。在最近的研究中,研究者选取了一个纵向研究中的在24个月大时的318个高危ASD患者(其中70个符合临床的ASD(HR-ASD),另外248个不是临床上的ASD(HR-neg))以及24个月大时的低危ASD患者(在24个月内没有发现ASD临床表现(LR))具体的相关数据可以见表1.

这些婴儿分别在6个月大,12个月大,24个月的时候接受评估,评估一般包括fMRI扫描和行为评估来研究婴儿时期的大脑和行为。根据之前的对2-4岁的幼儿的研究,这项研究假设婴儿在前24个月的大脑皮质面积的急速扩张与自闭症行为的出现有显著的相关,研究也验证了这些大脑早期的发展特征可以作为自闭症早期诊断的生物标记。

首先给出不同类别之间大脑生长增长率的差异(图1)。可以看到,全脑体素的增长速率在6-12个月大的时候没有显著的差异,然而,在HR-ASD和LR以及HR-ASD和HR-neg的不同类之间,两两相比,在24月大的时候会有显著的差异。相较于HR-neg以及LR,HR-ASD在第二年的全脑体素(TBV)会有一个显著的增长,(扩展表2)。另外,相较于HR-neg以及LR,HR-ASD在6-12个月大时的大脑表面积的增长率也显著的增加,特别是在左右枕中回以及楔片和右舌回区域(见图2)。皮质厚度在三个组之间没有显著差异。结果显示,6-12个月的皮层生长速度和24个月的全脑体素有显著的相关性(r192 = 0.59, P < 0.001),以及HR p (r139 = 0.63, P < 0.001).标准差见扩展表3,HR-ASD类别的区域面积变化率差异(6-12月)见图2。

图1. 从6到24个月TBV,表面积和皮质厚度,纵向轨迹,FBV的纵向轨迹,从6-24个月的皮质厚度和皮层面积,HR_ASD(红色)。HR-neg(绿色),LR(蓝色)。分析中包括个体的完整的(6月大12月大24月大)的纵向成像分析(15个HR-ASD,91个HR-neg,42个LR)不同类别的纵向轨迹利用分段随机线性模型估计。HR-ASD类在6-12个月内的大脑皮层面积有显著的增加。在第二年中,皮层表面面积增加类间没有显著的差异(扩展表2),对十二个月大的皮层表面积进行配对比较HR-ASD vs LR (Cohen’s d = 0.74) and HR-ASD vs HR-neg (Cohen’s d = 0.41),在皮层厚度的纵向轨迹中,没有显著的群组差异。

考虑到针对TBV的发育时间与其他研究一样,这项研究主要研究了TBV的增长速率与自闭症之间的关系。利用CSBS和ADOS得出的行为评分和TBV进行Pearson相关计算,以进行多重比较。研究首先探寻了大脑体积和第二年的行为评判得分年之间的关系,我发现HR类别中,TBV在12-24个月大时和行为评分之间的有相关关系(r158 = 0.18, P = 0.02)。BV在6-12个月大时和CSBS行为评分之间的无相关关系(r143 = 0.11,P = 0.17)。  作为可以对12-24个月评判的ADOS行为评分。研究者探寻了这个阶段HR_ASD类别的社会行为和脑体积容量。并发现了HR-ASD和HR-neg之间的差异(F2,130 = 10.0, P < 0.0001).

根据计算的婴儿脑区皮层厚度和体积变化,研究者验证了6-12个月的fMRI脑扫描是否可以作为婴儿阶段ASD的生物标记。并设置了一个深度学习网络算法,仅仅利用6-12个月的皮层表面积和皮层厚度来预测第24个月的行为评估,并且利用十折交叉验证得到了94%的精度,88%的敏感性,95%的特异性,81%的阳性预测以及97%的阴性预测。另外,通过深度学习的算法也可以发现皮层面积,特别是在6月大的时候,皮层面积比皮质厚度能够更加有效的帮助预测自闭症(图3和附加图1)。

研究认为非常早期的皮层面积的急剧扩张可能是引发自闭症的重要原因,在发育前两年,自闭症患者大脑的大脑皮质会在6-12月份显著的扩增,这也会导致后面大脑的过度生长,也就导致了接下来的社交缺陷。这显示了一个从大脑皮质过度增加,如在第一年,左枕叶皮质区等影响感官信息的脑区皮质的面积的增加,到大脑过度增长一直到社交缺陷一直到第24月被确诊为自闭症的一系列连贯时间。

图2在HR-ASD婴儿6-12个月的大脑皮质区域显著扩张,在78的ROI中的6-12月不同类别显著性差异,利用Hochberg方法(P<0.05)。彩色区域显示了HR-ASD和LR之前的组效应,与LR相比,HR-ASD在左/右中枕回和右楔(1)右舌回(2),小左侧颞下回(3)和额前回的大脑皮质有显著的扩张。

图3 对排名前40个对深度学习有贡献的皮层区域参数的可视化,最重要的前四十个皮质区域。前十个深度学习得到的特征包括六个月大的额前回表面积,后中央回脑和下顶骨脑回,六月大的颅内体积,这些深度学习得到的特征与线性稀疏学习得到的结果一致(扩展图1)。稀疏学习得到的结果见补充表2,3。

在这些“先天性”自闭症幼儿身上发现的大脑的扩张也与目前已经发表的脑扩张或者与ASD相关基因的发现一致。并且与自闭症mini-column假说并不矛盾,这个假说认为对称脑室前组细胞的增殖导致了小圆柱的数量,这些小圆柱会导致表面积的膨胀,从而导致后面出现的疾病。皮质组细胞的过度增殖可能影响产后发育(例如树突轴突的减少)。另外影像学的研究也描述了16p11基因的缺失会导致大脑体积的增长,从而导致出现综合征型自闭症。在啮齿动物模型中,祖细胞的扩张已经被证明可以用来调节大脑体积的大小,在与自闭症相关的基因小鼠模型上发现神经前体细胞的失调,以及脑体积的扩大。此外,在MRI上展现出脑体积增加的ASD样本中,与对照组相比,在诱导多能干细胞中也发现了神经前体细胞的增殖率以及神经元数目的增加。目前的研究结果表明,在婴儿阶段,大脑皮层的超膨胀可能是ASD的发病机理。

目前来说,还没有在婴儿时期能够在临床上有效的预测自闭症的模型。这项研究利用深度学习算法,利用在6-12个月扫描得到的MRI大脑皮层信息能够的有效的对第二年的自闭症行为诊断做预测。这个发现能够有效的影响目前对自闭症的早期诊断和干预治疗,这样能够有效的对婴儿进行早期干预和治疗。通过发现与自闭症相关的6-12个月的大脑皮层的异常扩张,能够有效地预测自闭症。

这项研究探寻了大脑皮层的扩张与ASD之间的联系,可以将其作为一种早期预测ASD的临床工具,另外,这项研究也指出,观察到的结论无法证明得到的所谓特征是特发性自闭症或者是其他神经发育障碍的特征。但是研究者指出,这项工作提出了一个原则性的证明,即早期的大脑生物标志物对自闭症的诊断是可能的。

附录图1 稀疏学习的前四十个最有贡献的脑区特征。结果发现深度学习的特征与稀疏学习得到的特征高度一致。具体结果见附录表2,3

附录图2,男性(左)女性(右)的TBV轨迹。在三个类别中男性的TBV轨迹与所有样本(图1 )中类似,由于女性HR-ASD类别的数量只有两个,因此对应的TBV轨迹难以实现。这些数据支持了研究结果的一般相似性。红色,HR-ASD;绿色, HR-neg;蓝色,LR

在种族/族裔,家庭收入,出生时产妇年龄,婴儿出生体重,出生胎龄或访问年龄方面,没有观察到差异显著(HR-ASD,HR-neg和LR)。正如预期,在男性ASD不成比例基础上,HR-ASD比LR包含更多的男性,我们也发现LR比另外两组的产妇有更高教育水平,正如预期,HR-ASD的马伦和维兰德得分比另外两组显著低。

使用标准的十折交叉验证方法评估预测模型。 预测模型的分类表现为总体精度为94%,灵敏度为88%,特异性为95%,阳性预测值为81%,阴性预测值为97%。

我们进一步测试发育功能(Mullen)和TBV和表面积是否有差异。不同类别在任何访年龄的发育功能没有差异,年龄是访视年龄(月),脑体积测量以mm3为单位,表面积测量值为mm2

大脑体积轨迹的主要分析只包括三次完成访问(6,12和24个月)的男性和女性研究参与者,以最佳描绘随着时间的纵向轨迹。由于小样本问题(男性= 13,女性= 2),对男性和女性的单独分析可能未充分利用,因此提供不确定的结果。我们提供了三组全男性体重的男性分析结果。第一年(6-12个月),我们看不到任何组别差异。与LR和HR-neg组相比,HR-ASD男性在第二年末显示TBV脑扩大的模式。轨迹和横截面分析的脑体积测量以mm3为单位,表面积测量值为mm2,皮质厚度测量值为mm。坡度呈现为变化/月份。分段线性模型的样本包括所有三次访视(6,12和24个月)的完整数据的受试者,第一年6-12月,第二年12-24月。

参考文献:Hazlett H C, Gu H, Munsell B C, et al. Earlybrain development in infants at high risk for autism spectrum disorder[J].Nature, 2017, 542(7641): 348-351.

本文分享自微信公众号 - 思影科技(siyingkeji)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-08-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

柯洁中盘再败!谷歌乘AlphaGo之势强推TPU,与英伟达必有一战

【新智元导读】人机对战第二场,柯洁认输,AlphaGo中盘获胜将比分改写为2:0,TPU可谓是本次AlphaGo升级的秘密武器。 由此,许多人认为,谷歌与英伟达...

39070
来自专栏新智元

ICLR 2017 特稿:谷歌和 Facebook 亮眼表现盘点

【新智元导读】备受瞩目的深度学习&机器学习顶会 ICLR 2017 本周召开。新智元此前全面报道了 ICLR 的最佳论文及议程:ICLR 2017 最佳论文出炉...

33950
来自专栏新智元

【最新】IBM 深度学习框架PowerAI,将训练时间从几周变成几小时

【新智元导读】IBM Power Systems 上的深度学习框架 PowerAI 日前发布了新版本,包括“AI Vision”等四个主要组成部分,它支持新的 ...

35570
来自专栏新智元

拥抱深度学习还是数学的优雅?神经网络对图像处理、数学和人类的影响

【新智元导读】本文作者 Michael Elad 是以色列理工学院计算机科学系教授,也是成像科学期刊 SIAM 的主编。他对当前图像领域使用深度学习的矛盾做了深...

663170
来自专栏新智元

【干货】ICLR-17 最佳论文详解:理解深度学习要重新思考泛化

【新智元导读】ICLR-17 最佳论文《理解深度学习需要重新思考泛化》引起过广泛争议,但弄清深度神经网络泛化本质无疑是重要的问题。新智元在取得本文作者 Adri...

606130
来自专栏新智元

【CES Asia】百度国内首次深度学习自动驾驶,阿波罗不再只是计划

【新智元导读】从世界上首个可在真实道路上实现端到端模式的高级自动驾驶模型Road Hackers,到百度和汽车零部件厂商合作开发的车载可计算平台 BCU,从诞生...

541170
来自专栏新智元

【TPU和GPU,谁将一统AI芯片】摩尔定律之后一万倍,10万+热文引爆激辩

【新智元导读】正当AlphaGo 与柯洁等一众中国顶尖围棋高手在乌镇激战正酣之际,计算机体系结构专家王逵在新智元专栏的文章(点击阅读《CPU和GPU双低效,摩尔...

48080
来自专栏新智元

初创企业 Neurala宣布深度学习取得重大进展: 不需要云服务器,边缘学习(吴恩达评价)

【新智元导读】 今年初完成1400万美元融资的人工智能初创企业 Neurala,昨日宣布在深度学习软件方面取得重大进展,其待决专利软件 Lifelong-DNN...

40960
来自专栏新智元

5个图表解读英伟达式增长,5年研发推动AI占总收入五分之一强

【新智元导读】英伟达最近公布了令投资者惊喜的财务业绩。我们用五个图表,从收入、研发、利润扩大化、自由现金流和资本收益率等多个方面来看看英伟达的发展趋势是否会持续...

36450
来自专栏新智元

【AI TOP 10】19家最创新AI初创公司,中国两家;京东追百度,BAT恐变JAT;思科1.25亿美元收MindMeld

新智元每日AI TOP 10 新智元 “每日AI ·TOP 10” 是新智元从 2017年5月起推出的一档快读栏目,精选汇集每日国内外最重大产业新闻,第一...

30860

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励