最近，复旦大学、华威大学、哈佛计算神经科学中心和同济大学的研究人员，开发出一种新的分析核磁共振(MRI)扫描方法，首次分离出自闭症和非自闭症患者大脑之间的功能差异。
这种方法称为全脑关联分析(Brain-Wide Association Analysis，BWAS)，首次能够创建整个大脑的全景图，并为科学家们提供了一个精确的三维模型用以研究。相关研究结果发表在三月二十日的国际权威《Brain》。
研究人员用BWAS来识别引起自闭症症状的主要大脑区域。通过BWAS，研究人员分析了1,134,570,430个人的数据段;覆盖大脑47,636个不同的领域(称为体素)，包括功能性磁共振(fMRI)扫描以及它们之间的联系。
以前用以处理这种级别数据的方法，仅仅是对有限的领域建模。
BWAS分析来自fMRI扫描的整个数据集，这种能力为该研究小组提供了机会，来汇编、比较和对比自闭症患者和非自闭症患者大脑的精确电脑模型。
BWAS是在复旦大学计算系统生物学中心、华威大学计算机科学系冯建峰教授带领下开发的，研究人员收集了来自自闭症和非自闭症患者数百份大脑fMRI扫描的数据。
通过比较随后的两个模型，研究人员分离出二十个差异的例子，在这些例子中，自闭症患者脑体素之间的连通性，比非自闭症的强或者弱。
所确定的差异包括与自闭症脑功能有关的关键系统。冯教授解释说：“我们在自闭症模型中发现，颞叶视觉皮层中的一个关键系统，其皮质功能连通性降低。这个区域涉及社会行为相关的面部表情处理。这个关键的系统与腹内侧前额叶皮层的功能连通性减少，腹内侧前额叶皮层与情感和社会交往有关。”
研究人员还在自闭症患者中发现了与皮层功能连通性降低有关的第二个关键系统，涉及空间功能的顶叶的一部分。
他们认为，这两种面部表情有关的功能一个人自身和，是涉及心理理论计算的重要组成部分，无论是自己或他人，并且这些区域内及之间的连通性减少，可能是引发自闭症症状的一大原因。
研究人员认为，这种方法有可能分离出涉及其他认知问题的脑区，包括症、多动症和症。
通过荟萃分析和严谨的统计方法，研究人员能够收集和使用一个大的数据集，来获得这些显著性结果，在此前的自闭症文献中没有诸如此类的事。冯教授解释说：“我们用BWAS，分析了来自523名自闭症患者和452名对照者的静息状态fMRI数据。数据分析的数量，有助于实现第一次体素为基础的自闭症和非自闭症全脑对比所必需的足够统计学强度。直到BWAS开发，才使得这成为可能。”
“BWAS在全脑水平上，分析患者和对照组之间每一对体素连通性的差异。不同于以往的基于种子或基于组分的方法，该方法有巨大的优势，可以完全无地对比全脑体素连通性，而不只是特定的大脑区域。”
文章来源于http://www.daosimt4.com/MT4平台出租