一项新的研究通过关注非线性连接，发现了精神分裂症中之前未被发现的大脑网络模式，这可能为早期诊断提供潜在的生物标志物。传统的成像方法通常会忽略这些模式，但研究人员开发了先进的统计工具来揭示这一新的大脑组织维度。他们的发现突显了精神分裂症特有的功能脑网络中的中断，即使传统连接性测量结果看似正常。这种方法有可能彻底改变脑部疾病如何被诊断和理解，为靶向治疗铺平道路。
乔治亚州立大学的研究团队正在揭示关于脑通路的令人惊讶的见解，这可能为临床医生提供识别精神分裂症早期迹象的新途径。这项研究发表在《自然心理健康》杂志上。
该研究确定了在大脑中显示出独特空间变化和增强敏感性的连接。研究人员开发了一种方法，从这些通常被忽视的非线性模式中提取大规模脑网络图，揭示了人类大脑组织的一个先前未被认识的维度。
“这项研究标志着一个令人兴奋的飞跃，为我们提供了一个全新的视角，捕捉功能性脑网络中复杂的、隐藏的波动，”心理学杰出教授Vince Calhoun说，他是该研究的主要调查员之一。
传统的功能脑连接性研究使用fMRI扫描来识别脑活动模式，对于阐明慢性脑疾病（如精神分裂症）患者的改变具有潜力。但这些研究通常关注脑区之间的线性关系，而忽略了其他模式。
研究人员开发了一种方法，从这些通常被忽视的非线性模式中提取大规模脑网络图，揭示了人类大脑组织的一个先前未被认识的维度。值得注意的是，研究团队发现，用这种方法识别的大脑网络反映了精神分裂症患者和对照组之间的差异，这些差异在常规的线性连接性研究中会被隐藏。
“通过关注通常在传统神经成像中被忽视的非线性关系，我们发现了结构化的空间模式，这些模式可能揭示了脑网络功能的基础，”Calhoun说。“至关重要的是，这些非线性模式在精神分裂症患者中表现出中断，即使典型的线性模式看起来没有变化。”
Calhoun是乔治亚研究联盟杰出学者，在佐治亚理工学院和埃默里大学有教职任命，领导跨机构的神经影像学和数据科学转化研究中心（TReNDS中心）。他也是该研究的资深作者。
该研究的第一作者Spencer Kinsey是一名三年级神经科学博士生，也是TReNDS中心的成员。“我们通过使用超越大多数研究目标模式的统计方法发现了这些新的功能性脑连接模式，”Kinsey说。“虽然功能性连接性研究通常旨在分析脑连接中的线性模式，我们则专注于非线性连接性模式。”
该研究的首席主要调查员Armin Iraji是计算机科学和神经科学的助理教授，也是TReNDS研究团队的一员。“十年的专注研究为一个突破性的平台奠定了基础，该平台将以新的维度重新想象脑信号，”他说。“通过利用先进的数学技术，超越传统的时空限制，我们正准备解锁大脑的秘密，发现隐藏的内在模式，推动神经科学的发展。”
这种创新的方法有望彻底改变我们对精神障碍、衰老、神经退行性疾病等的理解。“这一发现使我们更接近于识别精神分裂症的潜在脑基生物标志物，对早期诊断和靶向干预具有深远的影响，”Calhoun说。
该研究由美国国立卫生研究院资助。它还部分得到了乔治亚州立大学研究创新和学术卓越（RISE）计划的支持，该计划支持跨研究领域的变革性项目。
(全文结束)