乔治亚州立大学的一个研究团队正在揭示关于脑通路的新见解，这些通路可能为临床医生提供识别精神分裂症早期迹象的新方法。该研究已发表在《自然·心理健康》杂志上。
这项研究确定了在精神分裂症患者的大脑中表现出独特空间变化和增强敏感性的连接。“这项研究标志着向前迈出了一大步，提供了一个全新的视角来捕捉功能脑网络中复杂的、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。
传统的功能性脑连接研究使用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。然而，这些研究通常关注脑区之间的线性关系，而忽视了其他模式。
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，揭示了人类脑组织中一个先前未被认识的维度。令人惊讶的是，研究团队发现，用这种方法识别的脑网络反映了精神分裂症患者和对照组之间的差异，这些差异在传统的线性连接研究中是无法发现的。这些发现强调了利用这些模式构建临床生物标志物的重要性，并为脑功能和功能障碍理论提供了信息。
“通过关注通常在传统神经影像学中被忽视的非线性关系，我们发现了可能揭示脑网络功能基础的结构化空间模式，”Calhoun说，“至关重要的是，即使典型的线性模式看起来没有变化，这些非线性模式在精神分裂症患者中也显示出紊乱。”
Calhoun是佐治亚研究联盟杰出学者，在佐治亚理工学院和埃默里大学担任教职，并领导跨机构的神经影像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脑连接模式，”Kinsey说，“虽然功能连接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模式。”
该研究的主要负责人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开创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，我们准备揭开脑的秘密，发现隐藏的内在模式，并推动神经科学的边界。这种创新方法有望彻底改变我们对精神障碍、衰老和神经退行性疾病等的理解。”
“这一发现使我们更接近于识别潜在的基于脑的生物标志物，对早期诊断和针对性干预具有深远的影响，”Calhoun说。
TReNDS中心是一个涉及乔治亚州立大学、佐治亚理工学院和埃默里大学的联合研究中心。该中心致力于开发、应用和共享尖端分析技术、大规模数据和神经信息学工具，以利用先进的脑成像数据，将其转化为可用于解决脑健康和疾病相关问题的生物标志物。
(全文结束)