一探究竟，看AI如何预测儿童自闭症
自闭症和其他神经发育障碍通常要到孩子几岁时才会被诊断出来，那时针对行为和语言方面的干预治疗效果不能达到最好。因此，迫切需要定量的、非侵入性的、转化性的生物标记物来进行早期检测和跟踪。近期发表在《美国科学院院刊》（PNAS）上的一项研究表明，有两种简单可量化的测量方法——检测瞳孔收缩/扩张或心率变化，可以更早地诊断出雷特综合症，以及其他可能具有自闭症特征的疾病。
这项研究由波士顿儿童医院（Boston Children' s Hospital)神经科学家Michela Fagiolini博士和Pietro Artoni博士主导。研究揭示了一种机器学习算法，该算法可以准确检查小鼠模型中的瞳孔异常情况，可预测孤独症谱系障碍（ASD, Autism Spectrum Disorder）。这项研究也进一步表明，该算法可以准确地检测出女孩是否患有雷特综合征。雷特综合症，属于神经发育障碍类疾病，主要由X性染色体上MeCP2基因突变所致，患者多数为女孩。临床症状于出生后6-18个月逐渐显现，主要表现为头部发育缓慢，已获得的语言及手部目的性运动技能消退，智力障碍，呼吸功能障碍及自闭倾向等。
Fagiolini博士及其同事希望这个系统不仅可以为雷特综合征提供早期预警信号，而且可以为ASD提供早期预警信号。未来，他们相信这个系统更可以用于实时监测患者对治疗的反应，以便医生可随时根据患者治疗情况对治疗方案进行调整。目前，一项使用氯胺酮治疗雷特综合症的临床试验正在进行中，研究团队还计划进行基因疗法试验。
自闭症的觉醒
Fagiolini博士和Artoni博士与波士顿儿童医院多为专家进行密切合作，基于他们认为患有自闭症的人群的行为状态会因疾病而受到影响。先前的证据表明，大脑中与觉醒有关的胆碱能神经受到了特别的干扰，而觉醒本身会影响瞳孔的自发扩张/收缩和心率。
图片来源: Pixabay
Fagiolini博士的团队在波士顿儿童F.M.Kirby神经生物学中心IRCN的支持下，开始观察几种ASD小鼠模型的瞳孔波动。包括特发性(BTBR)和遗传性(CDKL5-和mecp2-缺陷)小鼠模型。研究小组发现，这些模型均显示早期胆碱能神经调节受损，反映在自发瞳孔波动的改变上。这说明，在这些小鼠开始出现自闭症状之前，瞳孔就已经自发扩张/收缩。
在自闭症状出现之前就已存在的瞳孔异常，可以通过选择性表达胆碱能回路中的MeCP2得到恢复。因此，研究团队训练了一个神经网络(ConvNetACh)，以97%的准确率识别胆碱能敏感性增强(LYNX1 )小鼠的这些唤起波动模式。随后，ConvNetACh成功地在所有ASD小鼠模型中检测到损伤，除了获得MeCP2 干预的小鼠。这也意味着，对自发觉醒波动的深度学习可以检测神经发育小鼠模型和患者的早期胆碱能缺陷。
ConvNetPatients预测女孩是否患有雷特综合症
接着，研究团队通过直接对雷特综合征患者的心率变化数据进行最后一层ConvNetACh的再训练，从而生成了ConvNetPatients，它是一个能够将雷特综合症患者与正常发育的受试者区分开来的神经网络。
研究小组将该算法应用于一组对照实验中，这组实验包含了35名患有雷特综合征的女婴和40名正常发育生长的女婴。由于检查女婴的瞳孔会导致其焦虑情绪，影响对照实验的结果，所以研究团队改用心率的起伏波动来检测她们的觉醒程度。尽管没有直接检测瞳孔的变化，该算法还是以80%的准确率确定了哪些女婴是雷特综合症患者。
图片来源: Pixabay
Fagiolini博士和Artoni博士发现，自主觉醒是大脑的一种属性，它存在于不同的物种中，大脑自发觉醒是能够改变神经发育轨迹的重要因素。
在之前的一项研究中，Fagiolini博士表明，视觉诱发电位电生理现象（注：在视野范围内，以一定强度的闪光或图形刺激视网膜，可在视觉皮层或头颅骨外的枕区记录到电位变化。是研究人类的感觉机能、神经系统疾病、行为与心理活动等的重要手段。）也可以作为预测雷特综合征的潜在生物标志物。她认为，将瞳孔变化、心率变化以及视觉诱发电位电生理现象这些生物标记物结合在一起，可以为幼龄阶段儿童提供先进的、低费用的疾病筛查工具，从而提前向其父母预警即将出现的神经发育问题，并对这些幼儿的发育情况及治疗进展进行实时跟踪。
