孤独症发病初期的多感觉脑功能网络研究

Autism is a serious neurodevelopmental disorder which starts at early childhood. To date, the etiology and brain mechanism are unclear. Recent resting-state functional magnetic resonance imaging (R-fMRI) studies mostly focus on aberrant pattern of social and cognitive networks in adolescents and adults with autism. Classical developmental theory assumes that primary sensory information forms the building blocks for higher-order functions, such as social and cognition. However, studies in how the primary multisensory networks integrate into higher-order brain networks (e.g. social and default mode networks) at early stage of autism are so far absent. By using R-fMRI data and advanced complex networks algorithm, the present study aims to identify the hierarchical networks through the brain in autism during early childhood (3-4 years old). Moreover, the integration pattern from primary multisensory network to higher-order network is also listed in the research programs, as well as the distribution of hub areas. Exploration for the relationships between the core symptoms of autism and brain network characteristics will further conduct. The implementation of this research project would provide insight into the neurophysiology of autistic brain functional network during early stage. Besides, it could also provide a scientific evidence for the rehabilitation in sensory integration training of autism therapy.

孤独症是一种严重的神经发育障碍疾患，起病于患者幼儿期，病因不明，机制不清。近年的功能影像研究主要关注孤独症青少年及成年期社交和认知相关的高级脑网络。经典的发育理论认为高级功能（如社交和认知）的发展依赖于初级感觉信息输入和多层级网络整合。然而对于孤独症幼年时期，初级的多感觉脑网络如何向更高级的社交和默认等脑网络进行整合，尚缺乏深入研究。本研究拟采用静息态功能磁共振脑成像技术，结合前沿的复杂脑网络计算方法，识别在孤独症患儿发病初期（3-4岁）脑功能网络从初级到高级的层级特征，研究初级的多感觉功能网络和更高级社交和默认等网络的整合模式，以及全脑和不同层级脑网络的核心节点分布特征，探索脑功能网络异常整合与孤独症核心症状的关联。本项目的实施将有助于加深对孤独症患者发病初期脑功能异常网络的神经生理学理解，并有望为已确诊患儿在感觉统合训练方面的康复治疗提供科学依据。

孤独症作为一种复杂的神经发育障碍疾病，起病于儿童生长发育的早期，发病的神经生理学基础尚不明确，尤其缺乏对孤独症儿童发病初期的研究。本项目主要针对孤独症儿童的脑网络特征开展了系列研究，内容包括：（1）孤独症早期脑功能网络异常的层级信息整合研究，分析结果发现，在4-5岁的孤独症儿童中，单个模态（如视觉皮层、感觉皮层和听觉皮层）与多种模态的信息向更高级的脑区整合时均存在异常，呈现出初级感觉皮层和多模态整合区域的信息通路减少，而默认网络等高级功能区域的信息通路增多。（2）探索全脑和局部水平的脑网络度量特征，基于脑网络的成本-效率模型，分析发现孤独症儿童全局的连接成本降低与其症状严重程度有关，最显著的区域分布在初级视觉区及初级感觉运动区；同时后扣带皮层区的成本-效率差值在孤独症儿童中显著降低，且与其认知水平呈正相关。（3）对其他脑特征指标与孤独症症状之间的关联研究，基于机器学习的支持向量分类模型，可以利用少量的功能连接（22条）和结构连接（33条）对4-5岁的孤独症儿童进行高准确度的诊断预测。另外基于孤独症脑影像公开数据库的多中心大样本数据，研究了5-35岁孤独症男性患者的脑功能动态特征，发现孤独症患者主要在默认网络脑区呈现更高的模块动态切换，而在视觉区呈现更低的模块动态切换。本研究项目的开展一方面有助于加深对孤独症患者发病初期脑网络特征的理解，公开数据库的大样本分析增加了对脑网络异常特征解读的鲁棒性，可为孤独症儿童的早期干预提供新的思路，还可为孤独症早期诊断的客观指标提供重要的科学依据。