分析功能磁共振成像数据的新方法为改善精神分裂症的治疗提供了途径

马里兰大学巴尔的摩分校(UMBC)的研究人员开发了一种工具来改进功能磁共振成像(fMRI)数据的分析。Tülay Adali是UMBC计算机科学与电子工程教授、信号处理机器学习实验室主任，以及UMBC电气工程博士候选人龙群芳(qfang Long)率先开展了开创性工作，为患有特定精神疾病(如精神分裂症)的人确定了大脑成像的关键模式。这项新研究发表在科学杂志216卷。他们的工作可以帮助诊断和治疗难以确诊的精神疾病患者。它还可以根据图像分组向医生显示当前的治疗是否有效。

Adali和Long开发的图像分析方法称为公共子空间提取(CS)的独立矢量分析(IVA)。通过这种方法，他们能够将fMRI数据的子组单独分类大脑的活动这证明了大脑活动与某些精神疾病之间存在联系。特别是，他们能够利用他们分析的功能磁共振成像数据来识别精神分裂症患者的亚组。

在此之前，仅仅根据大脑成像还没有一个明确的方法来对精神分裂症患者进行分组，但是Adali和Long开发的方法表明，患者的大脑活动和他们的诊断之间存在着显著的联系。Long解释说:“最令人兴奋的是，我们通过观察诊断症状，发现了已确定的亚群具有临床意义。”“这一发现鼓励我们投入更多精力，利用神经成像数据研究精神分裂症患者的亚型。”

重要的是，用于识别这些子组的IVA-CS方法也保留了数据中的细微差别，但仍然呈现出统计上显著的分组。“现在数据驱动的方法已经得到普及，一个巨大的挑战是捕捉每个受试者的可变性，同时对来自大量受试者的fMRI数据集进行分析。现在我们可以有效地进行这种分析，并可以确定有意义的受试者分组，”Adali说。

诊断和治疗精神疾病非常复杂。相同的疾病在不同的患者中表现不同，通常没有一种单一的治疗方法对所有患者都有效。一旦治疗到位，确定它是否成功也会因患者而异。Adali和Long的研究以及他们在美国乔治亚州神经成像和数据科学转化研究三机构中心的长期合作伙伴Vince Calhoun对这种可变性的反应是给予医疗从业人员一种客观的方法来分析相对同质诊断亚组患者的fMRI结果，然后比较同一患者在一段时间内的fMRI结果。假设一个精神分裂症患者接受了治疗，6个月后回来再次接受评估。如果他们的功能磁共振成像数据更接近精神健康患者的对照组，而不是其他精神分裂症患者，这就是治疗有效的客观证据。在更大的范围内，这些数据可以更好地了解患者因治疗而产生的医疗结果。

为了进一步改进这一开创性分析阿达利的团队将利用纵向数据来确定哪些治疗方法对患有特定精神疾病的亚组患者最有效。这种方法也将用于青少年的纵向研究，以确定功能性磁共振成像图像与这些青少年的成瘾和药物使用模式之间是否存在联系。