搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 健康报医生频道 > 新知 | 跨物种机器学习流程新技术 助力提高自闭症早期诊断率

新知 | 跨物种机器学习流程新技术 助力提高自闭症早期诊断率

健康报医生频道 2020-06-30


你知道吗,目前,科学界已知的,与自闭症相关的致病基因就有百余种。但是,用于辅助自闭症诊断的检测技术还没有被纳入临床诊断标准。自闭症的诊断在临床上更多的是靠医生个人来做判定。


近期,中科院脑科学与智能技术卓越创新中心王征研究组与中科院自动化研究所赫然课题组新近合作研究,整合了非人灵长类动物模型与精神疾病患者的磁共振影像数据,在国际上首次设计出 猴-人跨物种的机器学习分析流程。相关研究论文近日在线发表在《美国精神病学杂志》上。

  • 该技术有什么作用呢?



该研究为自闭症、强迫症的影像学精准诊断提供了新证据,同时开辟了利用非人灵长类模型服务临床应用的新途径。

要知道,目前,在研究领域,科学家基于影像诊断的大数据,目前只能达到60%~70%的自闭症诊断准确率。

在前期研究的基础上,中科院脑科学与智能技术卓越创新中心的科研人员大胆假设灵长类物种间可能的进化保守特征,利用磁共振影像技术对5只转基因猕猴和11只野生型猕猴进行脑部扫描。

通过扫描,识别与自闭症相关基因MECP2基因相关的9个核心脑区,再将这些核心脑区一对一映射到人类磁共振影像脑功能图谱上,构建出跨物种可迁移的分类预测模型,分别用于人类自闭症、强迫症和注意力缺陷多动症患者的诊断分类。

  • 新技术有何优势?



研究发现,该模型区分自闭症患者和正常人的准确率达到82.14%,对人类强迫症患者的分类准确率达到78.36%,显著优于基于人类自闭症和强迫症患者建立的预测模型。

然而,该技术也有个不足,就是对于人类注意力缺陷多动症患者的诊断没有显著提升。

主要研究者王征介绍,该系列研究在猕猴与人之间建立了桥梁,利用猕猴模型可以帮助到人,特别是未来可能有助于推进自闭症儿童的早期诊断,从而可以尽早接受治疗包括认知行为训练等。




文/健康报记者 胡德荣 王潇雨

编辑制作/夏海波


—— 近期热文 ——
  

    <>

    <>


    <>

    <>

<>

<>

>


版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《新知 | 跨物种机器学习流程新技术 助力提高自闭症早期诊断率》的版权归原作者「健康报医生频道」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注健康报医生频道微信公众号

健康报医生频道微信公众号:jiankangbaoyoung

健康报医生频道

手机扫描上方二维码即可关注健康报医生频道微信公众号

健康报医生频道最新文章

精品公众号随机推荐