自闭症（孤独症）谱系障碍（autism spectrum disorder，ASD）是一种复杂的神经发育障碍，主要表现为社交互动困难、重复行为以及沟通能力缺陷。ASD 的临床表现复杂且多样，但目前的诊断主要依赖于行为观察和临床评估，缺乏客观的生物标志物。这使得早期诊断和干预变得尤为困难。本文将介绍发表在高质量期刊上的五篇最新研究，探讨 ASD 的脑结构和功能变化，旨在为 ASD 的诊断和治疗提供新的视角和方法。
自闭症幼儿具有语言和社交能力上的障碍，尽管其中一些患儿会随着年龄增长在这些症状上有所改善，但并非所有患儿都有相同的发展轨迹。现有的临床评分难以准确预测这些幼儿未来的语言发展，因此，通过脑影像研究探索早期大脑结构变化与未来语言能力之间的关系，寻找预测语言能力变化的可能生物标记物，对于自闭症的早期干预和治疗具有重要意义。
研究共纳入了 166 名自闭症幼儿（ASD）和 109 名典型发育幼儿（TD），进行了 372 次 MRI 扫描。研究发现，与 TD 幼儿相比，ASD 幼儿在颞叶和梭状回区域的体积或皮质厚度表现出增大或增厚改变，而下额叶和中线结构的体积或皮质厚度则表现出减小或变薄改变。此外，ASD 幼儿的胼胝体亚区体积较大，小脑体积较小。大多数差异在 75 个幼儿的独立样本中得到了验证。这些大脑改变相对临床和人口学数据能更准确地预测儿童 6 个月后的语言能力。此外，颞叶、梭状回和额下回的结构变化与自闭症症状的严重程度和早期认知障碍相关。
图1. ASD 和 TD 幼儿在皮质体积、非皮质体积、皮质厚度和皮质表面积方面存在显著差异。颜色代表相应的效应大小（Cohen’s D），其中红色区域 ASD 比 TD 显著增加，蓝色区域 ASD 较 TD 显著减小；颜色越深，ASD 和 TD 之间的差异越大。
这项研究揭示了自闭症幼儿在社交、语言和面部处理区域的大脑结构变化，这些变化可以提高对自闭症儿童未来语言能力预测的准确性。这些发现有助于理解 ASD 的神经生物学机制，并可能为早期诊断和干预提供新的方向。
02. 2024 年 8 月 Molecular Autism期刊在线发表了一项研究探讨了成年自闭症谱系障碍患者的多基因风险评分（PRS）与其小脑和脑干体积变化之间的关系。
以往的研究表明，ASD 患者的小脑和脑干体积存在显著变化，但这些研究大多局限于小样本的病例对照研究，且主要集中在儿童和青少年。
这项研究利用了最新的 ASD 全基因组关联研究数据，并在独立的 UK Biobank 队列中构建了 ASD PRS，分析了约 31,000 名参与者的 44 种脑部 MRI 表型。研究发现，ASD PRS与七个脑区的体积显著相关。较高的 PRS 与全脑、白质、脑干和小脑 I-IV、IX 和 X 区的体积减少，以及脑脊液（CSF）体积增加相关。此外，左侧小脑 I-IV 区、小脑 VIIIb 区和 X 区的体积与 ASD PRS 呈显著负相关。
图2. ASD 的多基因风险评分与次级 MRI 表型、亚区域体积之间的相关性。柱状图显示了 ASD PRS 在七个概率阈值（0.001≥PSNP ≤1，x轴）下解释的方差（R²，y轴），针对二十八个小脑区域体积：每个小脑区域（I-IV、V、VI、VIIb、VIIIa、VIIIb、IX、X、CrusI和CrusII）左右叶的灰质和八个蚓部区域（VI、VIIb、VIIIa、VIIIb、IX、X、CrusI和CrusII）。蓝色条表示负相关，红色条表示正相关；星号表示 FDR 校正后的关联 P 值：*P≤0.05，**P≤0.01，***P≤0.001。ASD 的多基因风险评分与小脑区域 I-IV（左）、VIIIb（蚓部）和X（蚓部）的体积显著负相关。
这项研究揭示了 ASD 的遗传易感性与成人大脑神经解剖学变化之间的重要联系。这些发现有助于理解 ASD 的遗传病因及其对大脑结构的影响，为未来的诊断和治疗提供了新的方向。
03. 2024 年 6 月发表在 Neuropsychopharmacology期刊上的一项研究使用了 [11C]PBR28 正电子发射断层扫描（PET）和磁共振成像（MRI）技术，首次测量了成年女性 ASD 患者大脑中的转位蛋白（TSPO）水平。
ASD 存在显著的性别差异，男性患病率约为女性的四倍。以往的研究主要集中在男性 ASD 患者上，发现其体内的转位蛋白（translocator protein, TSPO）水平有所变化。然而，女性 ASD 患者体内TSPO 水平的变化尚不明确。
该研究发现，女性 ASD 患者在中扣带皮层和胼胝体压部的 [11C]PBR28 标准化摄取值比（SUVR）( [11C]PBR28 通过 PET 成像用于可视化和量化TSPO的分布）显著高于对照组。与对照组相比，女性 ASD 患者的大脑区域没有显示出较低的 [11C]PBR28 SUVR。此外，几个月的重测显示，两组的[11C]PBR28SUVR随时间推移保持稳定。
图3. 与年龄和 TSPO 基因型匹配的对照组（CON）相比， ASD 成年女性体内 [11C]PBR28 SUVR升高。ASD 女性（A）和对照组女性（B）的组平均 [11C]PBR28 SUVR图。（C）在控制年龄和 TSPO 基因型后，对两组间的 [11C]PBR28 SUVR进行体素比较的统计图显示，ASD 组（N = 12）相比对照组（N = 10）在中扣带皮层和胼胝体压部的区域 TSPO 水平相对于全脑平均值显著升高（Z > 2.3，pcluster
这项研究发现女性 ASD 患者的转运蛋白 TSPO 水平相对于全脑平均值有所升高，可能反映了特定于女性 ASD 患者的神经免疫—代谢变化。这些发现与以往在男性 ASD 患者中发现的 TSPO 水平降低形成鲜明对比，强调了在 ASD 研究中考虑性别差异的重要性。
04. 2024年8月Translational Psychiatry期刊上发表的一篇系统回顾和 meta 分析，评估了 MRI 对 ASD 诊断的性能和可解释性。
尽管目前的诊断实践主要依赖于观察标准，但研究人员希望通过客观测试（如MRI）来改进诊断方法。
研究团队系统筛选了 Web of Science 和 PubMed 数据库中的相关研究，最后纳入了 134 项研究，共包含 159 个符合条件的实验。这些研究涉及 4982 名参与者，其中 2439 人为 ASD 患者，2543 人为健康对照。meta 分析结果显示，MRI 诊断 ASD 的综合敏感性为 76.0%（95% CI 74.1–77.8），特异性为 75.7%（95% CI 74.0–77.4），曲线下面积（AUC）为0.823。
图4. 所有纳入实验的汇总受试者工作特征曲线，灵敏度为 76.0%（95% CI 为 74.1-77.8），特异性为 75.7%（95% CI 为 74.0-77.4），AUC 为 0.823。不确定性限制了对这些结果的信心。{rsf, s, d}MRI：{静息态功能性、结构性、弥散性}磁共振成像，SROC 总受试者工作特征，AUC SROC 曲线下面积。
这项研究表明，尽管目前存在一些限制，基于 MRI 的诊断方法在 ASD 诊断中显示出潜力。未来的研究应进一步优化 MRI 技术，减少异质性，并验证其在不同人群中的适用性，以推动其在临床中的应用。
05. 2024年4月Computer Methods and Programs in Biomedicine期刊上发表的一篇文章提出了一种新的方法，旨在更准确地预测自闭症谱系障碍。
基于静息态功能磁共振成像（rs-fMRI）的脑功能连接（FC）已被广泛用于预测 ASD，但现有方法在捕捉脑区间相互作用和深层网络构架的表示能力等方面存在不足。
研究团队提出了一种新的方法，称为 FC-learned Residual Graph Transformer Network（RGTNet）。
研究结果表明，在对自闭症脑成像交换数据库（ABIDE）的数据集使用两种不同脑区划分模板（AAL、CC200）的情况下，RGTNet 的表现均优于其他方法。值得注意的是，在使用五折交叉验证策略的 AAL 图谱上，RGTNet 的准确率达到了 73.4%，明显优于其它分类方法（最高准确率：70.9%）。此外，所研究的生物标志物与已有研究结果相吻合，为 ASD 的临床诊断提供了可行的方法。
表1：AAL 和 CC200 图谱的预测性能比较。最佳值以粗体突出显示。
这项研究提出了一种新的方法，可以更准确地预测 ASD，并为临床诊断提供了可行的方法。此外，该方法还可以用于研究其他神经精神疾病的生物标志物，解决现有研究中存在的问题，提高诊断的准确率。
这五篇最新研究从不同角度探讨了自闭症谱系障碍（ASD）的脑结构和功能变化。基础研究揭示了 ASD 的遗传易感性与大脑结构变化之间的重要联系，强调了小脑和脑干在 ASD 中的关键作用。临床应用研究则展示了 MRI 和 PET 技术在ASD 诊断中的潜力，特别是针对女性 ASD 患者的特异性变化。此外，基于功能连接的机器学习方法为 ASD 的预测提供了新的工具。这些研究不仅加深了我们对 ASD 神经生物学机制的理解，也为未来的诊断和干预提供了新的方向和方法。未来的研究应进一步优化这些技术，验证其在不同人群中的适用性，以推动其在临床中的应用。
# 参考文献：
1. Duan, K., Eyler, L., Pierce, K., Lombardo, M. V., Datko, M., Hagler, D. J., Taluja, V., Zahiri, J., Campbell, K., Barnes, C. C., Arias, S., Nalabolu, S., Troxel, J., Ji, P., & Courchesne, E. (2024). Differences in regional brain structure in toddlers with autism are related to future language outcomes. Nature communications, 15(1), 5075. https://doi.org/10.1038/s41467-024-48952-4
2. Mohammad, S., Gentreau, M., Dubol, M., Rukh, G., Mwinyi, J., & Schiöth, H. B. (2024). Association of polygenic scores for autism with volumetric MRI phenotypes in cerebellum and brainstem in adults. Molecular autism, 15(1), 34. https://doi.org/10.1186/s13229-024-00611-7
3. Tseng, C. J., Canales, C., Marcus, R. E., Parmar, A. J., Hightower, B. G., Mullett, J. E., Makary, M. M., Tassone, A. U., Saro, H. K., Townsend, P. H., Birtwell, K., Nowinski, L., Thom, R. P., Palumbo, M. L., Keary, C., Catana, C., McDougle, C. J., Hooker, J. M., & Zürcher, N. R. (2024). In vivo translocator protein in females with autism spectrum disorder: a pilot study. Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology, 49(7), 1193–1201. https://doi.org/10.1038/s41386-024-01859-6
4. Schielen, S. J. C., Pilmeyer, J., Aldenkamp, A. P., & Zinger, S. (2024). The diagnosis of ASD with MRI: a systematic review and meta-analysis. Translational psychiatry, 14(1), 318. https://doi.org/10.1038/s41398-024-03024-5
5. Wang, Y., Long, H., Bo, T., & Zheng, J. (2024). Residual graph transformer for autism spectrum disorder prediction. Computer methods and programs in biomedicine, 247, 108065.https://doi.org/10.1016/j.cmpb.2024.108065
