摘要
一种新的机器学习算法已经问世，该算法可以发现预测小鼠自闭症谱系障碍(ASD)的瞳孔扩张异常。自闭症和其他神经发育障碍通常不会被诊断出来。
一种新的机器学习算法已经问世，该算法可以发现预测小鼠自闭症谱系障碍(ASD)的瞳孔扩张异常。
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，那时行为干预和言语/职业治疗变得不那么有效了。
由波士顿儿童医院神经科学家Michela Fagiolini博士和博士后Pietro Artoni博士领导的这项研究揭示了一种机器学习算法，该算法可以发现瞳孔扩张的异常，而这种异常可以预测小鼠模型中的自闭症谱系障碍(ASD)。这进一步表明，该算法可以准确地检测出一个女孩是否患有雷特综合症(Rett syndrome)，这是一种遗传性疾病，从6至18个月大开始，会损害认知、感觉、运动和自主功能，以及类似自闭症的行为。
Fagiolini和他的同事希望这个系统不仅可以为Rett综合症提供早期预警信号，还可以为一般的ASD提供预警信号。在未来，他们相信它也可以用来监测病人对治疗的反应;目前，临床试验正在测试药物氯胺酮治疗Rett综合征，并计划进行基因治疗试验。
Fagiolini说:“我们想要一些定量的、客观的、对细微变化敏感的大脑活动的读数。”“更广泛地说，我们缺乏反映大脑活动的生物标志物，容易量化，而且没有偏见。机器可以测量生物标志物，而不受病人病情的主观解释的影响。”
改变了自闭症患者的觉醒
Fagiolini和Artoni与波士顿儿童医院的Takao Hensch博士和Charles Nelson博士进行了密切合作，他们的想法始于自闭症患者改变了行为状态。先前的证据表明，大脑中与觉醒有关的胆碱能回路受到了特别的干扰，而觉醒的改变会影响瞳孔的自发扩张/收缩和心率。
Fagiolini的团队在波士顿儿童F.M. Kirby神经生物学中心IRCN的支持下，开始测量几种ASD小鼠模型的瞳孔波动，包括导致Rett综合征或CDKL5障碍的突变小鼠，以及BTBR小鼠。研究小组发现，甚至在动物开始出现自闭症样症状之前，瞳孔的自发扩张和收缩就已经发生了改变。
此外，在缺乏MeCP2的小鼠中，该基因在Rett综合征中发生突变，仅在胆碱能脑回路中恢复了该基因的正常拷贝，防止了瞳孔异常和行为症状的发生。
预测女童Rett综合征
为了系统地将所观察到的觉醒变化与胆碱能系统联系起来，研究小组利用亨施早期的一项发现:缺乏LYNX1蛋白的小鼠表现出增强的胆碱能信号。基于对这些小鼠大约60小时的观察，研究人员“训练”了一种深度学习算法来识别异常的瞳孔模式。同样的算法准确地估计了BTBR、CDKL5和mecp2缺陷小鼠的胆碱能功能障碍。
研究小组随后将该算法应用于35名患有Rett综合征的年轻女孩和40名正常发育的对照组。他们没有测量女孩的瞳孔(病人可能会坐立不安)，而是用心率波动来衡量她们的兴奋程度。尽管如此，该算法还是成功地识别出了和Rett在一起的女孩，在一岁和两岁的时候准确率达到了80%。
Artoni说:“这两种生物标记物波动的方式相似，因为它们是自主神经兴奋活动的代理。”“这就是所谓的‘战斗或逃跑反应’。”Fagiolini和Artoni发现，自主觉醒是大脑的一种属性，在不同的物种中都被强烈地保存着，是发育轨迹改变的有力指标。
婴儿生物标志物?
在尼尔森之前的一项研究中，Fagiolini表明视觉诱发电位，一种脑内视觉处理的脑电图测量，也可以作为Rett综合征的潜在生物标志物。Fagiolini说:“如果我们有非侵入性且易于评估的生物标志物，即使是新生儿或非语言患者也可以在多个时间点进行监测。”
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
