原創(chuàng) shaosai 梅斯醫(yī)學(xué)

4月2日是世界自閉癥日，讓我們一起來(lái)關(guān)注這個(gè)群體。

自閉癥譜系障礙（ASD）是一種神經(jīng)發(fā)育障礙，其特征是社交和溝通的障礙以及重復(fù)性和限制性行為。ASD不僅嚴(yán)重影響了患者的日常生活，也給家庭和社會(huì)帶來(lái)了巨大的負(fù)擔(dān)。不幸的是，近年來(lái)ASD的發(fā)病率有所上升。

以往的研究表明，對(duì)ASD的及時(shí)診斷和適當(dāng)干預(yù)將減輕自閉癥癥狀的嚴(yán)重程度，并改善年幼兒童的認(rèn)知、語(yǔ)言和執(zhí)行功能技能。然而，ASD的診斷主要是基于行為觀察和臨床訪談，由于缺乏具體的生物學(xué)證據(jù)，診斷的延誤是不可避免的。因此，確定一種早期客觀和準(zhǔn)確的ASD診斷方法至關(guān)重要。

常規(guī)MRI（cMRI）和彌散加權(quán)成像（DWI）是廣泛使用的非侵入性檢查方法。多項(xiàng)研究表明，cMRI和ADC對(duì)診斷ASD有重要意義。然而，目前還不清楚這些基于MRI檢查的結(jié)構(gòu)和功能異常是否可以用來(lái)ASD和典型發(fā)育（TD）個(gè)體的區(qū)分。

近年來(lái)，隨著深度學(xué)習(xí)（DL）算法的不斷進(jìn)步，一些研究發(fā)現(xiàn)，基于MRI的DL算法可用于ASD與TD的鑒別，甚至可用于ASD的預(yù)測(cè)。然而，先前研究中的數(shù)據(jù)分析大多使用fMRI，這在臨床實(shí)踐中并不實(shí)用。考慮到cMRI和DWI已經(jīng)成為評(píng)估大腦異常的簡(jiǎn)單和常用的成像序列，基于cMRI和ADC的DL方法也許對(duì)ASD診斷更有價(jià)值。

近日，發(fā)表在European Radiology雜志的一項(xiàng)研究使用cMRI（包括軸位T1、T2、FLAIR和矢狀位T1/T2序列）和來(lái)自年齡匹配隊(duì)列的大腦ADC圖像構(gòu)建了基于DL的ASD診斷模型，使得ASD患者的早期診斷及治療評(píng)估成為可能。

本研究共包括151名ASD兒童和151名年齡匹配的典型發(fā)育（TD）對(duì)照組兒童。這些受試者的數(shù)據(jù)被分配到訓(xùn)練和驗(yàn)證數(shù)據(jù)集。另外還獲得了20名ASD兒童和25名TD對(duì)照，他們的數(shù)據(jù)被用于一個(gè)獨(dú)立的測(cè)試集。所有受試者都接受了cMRI和DWI檢查。

本研究開(kāi)發(fā)了一系列DL模型，根據(jù)cMRI和ADC數(shù)據(jù)進(jìn)行ASD與TD的鑒別。使用的七個(gè)模型包括五個(gè)單序列模型（SSM），一個(gè)主導(dǎo)序列模型（DSM）和一個(gè)全序列模型（ASM）。為了加強(qiáng)模型的特征檢測(cè)，還嵌入了一個(gè)注意力機(jī)制模塊。

將基于FLAIR或ADC的SSM應(yīng)用于驗(yàn)證和獨(dú)立測(cè)試集時(shí)，取得了最高的AUC（0.824 ~ 0.850）。使用FLAIR和ADC組合的DSM在驗(yàn)證（0.873）和獨(dú)立測(cè)試集（0.876）中顯示了更好的AUC。與SSMs相比，ASM在驗(yàn)證（AUC = 0.838）和獨(dú)立測(cè)試集（AUC = 0.836）中也顯示出更好的診斷價(jià)值。在具有注意力機(jī)制的模型中，DSM取得了最高的診斷性能，AUC、準(zhǔn)確性、敏感性和特異性分別為0.898、84.4%、85.0%和84.0%。

圖 Grad-CAM輔助的ASD圖像識(shí)別。大腦的平均熱圖顯示ASD和TD在多個(gè)腦區(qū)的差異。融合圖像直觀地顯示了類(lèi)區(qū)分區(qū)域的解剖位置。熱圖顯示的數(shù)值在0（藍(lán)色）和1（紅色）之間標(biāo)準(zhǔn)化，較熱的顏色表示對(duì)分類(lèi)更重要的區(qū)域。

本研究結(jié)果表明，基于常用的MRI序列即可實(shí)現(xiàn)ASD兒童與TD兒童的鑒別。本研究還證明了應(yīng)用基于ResNet-18架構(gòu)的CNN模型來(lái)實(shí)現(xiàn)ASD患者的高檢測(cè)精度的潛力，并使ASD的早期篩查在廣泛的人群中成為可能。

參考文獻(xiàn)

Xiang Guo,Jiehuan Wang,Xiaoqiang Wang,et al.Diagnosing autism spectrum disorder in children using conventional MRI and apparent diffusion coefficient based deep learning algorithms.DOI:10.1007/s00330-021-08239-4

撰文 | shaosai

原標(biāo)題：《世界自閉癥日| 深度學(xué)習(xí)，讓使用常規(guī)MRI進(jìn)行自閉癥診斷成為可能！》

閱讀原文