【ZiDongHua 之自动化学院派收录关键词：人工智能 可穿戴设备 脑科学 】
　　
 
　　Cell Reports Medicine：人工智能破解毒瘾，天桥脑科学研究院研究员袁逖飞基于个体化脑连接组学构建神经生物标志物
 
　　
　　毒品问题是健康中国与和谐社会持续面临的重大挑战。我国目前最主要的毒品为甲基苯丙胺（俗称：冰毒），吸食后导致极强的精神行为紊乱，可诱发幻觉、冲动行为、乃至暴力犯罪，给个人生命健康、家庭经济和社会安定都带来了巨大危害。吸毒是一种长期存在的”顽疾“，其根本原因在于”毒瘾“是一种异常强大、但表现于主观层面的精神心理活动，难以客观评估、动态捕捉与实时治疗。
 
　　
　　近期，天桥脑科学研究院（Tiaoqiao and Chirssy Chen Institute，TCCI）研究员、国家精神疾病医学中心（上海市精神卫生中心）研究员袁逖飞团队，通过构建个体化人脑连接组（brain functional connectivity networks，FCNs），使用人工智能（AI）技术揭示了冰毒成瘾者毒瘾的神经生物学机制，发明了一种能够快速“读脑”、鉴定吸毒者，并计算个体化毒瘾严重程度的实用技术。
　　
　　相关研究成果于2024年1月16日以“An electroencephalographic signature predicts craving for methamphetamine”为题发表在Cell Press细胞出版社旗下期刊Cell Reports Medicine（IF = 14.3）上。
　　
　　
　　
　　研究人员首先利用高密度的头皮脑电图（high-density EEG）技术，通过自动化信号处理及优化算法，对465个神经环路个体化计算其连接强度和神经振荡模式。基于个体的功能连接组学，可以有效区分健康对照组人群和成瘾人群，并鉴定了成瘾大脑中一些具有特异性的神经振荡异常（如左岛叶-右眶额叶的delta振荡、左额中回后部-内侧前额叶皮层的beta振荡、右缘上回-后扣带皮层的beta振荡）。
　　
　　这些发现，有力的弥补了现有成瘾影像学研究中神经振荡数据的缺失，也为理解成瘾者脑网络异常提供了新模态的实践证据。基于上述关键异常环路及功能网络分析，研究者构建了基于机器学习技术的计算模型，并通过独立数据集证实了其对于个体化毒瘾的识别和预测有效性。该模型在北京、江苏、湖北等省市的人群中都实现了有效验证。
　　
　　
　　
　　该研究不仅为临床成瘾者提供了重要的诊断策略，也为基于个体化脑环路神经振荡异常的精准脑刺激干预提供了新的思路。一方面，戒毒康复机构能够采用相应技术，为成瘾康复全程提供动态评估追踪和分级管理，并纳入管理模式作为参考指标；另一方面，个体化脑连接组学的异常不仅是个体化精准脑刺激干预的重要理论依据，也可以作为定制化的药物治疗、心理干预或运动康复计划的直接参考。在下一步研究计划中，研究人员将实现可穿戴、便携式的脑电采集设备设计，有望为戒毒康复人员实现实时反馈的毒瘾评估，并用于无创脑刺激技术及数字化疗法的反馈。
　　
　　天桥脑科学研究院（Tiaoqiao and Chirssy Chen Institute，TCCI）研究员、国家精神疾病医学中心（上海市精神卫生中心）研究员袁逖飞和斯坦福大学精神病学和行为科学系吴畏为共同通讯作者，田维文、赵迪为共同第一作者。
　　
　　作者专访
　　
　　您的团队为何开展本研究？
　　
　　袁逖飞教授、吴畏研究员：毒品成瘾（物质使用障碍）是一种慢性脑疾病。我国现有毒品成瘾者超过1300万人，目前鲜有有效的干预策略；即使戒断多年已无戒断症状，药物相关线索仍可触发成瘾者极强的毒品心理渴求；且患者存在冲动控制障碍，最终导致80%以上的复吸率。毒品成瘾既涉及重大的科学问题，又属于严重的社会问题。因此，揭示成瘾机制，发展有效的干预手段，可有助于理解异常牢固记忆和冲动控制障碍机制，也为开发更为有效的成瘾干预策略提供新靶点和科学数据支撑。心理渴求（毒瘾）的强度与成瘾物质复吸风险密切相关，其客观评价对于及时干预、防止复吸具有重要意义。
　　
　　您认为本项工作的亮点和重要发现是什么？
　　
　　袁逖飞教授、吴畏研究员：既往神经影像与行为学研究未能揭示心理渴求的动态加工过程及神经环路的异常振荡。我们的研究发现了多条神经环路上振异常参与毒瘾，为理解成瘾行为的内在驱动和维持过程提供了理论支持。该标记物也为临床患者的复吸风险评估、精准个体化干预评估提供了重要生理指标。
　　
　　基于人工智能AI和高密度EEG技术的个体化脑连接组学绘制，为解析精神疾病的脑网络异常提供了重要方法，我们较为完善的采用了多种数据分析方法与模型，希望在未来的工作中对成瘾的神经机制作出更为系统的探索。
　　
　　您团队在该领域有哪些下一步的计划？
　　
　　袁逖飞教授、吴畏研究员：我们将首先验证利用低通道、可穿戴设备进行毒瘾实时监测的可行性，以实现精准戒毒康复；进一步，我们希望利用该计算模型，对现有临床干预疗法实现有效预测，以预判患者戒毒后的疗效，避免治疗中“走弯路”。
　　
　　此外，我们通过高密度电生理信号的精准溯源解析了毒瘾的功能环路和具体振荡模式。该些发现使得针对成瘾者的个体化位点、个体化频率模式的精准干预成为可能。
　　
　　作者介绍
　　
　　通讯作者
　　
　　吴畏
　　
　　现任Alto Neuroscience公司联合创始人、首席数据科学官，曾任华南理工大学自动化科学与工程学院教授、斯坦福大学精神病与行为学系讲师，获广东省科学技术奖自然科学一等奖（排名第2），为IEEE生物医学信号处理技术委员会委员，任IEEE Transactions on Affective Computing、IEEE Journal of Biomedical and Health Informatics等六份神经信息处理期刊编委。
　　
　　通讯作者
　　
　　袁逖飞
　　
　　国家精神疾病医学中心（上海市精神卫生中心）脑健康研究院执行院长，上海交通大学医学院附属精神卫生中心教授、研究员、博士生导师、天桥脑科学研究院研究员。任司法部戒毒管理局戒毒专家咨询委员会委员、中国神经科学学会青年工作委员会副主任委员、中国神经科学学会应激神经生物学分会副主任委员兼秘书长、上海市神经科学学会青年创新工作委员会主任委员。获国家杰出青年科学基金等项目资助。
　　
　　本文转载自：上海交大医学院附属精神卫生中心微信公众号；CellPress细胞科学微信公众号