【推好科技观察：生命科学领域与自动化科技】自动化网推好（TWINHOW）高质量发展联盟（平台）：1、该机器人的设计实现了高度机电一体化集成下的人机共融，具有重量轻、柔性强、运动精度高等优点。由于其便携性及安全性，可被灵活部署在社区卫生所、基层医院和移动救护平台，实现远程遥操作下的超声诊断及介入手术导航，服务于基层医疗普惠化需求。2、这项研究基于多中心大样本定义了稳定可重复的AD亚型，为AD的异质性研究提供了新的视角，有望在未来利用它们为临床决策提供信息，为AD的精准诊疗和干预奠定理论基础。 

 

 

 

自动化所超声机器人成功应用于心脏介入远程交互手术

 

 

7月2日，中国科学院自动化研究所医疗机器人团队与解放军总医院第六医学中心心血管病医学部协作，进行远程超声机器人的引导下的卵圆孔未闭封堵术并取得成功。手术过程仅用时28分钟，术中零射线、零造影剂。根据公开报道，这是国际上首次应用远程超声机器人完成卵圆孔未闭封堵术。

　　此次手术病例为51岁男性患者，反复发生不明原因脑梗死，当地医院明确诊断是由于心脏存在卵圆孔未闭，引起心源性脑卒中。当地医院尝试进行卵圆孔未闭封堵术，但因为卵圆孔开口位置不理想，导丝难以通过卵圆孔，手术未成功，转诊至解放军总医院进一步治疗。解放军总医院第六医学中心心血管病医学部结构性心脏病科主任医师王广义、朱航团队分析患者病情后，决定启用中科院自动化所研发的远程超声机器人系统。

　　该机器人系统是由中科院自动化所自主研发的串并混联式机器人，具有小型便携、高灵活性和多冗余自由度等特点。相比传统构型，该机器人的设计实现了高度机电一体化集成下的人机共融，具有重量轻、柔性强、运动精度高等优点。由于其便携性及安全性，可被灵活部署在社区卫生所、基层医院和移动救护平台，实现远程遥操作下的超声诊断及介入手术导航，服务于基层医疗普惠化需求。

　　7月2日上午，在中科院自动化所团队的全程协助下，手术正式开始。该科副主任医师周浩带领超声团队，在解放军总医院第六医学中心会议室远程遥控位于解放军总医院第一医学中心的超声机器人。与此同时，在远程超声机器人的精准定位和指引下，位于解放军总医院第一医学中心的王广义、朱航主任将导丝顺利通过患者心脏的卵圆孔，圆满完成卵圆孔未闭封堵手术。

王广义（左二）、朱航（左一）在解放军总医院第一医学中心通过机器人辅助为患者进行手术。汪驰摄

　　据悉，此次手术采用远程超声机器人进行心脏介入手术，开启了心血管介入远程交互手术的新模式，也是在全球疫情背景下的医疗革新。远程超声机器人不受地域限制，既可以应用于日常诊断筛查，也可以用于介入术中的精准定位与引导，具有重要的临床应用价值。本次由解放军总医院及中国科学院自动化研究所合作完成的临床实践也得到了人民日报的报道。

　　该机器人系统相关工作属于中科院自动化所2035创新任务“超声引导手术辅助机器人”，由侯增广研究员领导，王双翌研究员具体负责研发，自动化所20级硕士研究生谢亿平、21级硕士研究生邓兆锟及郝明瑞参与协助本次远程手术。

 

 

脑网络组中心揭示四种不同脑网络损伤模式的阿尔茨海默病亚型

2022年6月，Biological Psychiatry在线发表了题为《Four distinct subtypes of Alzheimer's disease d on resting-state connectivity biomarkers》的研究。该研究基于多中心功能磁共振影像，揭示了4种具有不同脑网络损伤模式的阿尔茨海默病亚型，并系统评估了不同亚型在功能连接、脑萎缩和认知能力上的差异。 

　　研究背景 

　　阿尔茨海默病（Alzheimer’s disease, AD）俗称老年痴呆，是多发于老年人群中的一种神经退行性疾病。随着老龄化的来临，AD的发病率逐年升高，越来越成为不可忽视的健康问题。目前还没有有效的AD治疗手段，早诊断早干预显得十分重要。 

　　AD在病理分布、脑萎缩以及临床表现等方面具有较大的异质性，这些异质性造成了对疾病的误诊以及对药物研究的阻碍。AD患者通常会出现涉及多个脑功能网络的脑活动异常，造成认知能力的严重下降。然而，AD的脑网络异常的异质性与其所对应的结构改变、认知能力下降的关系尚不明确。 

　　方法概述 

　　研究采用国内多家医院合作建立的MCAD数据库和美国ADNI公开数据库的共1100例数据进行了系统研究。本研究基于前期发现的AD异常脑网络（Jin et al, 2020），使用非负矩阵分解（NMF）方法将AD患者聚类得到不同的AD亚型，随后对各个亚型的功能异常、结构萎缩和纵向改变进行了评估。基本研究框架如下（图1）： 

图1. 研究框架 

　　主要结果 

　　1. AD功能网络亚型 

　　基于AD的异常功能网络，本研究在两个数据集上发现了稳定、可重复的4个AD功能亚型（图2）。每个亚型对应一个代表性脑网络（RFN），分别为前额叶网络、默认网络、扣带回相关网络和基底神经节相关网络。 

　　2. AD亚型功能网络损伤模式 

　　进一步，研究发现4个AD亚型的功能网络损伤模式存在显著差异（图3）。 

　　相比于正常老年人，亚型1具有轻微但弥漫全脑的功能网络异常；亚型2的功能网络异常主要集中于默认网络且伴随前额叶网络的异常升高；亚型3在前扣带回相关的功能网络中存在显著降低，同时具有前额叶网络的异常升高；亚型4的功能网络降低集中于双侧基底神经节，其伴随前额叶网络的异常升高（图3A）。更重要的是，除了弥漫性损伤的亚型以外，其他亚型的特异性损伤模式在MCAD和ADNI数据集上具有高度可重复性（图3B）。除此以外，各个亚型的脑网络损伤特异于其对应的RFN，在其他亚型的RFN中损伤较轻微（图3C）。 

　　鉴于两个数据集间亚型对应的RFN和脑网络损伤模式高度一致性，后续统计将两个数据集进行合并研究。 

　　3. AD亚型人口学及认知特征 

　　在人口学特征上，4个亚型在所有数据站点和数据库中均有分布，并且在性别比例上不存在显著差异。而在年龄分布上，亚型3相对年长于亚型1和亚型2。在认知功能上，亚型1的认知能力最好，亚型3和亚型4次之，亚型2的认知能力最差。进一步利用ADNI的随访信息，发现尽管亚型1认知能力较好，但其疾病进展仍旧很快。认知能力相对差的亚型3的认知能力保持最好。各个亚型在不同的认知领域上具有不同轨迹，例如在视觉空间能力上，亚型1具有比亚型3更慢的下降速度。结果表明识别脑网络的异质性有助于辨别不同的认知损伤模式，未来有望实现更加精准地施以干预措施，更加有效地减缓疾病进程。 

　　4. AD亚型脑萎缩特征 

　　在亚型间的脑萎缩比较上，亚型1显示了最轻的脑萎缩，亚型2显示了最严重的萎缩，亚型3和亚型4具有类似的萎缩程度但具有不同的萎缩模式。亚型1在海马区域具有和其他亚型类似的损伤程度，但在其他脑区具有更轻微的萎缩；亚型2在左侧颞叶、楔前叶以及中央旁小叶上具有最严重的萎缩；亚型3在扣带回具有最严重的萎缩；亚型4在右侧颞叶和枕叶具有最严重的萎缩。结果表明，不同的脑网络亚型对应不同的脑萎缩模式，反映了潜在的不同病理机制。 

　　主要结论 

　　这项研究基于多中心大样本定义了稳定可重复的AD亚型，为AD的异质性研究提供了新的视角，有望在未来利用它们为临床决策提供信息，为AD的精准诊疗和干预奠定理论基础。  

　　中国科学院自动化研究所脑网络组博士研究生陈品东和中国人民解放军总医院的姚洪祥副主任医师为本文共同第一作者。北京邮电大学人工智能学院刘勇教授和中国人民解放军总医院周波副主任医师为本文的共同通讯作者。阿姆斯特丹自由大学的Betty M. Tijms教授，齐鲁医院的王大伟博士、宋承远博士，天津环湖医院的周玉颖教授、韩彤博士、王盼博士，首都医科大学宣武医院的卢洁教授、韩璎教授、杨宏伟博士，解放军总医院的张熙教授、张增强博士，北京航空航天大学博士研究生赵坤,天津医科大学于春水教授，北京师范大学刘冰教授，中国科学院自动化研究所脑网络组的蒋田仔研究员、樊令仲研究员及研究生康孝鹏、杜凯、曲怡达等对本研究亦有重要贡献。 

　　本研究得到了国家自然科学基金、北京市自然科学基金和中央高校基本科研业务费专项资金等项目大力支持。 

　　参考文献 

　　Chen et al., Four distinct subtypes of Alzheimer's disease d on resting-state connectivity biomarkers. Biological Psychiatry, 2022 

　　Jin D, et al.,. Grab-AD: Generalizability and reproducibility of altered brain activity and diagnostic classification in Alzheimer's Disease. Hum Brain Mapp. 2020;41(12):3379-3391.