佐治亚州立大学趋势中心的一项新研究可能会导致对阿尔茨海默氏症、精神分裂症和自闭症等严重疾病的早期诊断，从而帮助预防和更容易地治疗这些疾病。在《科学报告》上发表的一项新研究中，来自乔治亚州立大学的七名科学家组成了一个复杂的计算机程序，该程序能够梳理大量的大脑成像数据，并发现与精神健康状况有关的新模式。大脑成像数据来自于使用功能性磁共振成像(fMRI)的扫描，它通过检测血液流动的微小变化来测量大脑的动态活动。

“我们建立了人工智能模型来解释来自fMRI的大量信息，”乔治亚州立大学计算机科学和神经科学副教授、该研究的主要作者Sergey plis说。

他将这种动态成像与电影进行了比较——而不是像x光或更常见的结构核磁共振成像那样的快照——并指出“可用的数据比血液测试或常规核磁共振成像要大得多，丰富得多。”但这就是挑战所在——大量的数据很难解释。”

此外，在这些特定的条件下，fMRI是昂贵的，不容易获得。然而，使用人工智能模型，常规的功能磁共振成像可以被挖掘数据。这些都有很多。

趋势中心的创始主任、该研究的作者之一文斯·卡尔霍恩(Vince Calhoun)解释说:“没有已知临床疾病的个体有大量的数据集。”使用这些大型但不相关的可用数据集可以提高模型在较小的特定数据集上的性能。

卡尔霍恩说:“新的模式出现了，我们可以肯定地将这三种大脑疾病中的每一种联系起来。”

人工智能模型首先在包括1万多人的数据集上进行训练，以学习理解基本的fMRI成像和大脑功能。然后，研究人员使用了超过1200人的多站点数据集，包括自闭症谱系障碍、精神分裂症和阿尔茨海默病患者。

它是如何工作的?这有点像Facebook、YouTube或亚马逊从你的在线行为中了解你，并开始能够预测未来的行为，好恶。计算机软件甚至能够定位到大脑成像数据最有可能与所讨论的精神障碍有关的“时刻”。

为了使这些发现在临床上有用，它们需要在疾病出现之前应用。

“如果我们能在一个40岁的人身上发现并预测阿尔茨海默病风险的标志，”卡尔霍恩说，“我们也许就能对此做些什么。”

同样，如果在大脑结构发生实际变化之前就能预测精神分裂症的风险，就可能有更好或更有效的治疗方法。

卡尔霍恩说:“即使我们从其他测试或家族史中知道某人有患阿尔茨海默氏症等疾病的风险，我们仍然无法准确预测它何时会发生。”“通过在临床疾病出现之前捕捉相关模式，大脑成像可以缩小时间窗口。”

plis说:“我们的愿景是收集一个大型的图像数据集，我们的人工智能模型仔细研究它，并向我们展示它们对某些疾病的了解。”“我们正在构建系统，以发现我们自己无法发现的新知识。”

“我们的目标，”该研究的第一作者、乔治亚州立大学计算机科学博士生Md Mahfuzur Rahman说，“是将大世界、大数据集与小世界和特定疾病数据集连接起来，并朝着与临床决策相关的标记物的方向发展。”