AI 发现与儿童攻击行为相关的脑网络

心理健康 2021年10月29日

121 0 0

人工智能 (AI) 机器学习正在迅速部署，以帮助加速神经科学、心理学和精神病学研究.耶鲁大学附属研究人员在 Molecular Psychiatry 上发表的一项新研究展示了 AI 机器学习如何识别与儿童攻击行为相关的大脑神经连接模式.

据耶鲁大学的研究人员称，这项研究是同类研究中的首创.研究人员写道:“支持情绪调节的额顶网络的中断长期以来一直与儿童适应不良的攻击行为有关." “然而，大规模功能网络与攻击行为之间的连接关联尚未经过测试."

为了开展这项研究，研究人员使用了 129 名儿童的 fMRI(功能性磁共振成像)大脑成像数据，同时执行了一项感知任务，包括观察恐惧和平静的面孔.该任务旨在激活与攻击行为相关的情绪产生和调节所涉及的大脑状态.

使用 AI 机器学习，耶鲁大学的科学家们能够定位神经连接，这些神经连接将有攻击行为历史的儿童与没有攻击行为历史的儿童区分开来. AI 能够识别大脑网络中的模式以预测攻击性行为.

耶鲁大学的科学家随后使用单独的数据集评估了他们的发现，并发现相同的神经网络预测了攻击性.根据这项研究，攻击性的预测指标是与儿童大脑背外侧前额叶皮层区域的异常连接.

这开启了潜在的新型儿童攻击性神经生物标志物的可能性.攻击性行为可能是患有品行障碍、间歇性爆发性障碍 (IED)、对立违抗性障碍 (ODD) 和注意力缺陷/多动障碍 (ADHD) 的儿童的症状.根据美国疾病控制与预防中心 (CDC) 的数据，多动症是美国儿童中最常见的神经发育障碍之一.

这一神经科学概念验证代表着未来通过利用 AI 机器学习的预测和模式识别能力开发儿童精神疾病大脑生物标志物的可能性迈出的重要第一步.

“大规模功能网络的个体差异导致精神障碍儿童适应不良攻击的变异性，"研究人员报告说. “将连接组中的这些个体差异与行为表型的变化联系起来，将促进对儿童适应性不良攻击的神经生物标志物的识别，从而为靶向治疗提供信息."