自闭症经常伴随强迫症、注意力缺陷多动症等，这给临床诊断带来巨大挑战。

6月17日凌晨，《美国精神病学杂志》（《American Journal of Psychiatry》期刊）在线发表了由中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、上海脑科学与类脑研究中心、神经科学国家重点实验室王征研究组与中国科学院自动化研究所赫然课题组合作的一项研究。该研究整合了非人灵长类动物模型与精神疾病患者的磁共振影像数据，国际上首次设计猴-人跨物种的机器学习分析流程，为自闭症、强迫症的影像学精准诊断提供了新证据，开辟了利用非人灵长类模型服务临床应用的新途径。

自闭症（ASD）是一种神经系统失调的发育性疾病，具有高度的异质性，同时自闭症患者常伴随强迫症（OCD）、注意力缺陷多动症（ADHD）等并发症，这给临床诊断和病理机制研究带来巨大的挑战。

非人灵长类模式动物与人类在脑结构与功能上较为接近，研究人员前期发现转基因灵长类动物模型能够表现出与人类临床患者类似的症状表型，如MECP2过表达的猕猴表现出重复刻板行为、社交行为障碍等类自闭症症状（Nature, 2016），且在大脑环路上的异常也与部分自闭症患者相似（J Neurosci，2020）。

中科院脑科学与智能技术卓越创新中心在2016年构建出了世界上首个非人灵长类自闭症模型，MECP2基因过表达的猕猴表现出重复刻板行为、社交行为障碍等类自闭症症状，且在大脑环路上的异常也与部分自闭症患者相似。在此基础上，研究人员大胆假设灵长类物种间可能的进化保守的特征，利用磁共振影像技术对5只转基因猕猴和11只野生型猕猴进行脑部扫描，识别与MECP2基因相关的9个核心脑区，再将这些核心脑区一对一映射到人类磁共振影像脑功能图谱上，构建出跨物种可迁移的分类预测模型，分别用于人类自闭症、强迫症和注意力缺陷多动症患者的诊断分类。

研究发现，该模型区分自闭症患者和正常人的准确率达到82.14%，对人类强迫症患者的分类准确率达到78.36%，显著优于基于人类自闭症和强迫症患者建立的预测模型，但对于人类注意力缺陷多动症患者的诊断没有显著提升。

一直以来，由于诊断准确率太低且特异性差，影像技术目前尚未用于精神疾病的临床诊断。该研究相关人员表示，此项研究在猕猴与人之间建立了桥梁，利用猕猴模型可以帮助到人，特别是未来可能有助于推进自闭症儿童的早期诊断，从而可以尽早接受治疗包括认知行为训练等等。

此项工作由王征研究员和赫然研究员共同指导博士研究生詹亚峰和卫建泽合作完成，期间得到了英国剑桥大学Trevor Robbins教授，复旦大学附属儿科医院徐秀主任的鼎力合作支持，同时也得到了中科院自动化所谭铁牛院士的指导帮助，及中科院昆明动物所的大力支持。本工作受到科技部，国家自然科学基金，中国科学院，上海市和广东省的资助。

（A）脑功能连接图谱的特征构建猴-人跨物种机器学习分类器；（B）在猕猴模型中学习得到的9个脑区；（C）基于9个脑区构建的跨物种机器学习分类器与基于人ASD数据构建的分类器对ASD、OCD和ADHD的分类性能ROC曲线；（D）ASD和OCD共享的神经环路内表型以及与疾病特异的临床症状相关的异常。

编辑 张克