人在不同年龄阶段都可能受到神经精神疾病困扰,比如儿童期的自闭症,青中年期的抑郁症,以及老年期的阿尔茨海默病等,此类疾病具有复杂的病理机制、显著的临床异质性及漫长的临床前期阶段,这些特点导致其在早期生物标志物识别、精准诊断分型、个性化干预策略制定等方面面临巨大的科学与临床挑战。近年来,随着国际多中心、大样本、多模态神经影像数据库的开放共享与人工智能算法的快速发展,多模态神经影像技术与人工智能的深度结合将成为神经精神疾病精准医学领域的关键研究范式,为疾病早期诊断、预后评价、以及治疗方案动态优化提供了新的理论基础。
2025年5月,北京师范大学心理学部认知神经科学与学习国家重点实验室舒妮教授应邀在最新一期Cell Reports Medicine上发表题为“AI-powered integration of multimodal imaging in the precision medicine for neuropsychiatric disorders”的综述文章,阐述了基于神经影像的多模态人工智能技术在神经精神疾病精准医学中的研究现状及未来展望。
首先,本文针对基于多模态影像AI技术的常见神经精神疾病研究,如阿尔茨海默病、多发性硬化、精神分裂症、自闭症、抑郁症等,依据其研究目的将其归纳为三大类:疾病诊断、预后预测、患者分层(图1)。在疾病诊断方面,多模态影像融合不仅能够提高模型诊断准确率,还有助于开发稳定、敏感的多模态生物标记物;在预后预测方面,尽管现有研究样本量较小,对于多模态AI技术应用尚存在一定挑战,但已有的探索性研究仍能突显出多模态AI的潜在临床价值;在患者分层方面,当前大部分研究基于单模态神经影像数据,但鉴于神经精神疾病病理特征的复杂与多维性,跨模态数据融合将成为解析疾病异质性与精准分型的未来发展趋势。
此外,文章进一步剖析了该领域发展面临的六大主要挑战,包括数据可用性、数据异质性、模型可解释性、类别不均衡、算法偏倚、数据隐私等问题,并分别深入讨论了潜在的解决方案。最后,结合目前AI大语言模型等发展趋势,展望了未来大数据驱动下多模态神经影像分析技术的变革,将如何重塑神经精神疾病的精准诊疗范式;同时强调在转化医学视角下,需为复杂神经精神疾病的预测模型建立更为合理的临床有效性与可用性评估体系,而非单纯追求预测性能指标的最优化。
图1. AI赋能多模态神经影像技术在神经精神疾病精准医学中的应用
该论文被杂志选为本期feature article,舒妮教授为论文通讯作者,已毕业的黄伟杰博士(现任职于南京航空航天大学,副研究员)为第一作者。该研究得到了科技创新2030-“脑科学与类脑研究”重大项目、国家自然科学基金、认知神经科学与学习国家重点实验室开放课题、中央高校基本科研业务费的资助。