用多参数MRI和机器学习评估自闭症儿童的淋巴功能和白质完整性
Miaoyan Wang1, Keyi He2,3, Lili Zhang4
1Department of Radiology, Affiliated Children's Hospital of Jiangnan University, Wuxi, China.
European radiology
|January 22, 2025
概括
这项研究发现,使用多参数MRI分析淋巴功能和白质完整性,可以帮助在儿童中检测自闭症谱系障碍 (ASD). 基于这些MRI发现的机器学习模型显示出早期ASD诊断的前景.
科学领域:
- 神经成像是一种神经成像.
- 发育神经科学的发展神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 自闭症谱系障碍 (ASD) 诊断严重依赖于行为评估,往往导致识别延迟.
- 了解ASD的神经生物学基础对于开发客观的诊断工具至关重要.
研究的目的:
- 评估ASD儿童的淋巴功能和白质完整性,使用多参数MRI.
- 根据这些MRI指标,评估机器学习模型在检测ASD方面的性能.
主要方法:
- 对110名患有自闭症儿童和68名对照儿童的多参数MRI数据 (DTI,T1w,T2w) 的回顾性分析.
- 在周脉空间 (aDTI-ALPS),分数异构 (FA) 和PVS体积指数的自动扩散张力成像的提取.
- 使用AutoGluon框架用于ASD检测的机器学习模型的开发.
主要成果:
- 与对照组相比,患有自闭症的儿童表现出较大的周周血管空间 (PVS) 体积和较低的aDTI-ALPS指数.
- 在ASD组中降低的FA值与aDTI-ALPS指数正相关.
- 基于MRI的模型实现了ASD诊断的AUC为0.84,aDTI-ALPS指数与ASD严重程度和发育迟缓相关.
结论:
- 淋巴功能障碍和白质完整性障碍与ASD有关.
- 多参数MRI与机器学习相结合,为客观和早期ASD检测提供了一个有希望的方法.
- 这种方法可以作为临床评估的客观补充,以提高诊断准确度.


