Penn的研究表明，儿童神经解剖结构之间的差异可能会为精神疾病的个性化治疗提供依据。机器学习正在帮助Penn Medicine研究人员识别单个儿童的大脑网络的大小和形状，这可能有助于理解精神疾病。

在发表在《神经元》杂志上的一项新研究中， 一个多学科团队展示了每个孩子独特的大脑网络如何预测认知。这项研究使用机器学习技术分析了将近700名儿童，青少年和年轻人的功能磁共振成像(fMRI)扫描，这项研究首次证明了儿童的功能神经解剖学差异很大，并且在开发过程中得到了完善。

人脑在其表面上具有褶皱和脊纹，为寻找大脑区域提供了物理标志。长期以来，人类一直在研究控制认知的功能网络，方法是将激活模式(大脑的软件)排列到这些物理地标的硬件上。但是，此过程假定大脑的功能位于每个人的相同地标上。

这对许多简单的大脑系统都非常有效，例如，控制运动的运动系统通常紧挨着每个人的相同特定褶皱。但是，最近对成年人进行的多项研究表明，负责执行功能的更复杂的大脑系统(包括自我控制和注意力在内的一系列心理过程)并非如此。在这些系统中，功能网络并不总是与大脑的褶皱和山脊的物理界线对齐。相反，每个成年人都有自己的特定布局。直到现在，还不知道随着孩子的成长，这种特定于人的网络可能会发生变化，或者与执行功能有关。

高级作者西奥多·D·萨特斯韦特说：“这项工作的令人兴奋的部分是，我们现在能够确定单个孩子中这些功能网络的空间布局，而不是使用相同的'一刀切”的方法查看每个人。” ，宾夕法尼亚大学佩雷​​尔曼医学院精神病学助理教授。“像成年人一样，我们发现不同孩子之间的功能神经解剖学差异很大-每个孩子都有独特的模式。就像成年人一样，在孩子之间变化最大的网络是执行网络，它们负责调节经常使青少年陷入困境的各种行为，例如冒险和冲动。”

为了研究儿童的功能网络如何发展并支持执行功能，该小组分析了一大批青少年和年轻人(693名参与者，年龄在8至23岁之间)。这些参与者完成了27分钟的fMRI扫描，这是费城神经发育研究队列(PNC)的一部分，该研究是由心理健康研究所资助的一项大型研究。Yong Fan博士实验室开发的机器学习技术 。宾夕法尼亚大学放射学助理教授，论文的合著者，使研究小组可以绘制单个儿童中的17个功能网络，而不必依赖于这些网络的平均位置。

然后，研究人员研究了这些功能性网络如何随着青春期的发展而发展，并与一系列认知测试的表现相关。研究小组发现，这些网络的功能性神经解剖学随着年龄的增长而得以完善，并允许研究人员高度准确地预测儿童的年龄。

“这些网络的空间布局预示着孩子们在执行任务方面的表现如何，”崔在旭博士说 。是Satterthwaite实验室的博士后研究员，也是该论文的第一作者。“在大脑皮层上拥有更多“不动产”的孩子专门负责执行功能的网络实际上在这些复杂任务上表现更好。” 相比之下，具有较低执行力功能的年轻人将较少的大脑皮层投入到这些执行力网络中。

这组作者说，这些结果加在一起，为发展可塑性和多样性提供了新的考虑，并突出了个性化诊断和治疗技术的发展潜力。

Satterthwaite说：“这些发现使我们对这些网络如何形成的发育生物学提出了有趣的问题，并且还为个性化神经调节疗法(例如对抑郁症或注意力问题的脑刺激)提供了潜力。” “这些系统是如何首先放置的?如果我们使用针对他们自己的个人网络的神经调节功能，我们能否为患者获得更好的反应?专注于每个人大脑的独特功能可能会提供重要的前进方向。”