中科院上海生科院神经科学研究所王征研究组通过利用宏观脑功能联接图谱中隐含的结构化信息，为研究脑影像学生物标记提供了一种新方法。相关研究成果日前在线发表于国际学术杂志《医学成像》。

　　近年来，机器学习在人工智能、互联网等领域取得了突破性进展，也越来越多地应用于解决生物医学问题。机器学习分类算法不仅可辨别正常人和病人大脑网络内在的、带有判别信息的生物标记，也可以分析临床精神类药物和安慰剂对大脑活动干预的差别性生物标记。目前，研究判别性生物标记的方法仍主要采用传统的机器学习算法，而这类通用型算法往往忽视了特定问题中所隐含的结构化信息，导致数据分类判别的灵敏性和特异性均不够理想。

　　在研究员王征的指导下，博士后浦剑和阿里巴巴公司西雅图数据中心王骏等，利用近年来对宏观脑联接图谱的图论研究成果，提出了一种最小化结构正则损失函数的方式，使得算法在求解过程中更加自动倾向于定位出具有特定结构的判别信息，同时过滤掉与生物噪音等相关的孤立特征。

　　研究团队在计算机生成的模拟数据集上的测试算法得到的结果，明显优于单变量统计检验、逻辑回归以及随机算法。同时，基于猕猴磁共振脑功能联接图谱数据，辨别了快速抗抑郁药物氯胺酮和安慰剂对大脑功能网络调控的特征，有助于深入理解氯胺酮的抗抑郁机理。研究人员还应用此算法分析临床重度强迫症病人和正常对照人群的脑功能联接图谱，挖掘了与强迫症病理相关的判别性神经环路特征，这将有助于推动磁共振影像学结果用于精神类疾病的临床诊断。

　　（原载于《中国科学报》 2015-06-11 第1版 要闻)