數千名兒童的數據已被用來繪製過動症大腦中的連接模式。
該團隊開發了一種查看大腦成像數據的新方法。
圖片來源：DedMityay／Shutterstock.com
利用一種新的分析技術，科學家們能夠研究 6000 多名兒童的大腦影像，以識別注意力不足/過動症 (ADHD) 患者常見的連接模式。
我們的行為大部分都是受控制的大腦不同區域的神經元之間。 神經科學家可以透過觀察靜止狀態下的神經活動來了解大腦區域如何協調複雜的功能。（rs-fMRI）掃描。
「休息狀態」正如其聽起來的意思——這些掃描是在受試者休息時進行的，不要求執行特定的認知任務或思考任何特定的想法。 假設您沒有幽閉恐懼症，也不介意保持完全靜止，這可能是相當愉快的體驗。
rs-fMRI 掃描得出的數據對於研究各種神經系統疾病和病症的科學家來說非常寶貴。 透過比較具有以下條件的個人的掃描結果，例如，對於那些神經質的人，我們希望能夠識別出這可以解釋這些情況的一些特徵。
然而，迄今為止，這類針對過動症的研究一直受到樣本量小和方法不一致的阻礙，因此很難得出任何確切的結論。 俄勒岡健康與科學大學的邁克爾·穆尼最近領導的一項研究試圖改變這一切。
使用多個大型數據集，該團隊開發了一種新的方法來分析覆蓋比以往更廣泛的大腦區域的成像數據。 他們稱之為多神經評分（PNRS）。
他們在論文中解釋道：“我們的研究結果表明，兩個獨立隊列中的全腦連接模式 (PNRS) 與 554 種 ADHD 症狀之間存在密切關聯。”
作者繼續解釋瞭如何使用他們的方法從甚至很小的數據集中收集更好的見解，並且還可以用於識別可能在不同神經和精神疾病之間共享的機制 - 例如，是否可能出現以下情況： ADHD典型的PNRS 可預測症狀？ 這可以幫助識別有風險的患者。
ADHD 的診斷是我們是每天都在了解這種情況，但我們對潛在神經生物學的了解仍然存在一些重大差距。 收集大量成像資料只是難題的一部分 - 您還需要使用這些資料來回答您的問題的方法。 這項研究的作者希望他們的方法能夠使這一目標對於過動症和許多其他疾病更容易實現。
該研究發表於神經科學雜誌。
