Autism Research | 基于fNIRS技术的自闭症高风险婴儿大脑网络发育研究
自闭症谱系障碍（ASD）是一种复杂的神经发育障碍，全球每100名儿童中大约有1人被诊断为ASD。其核心特征包括社交沟通障碍、重复刻板的行为模式以及对日常环境和行为的高度依赖。近年来，越来越多的研究集中在早期发现和干预自闭症，以期在婴幼儿阶段就能通过科学手段改善其社交和认知发展。研究发现，自闭症的神经发育异常早在出生后不久便开始显现，因此早期识别这些异常对有效干预至关重要。
然而，传统的神经成像技术（如功能性磁共振成像fMRI和正电子发射断层扫描PET）由于设备复杂、对被试者活动要求严格，限制了其在婴幼儿研究中的应用。相较之下，功能性近红外光谱（fNIRS）技术因其便携、无创以及适合小范围脑区监测的特点，成为了研究婴幼儿大脑发育的首选工具。fNIRS通过检测脑组织中的血氧水平变化来反映大脑活动，尤其适用于婴儿期神经发育研究。它不仅能够在日常环境中测量婴儿的大脑反应，还可以在婴儿自然状态下完成实验，从而避免了婴儿因受限环境而产生的焦虑和不安。
本研究旨在通过fNIRS技术评估自闭症高风险婴儿的大脑网络发育，特别关注他们与典型发育婴儿在功能连接上的差异。通过识别这些早期的脑网络异常，我们可以为ASD的早期诊断和干预提供更为可靠的科学依据。
1. 实验方法和材料
1.1 参与者
本研究共招募了两个群体的婴儿，分别是自闭症高风险婴儿（HR-ASD组）和典型发育婴儿（TD组），以对比两组婴儿在大脑网络发育中的差异。具体参与者的筛选标准和信息如下：
自闭症高风险婴儿（HR-ASD组）：该组婴儿的直系亲属中至少有一名成员被诊断为自闭症谱系障碍（ASD），因此这些婴儿被认为具有较高的ASD风险。根据之前的研究，具有家族史的婴儿发展为ASD的可能性显著高于普通婴儿，因此这组婴儿的神经发育特点具有重要的研究意义。
典型发育婴儿（TD组）：对照组婴儿没有自闭症家族史，并且在6个月时发育正常，符合典型的婴儿发育轨迹。该组婴儿作为基线标准，用于与HR-ASD组的脑功能差异进行对比。
所有参与者的家长均签署了知情同意书，研究遵循了伦理委员会的批准程序。每个婴儿均在安静的环境下完成实验，实验过程中确保婴儿的舒适性和安全性。
1.2 fNIRS数据获取
在本研究中，使用的是NIRX公司的NIRScout设备，该设备具有多达57个通道，覆盖额叶、顶叶和颞叶区域。设备通过 760 nm和 850 nm波长的近红外光照射，采集频率为3.29 Hz，能够实时监测婴儿脑区的血氧水平变化，反映出大脑活动。
探头布置在婴儿头皮上，以确保覆盖关键的脑区，包括负责社交认知、语言理解的额叶、颞叶等部位。探头通过非侵入性的方式轻柔固定，确保婴儿在实验过程中感到舒适。
在实验中，婴儿通过视觉和听觉刺激进行脑活动监测。每次实验持续约20分钟，以保证婴儿不会因实验时间过长而感到疲劳或不安。
fNIRS探头的放置。(a) 实验过程中，fNIRS头带被放置在婴儿头部，婴儿坐在婴儿椅上。(b) 头模上的57个通道位置。(c) 根据10-10系统标记了5个月大婴儿头部模板上的大脑皮层区域，fNIRS的光源以红色标记，探测器以蓝色标记
1.3 数据预处理
为了确保数据的准确性，本研究对原始fNIRS信号进行了严格的数据预处理。首先，我们使用带通滤波器（0.01-0.1 Hz）去除了低频漂移和高频噪声，包括由于呼吸、心跳等生理活动产生的干扰。然后，我们通过视觉检查信噪比（SNR）来评估数据质量，并对光密度（OD）进行计算，排除噪声较大的通道。使用伪影校正算法消除由婴儿头部移动引起的伪影，最后将光密度数据转换为氧合血红蛋白（oxyHb）和去氧血红蛋白（deoxyHb）的浓度变化，以进行后续分析 。
1.4 网络构建和指标
功能连接性：为了评估不同脑区之间的功能连接，本研究通过计算每两个通道间的血氧浓度变化相关系数，构建出57x57的相关矩阵。通过Fisher变换将相关系数转换为Z值。然后，研究者使用了阈值化的功能连接矩阵，逐步增加稀疏度（1%至50%）来构建大脑功能网络图。在该网络图中，每个通道作为节点，通道之间的功能连接作为边 。
全局网络指标：为探索大脑网络的全局拓扑结构，计算了四个全局网络属性，包括聚类系数（Cp）、特征路径长度（Lp）、全局效率（Eglob）和局部效率（Eloc）。这些指标用于表征大脑网络的信息传递效率。聚类系数Cp反映了节点的集群程度，特征路径长度Lp衡量节点之间的最短路径长度，而全局和局部效率分别表示信息在整个网络和节点邻域之间传递的效率 。
区域节点指标：除了全局指标外，我们还计算了节点的度（Dnode）和效率（Enode）。节点度表示与某个节点相连的边数，节点效率则衡量该节点与相邻节点之间的最短路径长度。通过这些指标，我们能够识别大脑网络中的功能中心节点，即那些具有较高度数和效率的节点，通常被认为是信息传递的关键节点 。
1.5 数据分析
在数据分析部分，本研究采用了一系列统计方法，以检验自闭症高风险婴儿（HR-ASD组）与典型发育婴儿（TD组）在功能连接性及大脑网络拓扑结构方面的差异。为了比较自闭症高风险婴儿（HR-ASD组）和典型发育婴儿（TD组）在全局和区域网络特性方面的差异，本研究使用了双样本t检验。每个网络指标分别进行统计比较，并采用FDR（False Discovery Rate）校正，以应对多重比较问题。此外，研究者还计算了各个网络全局属性的曲线下面积（AUC），以提供不依赖于特定阈值的整体比较。
最后，为了进一步探索网络属性与自闭症高风险婴儿的行为之间的关系，本研究使用偏相关分析，检验网络属性与婴儿的社交、沟通等行为得分之间的相关性。通过对这些数据的进一步分析，研究者能够更深入地了解自闭症高风险婴儿的早期神经发育轨迹及其对未来行为的影响。
2. 研究结果
2.1 参与者流动
本研究最终纳入了45名5个月大的婴儿和38名10个月大的婴儿。排除标准包括实验中途退出或因运动过多导致的信号噪声。研究排除了20名5个月大的婴儿（EL组14名，TL组6名）和21名10个月大的婴儿（EL组16名，TL组5名）。此外，在10个月EL组中有一名婴儿由于信噪比（SNR）低于5而被移除。在所有纳入分析的数据中，SNR均高于5。平均每名参与者有1.92个通道被视为噪声通道并被剔除，具体剔除情况在不同组别中差异不显著。
a 对于早产儿童，报告的是矫正年龄；对于其他儿童，报告的是实际年龄。b 报告了《交流与符号行为量表——发展概况》中看护者问卷的原始分数。
*p < 0.05，经过FDR校正
2.2 功能连接性
功能连接性通过计算各脑区血氧浓度变化的相关系数得到。分析结果显示，5个月大的EL婴儿在大脑局部连接性上明显高于TL婴儿，尤其是在前额叶和双侧颞叶区域。EL婴儿表现出更多的局部连接，这可能是大脑发育过度的表现。
通过Z值转换后的相关矩阵可视化结果显示，EL婴儿的大脑连接性在某些特定脑区明显增强，特别是在处理社交和情感的脑区。相比之下，TL婴儿在这些区域的连接性相对较弱。
每组HbO的功能连接性。上图展示了每组中所有通道之间的平均相关矩阵。颜色刻度表示r值范围为0.2至0.8。下图展示了相应的r值分布
2.3 全局网络特性
在全局网络分析中，本研究重点关注了几个核心网络指标，包括聚类系数（Cp）、特征路径长度（Lp）、全局效率（Eglob）和局部效率（Eloc）。结果显示，5个月大的EL婴儿在这些全局网络属性上与TL婴儿存在显著差异。具体而言：
聚类系数（Cp）：EL婴儿的聚类系数显著高于TL婴儿，表明其大脑在局部区域的集群性更强。
特征路径长度（Lp）：EL婴儿的特征路径长度显著短于TL婴儿，反映了其大脑信息传递的路径更短，可能意味着局部连接过度。
全局效率（Eglob）：EL婴儿的大脑全局效率低于TL婴儿，表明其大脑整体信息传递效率较低。
局部效率（Eloc）：EL婴儿在局部效率上明显高于TL婴儿，反映出局部区域的功能过度发展。
这些结果表明，5个月大的EL婴儿大脑网络在局部连接性上表现出异常的高效性，但整体的网络信息传递效率较低。
2.4 区域节点特性
在命令任务中，研究采用了两种任务——运动意象和空间导航。运动意象任务要求参与者想象自己在打网球，结果显示，在大多数参与者中，fNIRS检测到了右额叶、左额叶和左缘上回的显著激活。相比之下，空间导航任务（想象走过家中）仅有33.33%的参与者展示了显著的活动。这表明fNIRS在运动意象任务中的敏感性高于空间导航任务。
在区域网络分析中，EL婴儿的大脑网络在双侧颞叶和前额叶区域显示出更高的节点度和效率，表明这些区域的神经连接密度更高。具体来说，EL婴儿在5个月时的节点度显著高于TL婴儿，尤其是在以下脑区：
左半球：通道10、12、18、19、20、21、23、25、29、30。
右半球：通道35、38、39、40、42、48、53、56。
然而，在前额叶区域的通道4处，EL婴儿的节点度低于TL婴儿，显示出局部网络的异常连接。此外，EL婴儿在一些特定的右后侧颞叶区域（如通道54）的节点效率较低。
在1%–50%稀疏性阈值下的全局网络指标。上方图表显示了各组在不同稀疏性阈值下相对于匹配的随机网络的全局网络特性，包括聚类系数Cp、路径长度Lp、全局效率Eglob和局部效率Eloc。下方图表展示了每组网络全局参数的曲线下面积（AUC）的小提琴图分布。**p < 0.01。ST为稀疏性阈值
每组的归一化全局网络特性。柱状图分别表示四个组的归一化数值，误差条表示各组内参与者的标准误差。**p < 0.01
2.5 行为与网络特性的相关性
为了探讨大脑网络特性与婴儿行为之间的关系，研究进行了偏相关分析，控制了年龄组变量。结果显示，在EL婴儿中，通道49的节点效率与社交得分呈正相关，表明该区域的网络属性与婴儿的社交行为表现存在显著关联。其他网络指标与行为得分之间未发现显著相关性。
5个月大时网络区域属性的差异。在5个月大的EL婴儿与年龄匹配的TL婴儿之间发现了节点度和效率的差异。红色圆圈表示在5个月大的EL组中，节点度或效率高于TL婴儿的通道，而蓝色圆圈表示节点度较低的通道（p < 0.05，经过FDR校正）
中等高斯核支持向量机（SVM）模型通过全局网络属性预测EL婴儿和TL婴儿的表现。(a) 左侧图表显示了预测的准确性。(b) 右侧图表展示了EL组和TL组中SVM分类器的受试者工作特征（ROC）曲线
5个月和10个月大EL婴儿的行为-大脑关系，涉及ASD。（a）拓扑图和通道布局。红色圆圈表示通道49的节点效率与社交得分呈正相关。(b) 散点图显示了节点属性与CSBS得分之间的相关性
3. 讨论
本研究利用fNIRS技术评估了自闭症高风险婴儿（HR-ASD组）与典型发育婴儿（TD组）在早期大脑功能连接性和网络拓扑结构上的差异，结果显示，HR-ASD婴儿在功能连接性及网络结构上存在明显的异常。这些差异主要表现在前额叶和颞叶区域的局部连接性显著增强，而全局效率较低。这表明自闭症高风险婴儿的大脑网络在局部区域表现出过度连接性，但整体的信息传递效率较差，可能导致这些婴儿在早期社交和认知行为上表现出潜在的障碍。
这些发现支持了自闭症谱系障碍（ASD）是一种大脑发育异常的观点，尤其是在大脑的关键社交认知网络中，过度的局部连接性和低效的全局连接可能是自闭症早期神经发育异常的标志之一。局部连接的增加可能反映了大脑网络结构的“过度发育”，即某些区域的神经连接显著增强，但这种增强并未带来全局功能的提高，反而可能导致信息在大脑网络中的传输效率降低。这一现象可以解释为什么自闭症儿童在早期社交和语言发展中常常表现出困难。
4.未来研究方向
未来的研究应进一步探索自闭症高风险婴儿的大脑网络发育轨迹，特别是如何通过早期干预减少或逆转这些功能连接异常。由于本研究揭示了HR-ASD婴儿在局部连接性上的增强和全局效率上的降低，后续的研究可以探讨针对性干预手段，如认知训练或社交技能训练，是否能够促进大脑全局连接性的增强并改善其功能效率。通过这些干预方法，或许能够帮助这些婴儿更好地发展社交和语言能力。
此外，结合fNIRS与其他神经成像技术（如EEG和fMRI）的多模态研究，可以进一步解析自闭症婴儿在大脑活动与结构上的复杂关系。通过纵向追踪研究，我们将能够更深入了解自闭症谱系障碍婴儿在不同发育阶段的大脑网络变化，这有助于识别特定的时间窗口，为早期诊断和干预提供参考。
参考文献：Zhang, F., Moerman, F., Niu, H., Warreyn, P., & Roeyers, H. (2022). Atypical brain network development of infants at elevated likelihood for autism spectrum disorder during the first year of life. Autism Research, 15(12), 2223-2237.
一家科研设备供应商及科研技术服务公司，公司致力于为神经科学和脑科学及运动领域研究提供卓越的解决方案及后续技术服务。我们的产品线涵盖了便携式脑电设备、生理多参数仪器、眼动仪、电刺激设备、生物力学跑台以及自行车训练台等领域，为用户提供高品质、高性能的科研工具
南京尖创科技有限公司秉承质量至上，精益求精的服务理念，现已为北京大学，北京师范大学，复旦大学，浙江大学，中国科学技术大学，南京大学，天津大学，深圳大学 ，南京理工大学，东南大学，河南大学，北京理工大学，西安交通大学，中国兵器集团兵器研究所，中国电子科技集团等超过五十所国内高校和科研院所提供了完备的产品服务
