新传媒网哈尔滨工业大学深圳人工智能国际研究院研究团队最近在《健康数据科学》杂志上发表了一篇关于脑网络模型(BNM)在医学领域的应用的综合评论。该研究总结了使用 BNM 模拟大脑活动、理解神经病理机制、评估治疗效果和预测疾病进展的最新进展和挑战。
BNM 是基于神经网络的数学建模工具，它整合了结构连接 (SC) 和功能连接 (FC) 数据，以模拟各种神经条件下大脑的动态变化。随着神经成像技术的进步，BNM 已成为研究癫痫、阿尔茨海默病 (AD) 和帕金森病 (PD) 等神经系统疾病的潜在机制的关键。
该团队由哈尔滨工业大学深圳人工智能国际研究院助理教授叶晨飞带领，回顾了 BNM 在医学领域的当前应用。该回顾重点介绍了 BNM 如何整合多模态神经成像数据来模拟大脑整体动态，并提出了改进措施，例如采用多模态数据融合策略来提高模型在表示大脑复杂功能结构方面的准确性。
该团队开发了一套面向疾病的 BNM 工作流程，该工作流程演示了如何从结构和扩散加权 MRI 数据中提取个体的大脑结构连接组 (SC)，并通过对 MEG、EEG 或 fMRI 数据的统计分析得出功能连接 (FC)。然后，通过将局部神经质量模型 (NMM) 与结构连接数据相结合，构建全局 BNM 来模拟大规模大脑活动。
BNM 的核心价值在于能够定量分析不同疾病状态下脑网络异常动态，为个性化治疗规划提供新的可能性。研究建议，未来 BNM 发展应更加注重个体差异和多模态数据整合，以实现更精准的疾病诊断和治疗策略。
