近年來，腦疾病研究領域涌現了一批大規模神經影像開放數據和國際合作計劃，在腦疾病神經機制探索、疾病早期識別和個體化精準治療研究中扮演了重要作用。相較于小樣本研究，腦影像大數據能極大地提高統計效力，降低研究發現的假陽性率，并促進新研究范式的發展。然而，影像大數據時代也面臨著跨站點數據標準化、隱私保護和數據共享等諸多挑戰。

近日，中國科學院心理研究所嚴超贛研究組系統梳理了神經精神疾病領域的開放神經影像大數據和國際合作計劃，介紹了腦影像大數據在疾病神經機制研究、基于影像的早期診斷、療效預測和精準治療方面的應用，并總結和展望了神經影像大數據面臨的挑戰和有潛力的研究方向。相關綜述論文以“The power of many brains: Catalyzing neuropsychiatric discovery through open neuroimaging data and large-scale collaboration”為題發表在Science Bulletin。The power of many brains既指代海量腦影像大數據推動疾病研究的“眾腦之力”，也指推動大規模國際合作的相關領域研究者的“眾腦之力”。

該綜述系統梳理了ENIGMA、UK Biobank、ANDI、ABIDE、DIRECT (REST-meta-MDD)等神經精神疾病各領域腦影像的開放神經影像數據庫，并總結了目前相關影像大數據在縱向數據、樣本代表性、質量控制等方面的缺陷和不足。基于影像大數據，以規范化建模（normative modeling）為代表的創新研究方法能夠超越傳統case-control研究范式，挖掘更為敏感和穩健的生物標志物，在個體水平進行推斷，有望推動腦影像走向臨床。此外，開放科學框架下的標準化數據格式、數據處理平臺、研究合作架構和研究者社區能夠更好的促進可重復的腦疾病影像學發現。

表1. 神經影像公開數據集

圖1. 當前腦影像大規模數據集的不足

神經影像技術提供了一種非侵入性的方式來觀察大腦結構和功能及其與疾病相關的異常模式。基于開放神經數據集的大規模合作研究為我們提供了關于抑郁癥、雙相情感障礙、精神分裂癥和自閉癥譜系障礙等神經精神疾病的神經生物學基礎的新見解。腦影像大數據集允許研究人員確定具有臨床意義的疾病亞型，識別跨診斷神經異常回路，并開發更準確的診斷算法。基于大數據的深度學習算法已顯示出預測治療效果和指導個體化干預的潛力。

圖2. 基于大數據的重性抑郁障礙神經影像學發現

圖3. 基于腦影像的重性抑郁障礙個體化精準治療概念圖

但是，充分實現神經影像大數據的潛力也面臨著諸多挑戰。設備、掃描參數、質控等因素導致的數據異質性，即“站點效應”，是多中心影像研究中的一大難題。解決方案包括前瞻性實驗設計、標準化預處理、事后統計校正以及機器學習算法等。此外，有效管理海量神經影像數據集也是一項挑戰，需要開發標準化的元數據模式、數據管理協議和索引系統,并采取嚴格的數據保護措施。FAIR指導原則（可找到性、可訪問性、互操作性和可重用性）雖然實施成本較高，但有助于提高科學數據的有效共享和重用性。此外，不同國家和地區指定了不同的數據安全政策，但這些規定需要在保障患者的隱私和高效利用數據間進行更好的平衡。中國研究者正在著力構建大規模腦影像常模，結合回顧性和前瞻性設計，建立多樣化的多中心數據集，致力于探索神經精神疾病個性化的客觀診斷和精準治療的潛在途徑。

該研究得到了科技部科技創新2030“腦科學與類腦研究”項目（2021ZD0200600）、國家自然科學基金項目（82122035, 81671774, 81630031, 32300933）、中國科學院重點資助項目（ZDBS-SSW-JSC006）、北京市科技新星計劃（Z191100001119104，20230484465）、北京市自然科學基金（J230040）、中國科學院心理研究所“揭榜掛帥”項目（E2CX4425YZ）、中國科學院心理研究所科研啟動經費（E3CX1425）、國家留學基金（202104910248）的資助。

論文信息：Lu, B., Chen, X., Xavier Castellanos, F., Thompson, P.M., Zuo, X.N., Zang, Y.F., Yan, C.G. (2024). The power of many brains: Catalyzing neuropsychiatric discovery through open neuroimaging data and large-scale collaboration. Sci Bull (Beijing), 69(10), 1536-1555, doi:10.1016/j.scib.2024.03.006.