近日，来自深圳哈尔滨工业大学国际人工智能研究所的一个研究团队在《健康数据科学》杂志上发表了一篇关于脑网络模型(BNMs)在医学领域应用的综合综述。本研究总结了近年来使用脑脑损伤模型模拟大脑活动、了解神经病理机制、评估治疗效果和预测疾病进展的进展和挑战。
bnm是基于神经网络的数学建模工具，它集成了结构连接(SC)和功能连接(FC)数据，以模拟各种神经系统条件下大脑的动态变化。随着神经成像技术的进步，脑脑卒中在研究癫痫、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方面变得至关重要。
在深圳哈尔滨工业大学人工智能国际研究所助理教授叶晨飞的带领下，该团队回顾了目前bnm在医学上的应用。这篇综述强调了BNMs如何整合多模态神经成像数据来模拟整个大脑动力学，并提出了改进措施，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。
该团队开发了一种以疾病为导向的BNM工作流程，演示了如何从结构和弥散加权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)与结构连接数据耦合，构建全局神经质量模型来模拟大规模的大脑活动。
bnm的关键价值在于能够定量分析不同疾病状态下大脑的异常网络动态，为个性化治疗方案提供新的可能性。该研究提示，未来的BNM发展应更多地关注个体差异和多模式数据的整合，以实现更精确的疾病诊断和治疗策略。
研究小组指出，未来的工作将集中于开发新的BNM模型，能够估计更广泛的神经动力学参数，如突触前输入的分布、频率依赖性突触抑制和突触后神经元的内在兴奋性。最终目标是将这些先进的建模技术应用于临床实践，以优化治疗策略。
更多资料:叶晨飞等，脑网络模型在医学应用中的最新进展:综述，健康数据科学(2024)。DOI: 10.34133 / hds.0157引用本文:大脑网络模型显示个性化医疗的前景(2024,10月7日)检索自https://medicalxpress.com/news/2024-10-brain-network-personalized-medicine.html本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
