0 引言

       自闭症谱系障碍疾病（autism spectrum disorder, ASD）是一种神经发育障碍性疾病，其核心症状包括社交障碍以及重复、受限的行为^[1]。2022年美国疾病控制与预防中心的数据表明8岁儿童ASD的患病率为1/31。根据国家卫生健康委《0~6岁儿童孤独症筛查干预服务规范（试行）》的数据显示，截至2022年，我国儿童ASD患病率约为7‰。ASD的患病率在全球范围内持续上升^[2]。据统计，超过70%的ASD患者需要终身护理，每位ASD患者的平均终身成本约为360万美元，给家庭和社会带来了巨大的经济负担^[3]。然而目前ASD的诊断主要依赖于主观性较强的量表和耗时较长的行为评估，这些诊断方式在客观性和时效性上均存在一定局限。此外，ASD的高度异质性、共病以及ASD症状随时间的演变都可能掩盖对该疾病的诊断。

       神经影像学的快速发展给我们带来了新的希望。磁共振成像作为ASD研究的主要手段，已被广泛用于研究ASD患者的脑结构/功能变异并寻找潜在的生物标志物去指导诊治。遗憾的是，ASD的机制仍未有明确的定论。目前研究人员所提出ASD潜在的机制有：兴奋/抑制（excitation/inhibition, E/I）失衡、脑网络连接异常、神经炎症等，这些脑机制都可以通过神经影像学来表现出来。本文系统综述了近些年来ASD的神经影像学研究进展，阐述其影像学改变所反映的临床意义及潜在的脑机制，以期为进一步研究提供帮助，促进多模态影像技术的发展以及脑机制的探索。

1 ASD神经影像学的改变与脑机制

1.1 结构磁共振成像

       结构磁共振成像（structural magnetic resonance imaging, sMRI）主要基于三维T1加权成像（3D-T1 weighted imaging, 3D-T1WI）技术，很早就已经应用于ASD研究，并已经识别出多个结构上的差异，包括灰质体积、皮层厚度、脑室体积、表面积及灰白质对比度（gray-white matter contrast, GWC）等。这些结构改变不仅为研究ASD脑机制提供了重要线索，其显著差异脑区也被视为潜在的生物标志物。

1.1.1 灰质体积

       巨脑症是ASD早期的发现之一，与不同年龄段的典型发育儿童相比，ASD儿童的头部生长速度更快^[4]，是ASD异常脑机制在解剖学上的具体表现。前期的研究表明ASD患者大脑总体积的增加主要来自灰质，而非白质。有综述也证实^[5]，ASD皮层下灰质体积普遍增大，其中杏仁核、丘脑、海马体是差异最显著的脑区。XU等^[6]通过基于体素的形态测量（voxel-based morphometry, VBM）同样发现了局部灰质体积的增大，具体表现在颞上回、颞中回以及海马区域。一项纵向研究^[7]表明，在6~24个月期间已确诊的ASD婴儿的杏仁核表现出更快的生长速度，到12个月体积就已经显著大于同年龄的高风险未确诊组、低风险典型发育组以及脆性X综合征组，而社交症状的出现往往在24~36月龄，也就是说包括杏仁核的体积增大在内的一系列神经发育异常最终导致临床症状的出现。

       综上所述，多项研究都得出局部灰质体积的增大，且这种变化往往早于临床症状的发生，因此这或许是一个渐进性变化的过程。这种早期、渐进性的神经结构改变提示我们，在临床症状显现之前，大脑可能已经经历了长时期的神经适应性重组或早期病理积累过程。

       此外，ASD的灰质体积改变并非单向增加，其时空异质性已在多项研究中得到印证。ANTERAPER等^[8]发现ASD患者右半球小脑灰质减少，颞叶灰质增多。WANG等^[9]的研究表明ASD在不同发育阶段呈现特异性灰质体积异常：儿童期（6~12岁）表现为右侧颞上回和右侧顶下小叶灰质体积缩小，青少年期（13~18岁）出现左侧顶下小叶灰质体积增大，成年期（19~30岁）则显示右侧枕中回灰质体积增大伴随左侧后扣带回灰质体积减小，该研究表明ASD的脑结构异常具有显著的年龄依赖性特征。

1.1.2 皮层厚度

       在典型发育个体中，平均皮层厚度在出生前迅速增加，在1.5~2岁之间达到峰值，随后在生命周期中经历长期的皮层变薄^{[10, 11, 12]}。145个队列的大数据研究表明，ASD与包括多种精神障碍共享一个皮层厚度差异的模式，表明这些疾病可能有相同的脑机制；他们还发现，ASD中皮层厚度的差异与锥体细胞、星形胶质细胞和小胶质细胞的基因表达模式存在关联^[13]。这种关联似乎可以通过“两次打击”假说去解释，即产前神经发育的异常降低了产后第二次应对打击的阈值，出现突触可塑性的异常、神经系统的炎症反应等。因此，同灰质体积相似，ASD的皮层厚度的发育异常可能也是一种长期累积的代偿性改变。

       自闭症个体的皮层厚度具有高度的个体间变异。ANDREWS等通过一项纵向研究^[14]分析了290名ASD儿童和139名非ASD儿童在2-13岁期间的皮层厚度及其变薄轨迹，发现了ASD女性在早期儿童期（约3岁）表现出更广泛的皮层增厚和更快的皮层变薄，而ASD男性的皮层厚度差异相对较小且变薄速度较慢，表明皮层厚度的发育轨迹呈现性别差异。这种性别差异的神经发育轨迹的变化在Bruce的一项动物实验中也被证实，其sMRI分析得出雌雄暴露组在感觉皮层、小脑等区域的差异^[15]。除了性别差异，WU等^[16]的研究表明双侧颞上回的体积和右侧颞上回的平均皮质厚度显示出显著的年龄与诊断交互效应，这表明ASD个体的脑发育轨迹可能在儿童期就已经显示出差异，印证了Andrews的试验结论。

1.1.3 其他

       除此之外，ASD群体在脑回、表面积、脑室以及灰白质对比度等方面还表现出差异。ARUTIUNIAN等^[17]的研究表明ASD儿童在多个脑区的脑回指数（gyrification index, GI）显著增加，特别是在左半球的中央前回、中央后回和右半球的顶下小叶，且ASD儿童语言相关脑区的脑回指数与其语言功能显著相关。PRETZSCH等^[18]间隔12~24个月观察ASD与HC脑结构的变化，发现两者在颞叶、顶叶和枕叶区域的表面积存在显著差异。GODEL等^[19]在研究ASD高危幼儿的神经发育特征时，发现ASD的诊断结果与12至24个月期间广泛增加的GWC有关。另有多项研究^{[20, 21, 22]}都发现了ASD患者存在脑室体积的增大。

       综上所述，前期灰质体积和皮层厚度的增加可能是导致巨脑症的原因之一，且往往早于临床症状出现，具有时空异质性和动态演变的特点；此外，ASD还表现出了广泛而复杂的脑结构改变，这些一同构成了ASD复杂的脑发育机制。然而，这些脑结构的改变是如何逐渐导致临床症状的产生，究竟是一种神经炎症的代偿，还是其他尚未明确的机制所致，还需要更多的研究去探索。

1.2 扩散张量成像和扩散峰度成像

       扩散张量成像（diffusion tensor imaging, DTI）在非侵入性探测白质组织微观结构方面显示出巨大潜力，其通过测量水分子在组织中的扩散特性来推断白质纤维的走向和完整性，常用于研究脑白质连接和神经通路的异常。

       一项基于DTI的综述分析^[23]得出，ASD儿童胼胝体、钩束、扣带束、下纵束和上纵束的各向异性分数（fractional anisotropy, FA）升高，径向扩散率（radial diffusivity, RD）降低，在额枕下束中，FA降低，RD升高。PETERSON等^[24]的研究指出轴突密度降低以及髓鞘化减少可能是白质DTI指数异常的基础，导致传递信息的“通道”减少，传导速度减慢。此外，白质的结构异常还同临床症状密切相关。有研究表明^[25]高风险ASD儿童多个白质纤维束的连接与情绪调节能力显著相关，且FA和平均扩散率（mean diffusivity, MD）对自我刺激行为具有显著预测作用。WANG等^[26]的研究发现，左侧下纵束的FA与量表评分相关，该区域髓鞘完整性越低，自闭症状越严重。

       与DTI相比，扩散峰度成像（diffusional kurtosis imaging, DKI）引入了峰度指标以捕捉非高斯分布的信号，更适用于研究复杂的微结构。SUI等^[27]发现ASD患者胼胝体的轴突密度和直径显著降低，同PETERSON等的研究结论相同。而这些白质的损伤可能影响到了功能连接（functional connectivity, FC），NAGAI等^[28]发现ASD在右侧放射冠等区域的平均峰度（mean kurtosis, MK）、轴向峰度（axial kurtosis, AK）升高，且与小脑蚓部和右侧眶额回梭状部之间的FC显著相关，也就是说所观察到FC的异常可能源于白质纤维束微观结构的改变；此外，MK的增加表示组织微环境变得更复杂，AK增加代表白质纤维损伤和轴突密度降低，这些变化也可通过神经系统的炎症反应解释，进而导致远程连接受损。

       DTI和DKI的研究揭示ASD白质微结构异常影响了脑区连接与信息整合，使得ASD患者的认知、感觉、运动等高级功能异常，而更深层次的机制可能是神经系统的炎症反应。

1.3 功能磁共振成像

       功能磁共振成像（functional magnetic resonance imaging, fMRI）通过检测与神经元活动相关的血流变化[血氧水平依赖（blood oxygenation level dependent, BOLD）]来间接反映大脑的功能状态，其主要分为两大类：静息态功能磁共振成像（resting-stage fMRI, rs-fMRI）和任务态功能磁共振成像（task-based fMRI, t-fMRI）。

1.3.1 rs-fMRI

       rs-fMRI因其无需任务执行、参与者协作较少以及数据采集相对容易的优势被研究人员大量用于神经系统疾病中，包括注意缺陷多动障碍、阿尔茨海默病、精神分裂症和帕金森病等。rs-fMRI常用的指标包括功能连接FC、局部一致性（regional homogeneity, ReHo）和低频振幅（amplitude of low-frequency fluctuations, ALFF）等。

       大脑是一个高度整合的系统，依赖不同脑区之间的功能连接实现协同运作。FC是衡量不同脑区之间时间序列相关性的指标，揭示了大脑在静息状态下各区域之间的功能协同关系，从而反映大脑网络的组织结构和信息整合能力。既往的研究结果表明，ASD患者同时存在低连接和高连接模式^[29]。HAGHIGHAT等^[29]的研究证实了这一点，他们将ASD被试分为三个年龄段（儿童<11岁、青少年11~18岁、成人>18岁）入组，发现ASD儿童在小脑和脑干表现出较高的内连接，而青少年和成人则同时表现出高连接和低连接。ANTERAPER等^[8]的进一步探索性分析发现，右侧小脑灰质减少的区域存在FC异常，主要涉及注意和视觉网络，颞叶灰质增多的区域导致任务网络内部FC减弱及任务-默认网络整合失调，并且可能与ASD社会认知缺陷相关。这可能说明灰质结构的改变会进一步破坏神经网络的功能整合。

       除了网络内连接的差异外，ASD的大脑网络之间也存在连接的非典型性。ZHOU等^[30]研究发现边缘网络（limbic network, LN）与皮层下网络（subcortical network, SN）之间的FC增加，与默认模式网络（default mode network, DMN）之间的FC降低。CHEN等^[31]的研究也发现ASD在网络间（视觉和感觉运动网络）FC的异常，并发现这种异常连接与ASD症状的严重程度相关，说明神经网络FC的变异有可能参与了ASD早期症状的发展。

       ReHo基于肯德尔协调系数，通过计算给定体素与其邻近体素时间序列的相似性来表征局部活动的同步性。ReHo的异常广泛存在于ASD的脑区，LAN等^[32]发现ASD组在右侧距状裂的ReHo值增加，而在左侧额下回、左侧颞中回、左侧角回和右侧内侧眶额皮层的ReHo值降低，涉及视觉与语言相关的脑区。YUE等^[33]和XIE等^[34]的研究表明局部脑区ReHo值与临床症状之间存在密切关联，比如右侧楔前叶的ReHo值与社交评分显著相关，为临床评估和疗效监测提供了潜在的生物标志物。除此之外，MA等^[35]的研究还发现了局部白质区域ReHo显著降低，并且结构-功能耦合显著减弱，反映了在白质区域也存在自发脑活动的异常以及白质功能的异常整合。综上所述，ReHo不仅可以判断脑区局部活动的同步性，还与临床症状相关。

       ALFF是BOLD信号在低频范围（0.01~0.10 Hz）内的振幅，代表脑自发活动的强度，fALFF是ALFF的标准化版本，减少了生理噪声的影响，提供了更具体的自发性脑活动测量。ALFF通常与ReHo联合运用，以更全面地评估大脑功能活动。静息状态下，ASD患者局部脑区的自发性活动存在广泛的异常。LI等^[36]的研究表明，小脑4、5、6区以及蚓部4、5区的ReHo、ALFF与社会反应量表（Social Responsiveness Scale, SRS）的多个维度（如意识、沟通和动机）呈正相关，而蚓部1、2区的平均ALFF值与SRS总分、意识和行为方式维度呈负相关。亲子互动作为早期环境因素之一，对儿童的社会和情感发展具有深远影响。XUE等^[37]的研究表明ASD儿童的亲子互动频率显著低于HC，且与ASD严重程度呈负相关，与ASD儿童的发育商数呈正相关。此外，他们还发现，左侧中扣带回和旁扣带回的ALFF值以及右侧内侧额上回的ReHo值在亲子互动与发育商数之间起完全中介作用，也就是说亲子互动通过影响特定脑区的功能活动，进而影响ASD儿童的发育水平。除此之外，DENG等^[38]发现社交偏好关键脑区（内侧前额叶皮层、杏仁核以及伏隔核）的fALFF值显著降低，并发现了这些脑区与全脑存在传入、传出连接受损。

       以上，ReHo和ALFF属于rs-fMRI中局部分析的常用指标，FC属于全脑整合分析的手段。此外，在整合分析的手段中，还有一种图论的方法同上述指标一样可以用来研究ASD潜在的脑机制^[39]。这些研究表明ASD患者存在脑网络功能连接、协同整合、自发性活动的异常。作为连接基因与行为的中间表型^[40]，这些影像特征对纵向整合ASD研究具有重要的桥梁作用。

1.3.2 t-fMRI

       t-fMRI为研究人员提供了极大的灵活性，他们可以根据研究目的精心设计任务，以深入观察和比较ASD患者在任务执行期间的脑部活动模式，进而揭示其神经机制的特殊性。感官过度反应（sensory over-responsivity, SOR）在ASD群体中非常常见，常与更严重的社交困难有关。PATTERSON等^[41]设计听觉干扰任务以观察ASD情绪处理表现，结果显示ASD青少年杏仁核、岛叶和初级感觉区域的活动显著增加，表明ASD个体在处理感官干扰时表现出非典型的神经活动模式；而通过观看自己情绪面孔的视频（启动策略），内侧前额叶皮层的激活显著增强，表明感官环境和注意力引导策略在ASD个体情绪面孔处理中起重要作用。LAWRENCE等^[42]发现ASD女性青少年在社交奖励刺激下表现出与男性患者相反的神经激活模式：其伏隔核显示出更强的与奖励相关神经活动，相比于非ASD女性在侧前额叶皮层和前脑岛也呈现超激活状态，这首次揭示了自闭症患者的社会奖励敏感性降低现象存在性别特异性。相较于rs-fMRI来说t-fMRI往往只适用于年龄较大、高功能的儿童和青少年，因此应用范围存在一定的局限性，难以进行大样本的研究，但其独特的任务模式可以将神经影像学的改变与临床症状连接起来，为理解ASD核心症状背后的脑机制提供了关键的因果证据。

1.4 磁共振波谱

       RUBENSTEIN等^[43]的研究表明，E/I失衡是ASD潜在的神经生理机制。该理论认为，ASD患者的E/I失衡影响了突触可塑性，进而导致脑网络整合的异常。磁共振波谱（magnetic resonance spectroscopy, MRS）是一种非侵入性成像技术，能够定量检测活体大脑中代谢物的浓度，包括谷氨酸（glutamate, Glu）、谷氨酰胺（glutamine, Gln）、γ-氨基丁酸（γ-aminobutyric acid, GABA）、N-乙酰天冬氨酸（N-acetylaspartate, NAA）、肌酸（creatine, Cr）、肌醇（myo-inositol, Ins）和胆碱（choline, Cho）等。一项Meta分析总结得出，ASD中GABA和NAA的浓度显著降低，GABA是人体内重要的抑制性神经递质，它的减少印证了E/I失衡的假说^[44]。为了探究这种递质的不平衡是如何参与到ASD复杂的脑机制中的，OYA等^[45]设计了MRS和正电子发射断层扫描（positron emission tomography, PET）联合试验，发现了ASD的前扣带回皮层中Glu、Gln和Ins水平显著升高，并且Gln与Ins水平呈正相关。Gln是Glu的代谢产物，其合成主要发生在星形胶质细胞中，提示星形胶质细胞激活可能参与了这个过程。HEGARTY等^[46]的研究发现，ASD小脑-背外侧前额叶皮质之间的FC与小脑的E/I呈正相关，他们认为是由于ASD浦肯野细胞数量减少导致小脑对大脑的抑制性调控减弱，进而影响两者之间的连接。是因为浦肯野细胞的正常功能依赖于小脑的E/I平衡，所以这种功能连接的改变与E/I平衡的破坏有关。这是首次将E/I的假说与功能连接一同研究的实验，但该研究的样本量较少，不具有普遍性，需要更多的研究去探索两者之间的关联。

       研究人员还利用MRS无创性的优势来评估药物治疗的效果^[47]，发现ASD患者左侧背外侧前额叶皮层（left dorsolateral prefrontal cortex, LDLPFC）的NAA水平与美金刚的治疗反应显著相关，且LDLPFC的Glx和Ins水平联合预测了治疗后的社交改善效果。康倩倩等^[48]的研究表明ASD儿童左侧丘脑NAA/Cr和右侧小脑Cho/Cr均与听力-语言和手眼协调能力呈正相关，此外右侧小脑中Cho/Cr还与个人-社交呈正相关，提示局部脑区的代谢物浓度与ASD临床症状间存在关联，代谢物可做为临床判断ASD严重程度的指标。

1.5 其他

       PET也常被用于ASD脑机制的研究中，目前主要集中于大脑中血清素、多巴胺和GABA的分布和对称性等方面^[49]。MURAYAMA等^[50]通过结合PET和fMRI技术，首次在ASD成年男性中测量了纹外多巴胺D2/3受体的可用性，并发现ASD个体在纹外多巴胺通路中D2/3R可用性显著降低，尤其是在丘脑后部，且D2/3R可用性降低与ASD患者社会交往症状的严重程度呈显著负相关。OYA等^[45]通过PET与MRS的联合研究还发现了在ASD与HC的前扣带回皮层中，多巴胺D1受体（dopamine D1 receptor, DA D1R）结合水平与Gln含量均呈负相关，他们推测，ASD与HC的前扣带皮层中可能存在依赖DA D1R抑制Gln合成的生理机制。而在ASD大脑中，反应性星形胶质细胞可能绕过多巴胺能神经元的抑制作用，过度激活Gln合成，从而导致E/I平衡失调。然而，由于放射性示踪剂在幼儿中使用受限，多数数据都来自成人，因此PET的研究受到限制，未来可与MRS、多核磁共振协同探索ASD的E/I失衡的假说。

       相较于BOLD信号，动脉自旋标记（arterial spin labeling, ASL）可以直接客观地测量局部和全局脑灌注强度和血流量。近期的一项ASL研究表明学龄前ASD儿童存在广泛脑区的脑血流灌注下降，涉及的脑区随着年龄增加而扩大^[51]。ASD脑区的血流以减少为主，PETERSON等^[24]的研究发现了较深部的白质区域（如前冠状辐射、内囊、外囊等）出现局部脑血流量增加，这种增加可能是一种代偿机制，以维持受损白质轴突的能量状态。

       功能性近红外光谱（functional near-infrared spectroscopy, fNIRS）同fMRI技术一样，都是基于BOLD信号的技术，近年来被广泛应用于脑活动的研究。fNIRS具有非侵入性，对身体运动的耐受性和高度便携性的优点，尤其适合ASD患者的研究。LIN等^[52]通过fNIRS技术，发现静息状态下ASD儿童的氧合血红蛋白和脱氧血红蛋白耦合显著弱于HC儿童，并进一步通过气球模型模拟验证了这一现象，ASD脑血流的减少或许可以通过两者耦合模式的改变来解释。

2 人工智能与多模态影像的结合

       现代影像技术的发展，使得研究人员能够获取的信息远不止于解剖结构，更扩展至血氧、血流、神经连接等多维度指标。然而，仅凭人眼根本无法实现早期诊断的目标，且大规模数据的处理也给研究人员带来了巨大挑战。

       机器学习（machine learning, ML）算法被应用于ASD的辅助诊断，将ML算法与神经影像数据结合以提取和分类ASD的众多神经影像学特征，从而识别该疾病。KOC等^[53]通过卷积神经网络（convolutional neural network, CNN）模型提取sMRI信息，循环神经网络（recurrent neural network, RNN）模型提取rs-fMRI信息，将两者混合后加入自闭症诊断观察量表（autism diagnostic observation schedule, ADOS）（ASD诊断的金标准）评分进行优化模型，最终实现96.02%的准确率，也侧面验证了神经影像特征与临床行为表型的强相关性。Kaur提出的一种轻量级CNN模型，同样是提取sMRI和rs-fMRI的信息，将其应用于ABIDE数据集上的9520例数据上，实现了99.92%的准确率^[54]。除此之外，还有提取sMRI和DTI、ASL的信息，也实现了较高的准确率^{[55, 56]}。

       由此可见，机器学习与神经影像学联合应用不仅大大提高了ASD的早期诊断的准确率，还可以作为大规模数据分析的工具，在未来ASD的研究中或许可以发挥关键作用。

3 总结与展望

       神经影像学是ASD的研究中不可或缺的一部分。综上所述，神经影像学的改变不仅与ASD临床症状存在显著关联，更能直观呈现脑结构/功能的异常，推动人们去思考这些改变之下更深层次的机制。fMRI展现出ASD患者脑网络连接、协同整合及自发性活动的异常模式，似乎是多种脑机制假说的最终解释点，也就是说ASD的机制最终归结到脑网络的问题上。脑网络的异常改变下更深层次的机制，是炎症因子的作用，又或是其他未知的机制，还需要更多的研究探索。

       然而，ASD的高度异质性、共病以及被试的异质性等因素导致研究结论难以统一且难以复制，限制了脑机制的研究和标准化治疗方案的制订；此外，ASD目前的研究重点包括其复杂的遗传结构、脑网络以及识别早期生物标志物等，但由于这些研究相对独立，缺乏整合，也阻碍了ASD脑机制的研究。要实质性地攻克这些难题：首先，在横向层面上，深化多模态影像的协同分析，整合多种互补技术；其次，在纵向层面上，整合基因-脑-行为框架，阐明临床异质性背后的脑机制以及更深层次的基因变异，除此之外，充分发挥人工智能的关键作用，分析大数据，构建个性化模型，以期实现精准诊断、个性化干预。