編譯丨王聰

編輯丨王多魚

排版丨水成文

神經精神疾病具有復雜的病理機制、顯著的臨床異質性以及漫長的臨床前期，這給早期診斷和精準干預策略的制定帶來了挑戰。

隨著大規模多模態神經影像數據集的發展以及人工智能（AI）算法的進步，將多模態成像與 AI 技術相結合已成為早期發現神經精神疾病以及為其量身定制個性化治療方案的關鍵途徑。

2025 年 5 月 20 日，北京師范大學舒妮教授、南京航空航天大學黃偉杰副研究員在 Cell 子刊Cell Reports Medicine上發表了題為 ：AI-powered integration of multimodal imaging in precision medicine for neuropsychiatric disorders 的綜述論文。

在這篇綜述中，作者概述了多模態神經影像技術、人工智能方法以及多模態數據融合策略，強調了基于神經影像數據的多模態人工智能在神經精神疾病精準醫療中的應用，并探討了其在臨床應用中的挑戰、新興解決方案以及未來的發展方向。

神經精神疾病，例如阿爾茨海默病、自閉癥、抑郁癥等，如同一幅復雜的拼圖：癥狀多樣、病因隱蔽，傳統診療方法常陷入“看不清全貌”的困境。近年，科學家們找到了一把新鑰匙——通過人工智能（AI）整合多模態神經影像技術，讓精準醫療在神經疾病領域邁出革命性一步。

一、多模態神經影像：給大腦做“全維度體檢”

傳統的單一腦部檢查如同“盲人摸象”，而多模態影像技術能從結構、功能、分子三個維度全面解碼大腦：

• 結構影像（例如 MRI）：高清呈現腦組織體積、皮層厚度，發現萎縮或異常增生；

• 功能影像（例如 fMRI、腦電圖）：捕捉神經元活動信號，繪制“腦網絡通信圖”；

• 分子影像（例如 PET）：追蹤淀粉樣蛋白等病理標志物，提前 10-20 年預警阿爾茨海默病。

例如，自閉癥兒童在 2 歲出現行為異常前，磁共振成像（MRI）已能檢測到出生后的皮層過度生長，為早期干預爭取黃金時間。

多模態神經影像技術與分析

二、AI如何成為“拼圖高手”？

面對海量異構數據，人工智能（AI）展現三大絕技：

1、特征融合術

早期融合（直接拼接數據）、中期融合（分層提取特征）、晚期融合（綜合決策），像智能拼圖師般整合不同影像信息。

2、深度學習模型

• 卷積神經網絡（CNN）：識別腦結構細微變化；

• 圖神經網絡（GNN）：解析腦網絡連接模式；

• Transformer：處理跨模態時空關聯。

3、臨床預測神器

在 ADNI 等大型數據庫中，多模態 AI 模型將阿爾茨海默病早期診斷準確率提升至 92.7%，比單模態提高 15% 以上。

三、實戰成績單：AI正在改變什么？

1、精準診斷

結合磁共振成像（MRI）與正電子發射斷層掃描（PET），區分阿爾茨海默病與路易體癡呆的準確率達 87%；融合腦電圖與功能影像，對癲癇發作預測準確率超 98%。

2、預后預測

通過腦結構與功能網絡特征，AI 可預測抑郁癥藥物療效（準確率89%），判斷認知衰退速度，甚至估算“大年齡”評估疾病風險。

3、患者分型

在 2000+ 例雙相情感障礙患者中，AI 發現 3 種亞型，為個性化治療指明方向。

多模態AI在精準醫療中的應用

四、挑戰與突破：通往臨床之路

神經影像數據在精準醫療中的多模態整合所固有的挑戰大致可分為三類：數據可用性、數據異質性以及AI 模型的可解釋性。

當考慮多模態神經影像學時，這三個挑戰會顯得更為突出。在 AI 應用于神經影像學方面，還存在三個廣泛存在的挑戰：類別不平衡、算法偏差和數據隱私。這六類挑戰以及克服它們的潛在策略如下圖所示。

多模態整合的挑戰

五、未來研究方向

近年來，人工智能領域見證了深度學習技術在多模態特征融合方面的廣泛應用。基于深度學習的方法在跨各種應用集成多模態數據方面已顯示出令人矚目的成果。

1、Transformer 革命：類 ChatGPT 的跨模態模型，或將統一處理影像、基因、臨床數據；

2、動態監測網絡：實時追蹤腦網絡變化，捕捉疾病轉折點；

3、臨床落地閉環：開發輕量化模型，讓 AI 助手嵌入 MRI/PET 設備，快速內輸出輔助報告。

總體而言，現有的研究對臨床有效性和臨床可用性的考量不足。未來的研究應當將這些臨床概念結合起來，開發出能夠真正應用于臨床實踐的人工智能模型。

在過去十年中，利用多模態神經影像的人工智能方法在推進神經精神疾病精準醫療方面取得了顯著進展。研究一致表明，在各種診斷和預測任務中，結合多模態神經影像數據的人工智能模型優于單一模態的模型。盡管取得了這些進展，但要從研究過渡到臨床應用仍需克服若干挑戰。諸如人工智能系統的可解釋性、算法偏差和數據隱私等關鍵問題仍未得到充分探索，需要進一步關注。此外，解決與數據可用性、數據異質性和類別不平衡相關的問題對于推進基于多模態神經影像的穩健人工智能模型的發展至關重要。盡管該領域仍在不斷發展，但由多模態神經影像驅動的人工智能的潛力是毋庸置疑的。它作為神經精神疾病精準醫療未來的一個有前景的方向，為更高效、更精準和更普遍可及的疾病檢測和治療策略提供了前景。

論文鏈接：

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00205-8