精神疾病严重影响患者的社会功能，并可造成重大社会经济负担，其中认知功能损伤被认为是包括精神分裂症在内的多种脑疾病广泛存在的核心功能损伤。由于精神疾病临床表现复杂，主观性诊断、经验化治疗等问题突出，因此迫切需要研究能够评估和衡量患者多种认知能力损伤的客观影像学靶点，并以此推动基于影像学的辅助诊断和个体化精准治疗。
自动化所面向脑科学与信息科学的交叉前沿，通过开展脑影像的模式识别研究，分析比较了3组独立样本(n=294, 83, 88)和7种认知子域评分，发现了一组通用的多模态磁共振影像学靶点, 可实现精神分裂症多种认知能力的个体化预测，并成功在多中心验证推广，深入揭示了精神分裂症认知损伤所影响的多模态交互环路，为建立基于客观标记物的个体化治疗系统奠定了基础。
该工作基于多维度指标整合挖掘，发现了一组可靠的、能够衡量多种认知能力的影像学标记，有望优化精神分裂症的早期干预和治疗评估，减少不良反应，进而推动精神疾病的精准诊疗研究，具有重大的社会经济价值。
相关研究成果在线发表在2018年8月2日的Nature Communications上，第一和通讯作者为中科院自动化研究所模式识别国家重点实验室和脑网络组中心的隋婧教授，其博士生戚世乐为共同第一作者。该研究得到科技部863计划、中国科学院先导计划、国家自然科学基金等项目的资助。
方法流程图
发现的一组通用多模态影像学靶点，可预测多种认知能力，并可推广到多中心
