自闭症患者的光学脑成像研究

李 军， 朱志方， 朱绘霖，， 郭 欢, 张 潇， SVANBERG Sune

(1.华南师范大学华南先进光电子研究院, 广东广州 510006; 2.华南师范大学心理学院, 广东广州 510631)

自闭症患者的光学脑成像研究

李 军1*， 朱志方1， 朱绘霖1，2， 郭 欢2, 张 潇1， SVANBERG Sune1

(1.华南师范大学华南先进光电子研究院, 广东广州 510006; 2.华南师范大学心理学院, 广东广州 510631)

阐述了新近发展起来的无损光学脑功能成像技术. 通过比较几种常用的脑成像技术, 论述了光学脑成像研究自闭儿童皮层活动的可行性和便利性. 总结了国内外目前利用光学脑成像研究自闭症的初步进展. 作者的最新实验结果表明，具有较高自闭特质的儿童在共同注意任务中其前额叶的血液动力学响应与正常儿童不同. 进一步利用光学脑成像研究脑皮层活动规律及其固有的特征，有望为儿童自闭症的早期诊断提供可靠的客观依据.

光学脑成像； 自闭症； 脑功能活动

光学脑成像是一种新型的无损脑功能检测技术. 近红外光对组织有较深的穿透性，可探测颅内皮层的血氧代谢，通过神经血管耦合机制获取皮层的神经活动信息. 自闭症是一种复杂的脑功能发育障碍, 患者为不能很好地与人沟通及进行正常的社会交流,目前在儿童中发病率已超过1%，且呈快速上升趋势. 自闭症诊治的关键在于早期发现早期干预，特别是在儿童脑快速发育的关键期及时干预，能有效改变有自闭症风险儿童的发育轨迹，产生长期有益的效果.

1 光学脑成像技术

光学脑成像是近年来发展起来的一种利用近红外光源、新型无损的脑功能成像技术[1-7]. 近红外光(波长700～1 000 nm)对生物活体组织有较好的穿透性，采用2～3个不同波长的光经光纤照射在头皮表面，以弥散方式透过头皮、头骨等组织进入皮层，一部分光经过组织的吸收、散射后返回头皮表面被探测光纤所检测. 检测出的光信号中含有皮层的光学参数信息，采用物理模型和生理模型将光学参数转化为皮层的血液动力学参数(如皮层代谢的血红蛋白浓度)，进而通过神经血管耦合(neurovascular coupling)机制获得皮层的神经活动信息，这就是光学脑成像技术的基本原理. 按光源的工作方式，该技术可分为连续型(连续光源)、时域型(短脉冲光源)和频域型(强度高频调制光源).

与目前常用的脑功能成像技术(如功能核磁共振fMRI、正电子发射层析成像PET、脑电图EEG、脑磁图MEG)相比，光学脑成像具有较高的时间分辨率(几毫秒到几十毫秒，高于fMRI和PET, 低于EEG、MEG)和可以接受的空间分辨率(厘米量级，低于fMRI、PET、MEG，优于EEG)；光学脑成像技术具有无损检测的特性，优于PET. 在价格、操作便利性及设备的可移动性上均优于fMRI 、PET及MEG. 此外，光学脑成像技术基于光学测量，而非电/磁测量，具有很好的兼容性，可与fMRI、MEG、EEG等成像设备联合使用.

在参数的测量上，虽然与fMRI 类似均测量血氧代谢参数，但不同于fMRI测量的血氧水平依赖(BOLD)信号，光学脑成像可以直接测量皮层的含氧血红蛋白(HbO)、脱氧血红蛋白(Hb)和总血红蛋白(HbT)等浓度. 表明该技术可提供比fMRI更直接更全面的皮层血氧代谢状况，在研究神经血管耦合的机制上比fMRI更具优势.

在光学脑成像测量时，光纤是通过头架(类似于EEG测试帽)固定在头上使得光纤与头皮紧密接触，可保证光的良好耦合. 因而受试者头部一定幅度的移动(摆动)不会对成像造成不利的影响. 此特点非常适合对儿童特别是一些特殊的难以保持安静不动的儿童(如自闭症患儿)的测量. 这也是在使用MEG或fMRI研究清醒自闭症儿童时常面临的实际困难.

鉴于光学脑成像的上述特点，尽管它出现较晚，但是作为一项业已成熟的技术近年来在国际上已有了广泛的应用，特别在欧洲、日本及美国，其应用涵盖从基础脑神经科学、精神科学、生理及心理学、康复及应用工程(如人机控制)等多个领域.

目前，在对人脑皮层功能区光学脑成像研究上，已经有大量的结果报道，如顶叶运动皮层的功能成像及左右半球的不对称性[6]；视觉刺激下枕叶视皮层的响应[7]；在执行更高级的任务，如语言[5]、记忆任务(如N-back task)[3]、认知任务时前额叶的响应模式；合作任务中前额叶的成像及功能区域间的相关性[4]等.

2 自闭症及其行为特征

自闭症(Autism)是一种复杂的脑神经功能发育障碍，其症状表现为社交及沟通上的广泛性异常、缺失与人的沟通能力(语言的及非语言的)、异常局限的兴趣及刻板的重复性动作行为[8-9]. 自闭症谱系障碍(Autism Spectrum Disorder, ASD)是根据典型自闭症核心症状的扩展定义，具有广泛意义，包括典型自闭症、非典型自闭症及阿兹伯格综合症等，典型自闭症位于谱系的核心位置，也是大量研究工作的重点.

在自闭症的流行病学调查方面，美国在2010年3月公布的统计数据显示，儿童自闭症的发病率已达1%[10]. 从2002年到2008年增长了78%[11]. SUN等[12]对有关亚洲ASD流行病学方面英文文献的电子数据库和论文的统计分析发现，亚洲的自闭症发病率也呈上升状态，ASD发病率从1980年的0.19%上升至2010年的1.48%. 1982年，中国首次报告了4例自闭症患儿，1991年正式将自闭症纳入儿童精神疾患[13]. 目前缺乏全国范围的流行病学调查，仅一些省市报告了流行病学资料. WONG等[14]报告了2008年香港地区0～4岁儿童自闭症发病率为0.549%，15岁以下儿童发病率为1.68%，接近澳大利亚和北美，男女比例为6.58∶1. 2010年3月25日，广东省残疾人联合会公布的数据表明，广东省自闭症发生率为0.67%，其中14岁以下自闭症儿童有13万余人[15].

自闭症发病的生物学机制目前尚不清楚，也没有可靠的生物学标记物(biomarker)用来诊断，其诊断仍处于行为学观察的层面上[16-17]. 可靠的诊断要在儿童3岁左右其行为方式和交流方式趋于稳定后才能做出，尽管在此之前有些儿童(后来被确诊为自闭症)的行为方式已出现一定的异常，但常被误认为是儿童正处于发育阶段的正常变化，家长也没有及时送儿童就医并做后续跟踪，在某种程度上也给及时的诊断造成困难.

通常行为观察判断法很难做到早期诊断(3岁之前)，因而使患儿错过了脑的快速发育期. 而早期诊断并及时在快速发育的可塑阶段进行干预，则可能改变儿童的心智发展轨迹，产生有效且长期的影响. 正是基于此,人们在探索自闭症早期诊断的方法上进行着不懈的努力，尝试着不同的方法(非行为学观察)力求找到可靠的自闭症生物标记物，包括基因等分子生物学及众多脑功能成像方面的研究.

3 脑功能成像技术在自闭症研究中的应用

目前研究自闭症常使用的脑功能成像技术包括fMRI[8-9,18-20],MEG[21],EEG[22]，SPECT(单光子发射计算机辅助成像)[23]及PET[24],其中以fMRI的使用最广，成果也最为突出. fMRI的最大特点是既能给出结构成像，又能给出功能成像，且具有很高的空间分辨率，事实上fMRI已成为脑功能研究中最常用的重要工具.

鉴于自闭症呈现出神经活动同步的障碍(disorder of neural synchronization)， fMRI对自闭症儿童睡眠状态下皮层的自发活动研究表明，与正常儿童相比，其左右半球皮层的同步活动较弱，即功能联系减弱，特别表现在与语言有关的功能区. 利用这一特点判定自闭症儿童，其准确率达84%[20].

利用fMRI研究自闭症的最新研究[18]表明，当自闭症儿童听其父母的声音时，在上颞叶回(superior temporal gyrus)处的神经活动强度低于正常儿童. 利用这一特点成功地从39个自闭症中判定出36个，准确率达92%.

人脸的识别和处理对正常人来讲是一个简单的知觉任务，但对自闭症患者来说则较困难，他们缺乏与人的目光接触. 利用fMRI的研究[19]显示，在人脸识别这一任务中，与正常人相比，自闭症患者在多个皮层区域的激活程度较低，如在梭状回(fusiform gyrus)、下枕叶回(inferior occipital gyrus)、上颞沟(superior temporal sulcus) 及杏仁核(amygdala)等.

自闭症患者位于运动皮层区的镜像神经细胞(mirror neurons)功能缺失，体现在心理理论(theory of mind)能力的欠缺，表现为既不理解也不会预知他人的行为. fMRI在研究自闭症患者执行模仿任务时发现其躯体感觉皮层(somatosensory cortex)激发程度低于正常人[25].

自闭症患者的语言能力差异很大：有些患者完全不具备语言能力；有些患者语言能力存在一定的障碍；也有语言能力很强的.但是他们在对语义的处理上都表现出较不正常. 利用fMRI的成像研究[26]表明，自闭症患者在语义句子理解任务中，其布洛卡氏(Broca’s)区的激活程度低于正常人，而其韦尼克(Wernicke)区的激活高于正常人.

4 光学脑成像技术在研究儿童自闭症中的特有优势及初步研究

利用脑功能成像研究儿童自闭症，其成像技术应至少符合以下要求：1)无损伤，符合条件的有fMRI, MEG, EEG 和光学脑成像；2)头部一定程度的摆动或晃动对成像影响不大，符合条件的有EEG和光学脑成像；3)功能区成像定位好，符合条件的仅有光学脑成像，因为EEG的成像源(神经元电流分布或电流偶极子)耦合大，定位局域性不好. 光学脑成像技术与其他功能成像技术的上述比较可知，光学脑成像将成为研究自闭症脑神经活动特征的最适合技术.

光学脑成像技术与fMRI有相似的成像对象——皮层的血氧代谢参数，2011年，CHAUDHARY等[27]首次利用光学脑成像技术，采用共同注意(joint attention)任务, 针对自闭症患者开展了尝试性研究. 共同注意是指个体借助手势、眼睛朝向、语言等与他人共同关注某一事件或物体. 自闭症患者严重缺失共同注意的能力. fMRI研究表明包括前额叶的一些皮层区域活动与共同注意任务有关[28]. 光学脑成像实验结果表明：对正常儿童，在共同及非共同注意任务中，其前额叶皮层的激活程度不同；而参加实验的自闭症儿童没有表现出这种不同. CHAUDHARY[27]等开展的研究仅针对1名自闭症儿童的数据，不具有一般性，显然需要进一步的研究验证.

为开展脑功能成像，特别是对自闭症皮层活动规律的研究，本实验室新近装备了1台光学脑成像仪(日本岛津FOIRE 3000). 该成像仪具有3个波长(780、805和830 nm)的近红外光源，52个检测通道，其成像面积几乎覆盖整个脑皮层区域，可以对含氧血红蛋白(HbO)、去氧血红蛋白(Hb)及总血红蛋白(HbT)检测成像，时间分辨率可达25 ms.

本课题组在近期的1项临床和非临床个体儿童的研究中采用了共同注意任务. 首先利用合作幼儿园的社会交流检查表(Social and Communication Disorders Checklist)评定儿童的行为表现，得分越高表明其自闭特质越高，相反亦然. 由于自闭症特质谱系比较宽，自闭特质越高越接近自闭症，得分低则归属正常人群. 筛选出11名高自闭特质的儿童，9名低自闭特质的儿童. 此外还有2名被诊断为自闭症的同龄儿童参与对比实验. 结果表明，自闭特质高的其相关皮层(如前额叶)响应与自闭症相似，而与正常对照组不同.

本实验使用49个光学通道，覆盖儿童前额叶、顶叶，图1A中，光纤固定在受试儿童佩戴的头架上使光纤与头皮紧密接触. 图1B为近红外光谱成像记录区域. Fp1和Cz根据国际10-20系统进行定位. 每个通道实时呈现了含氧血红蛋白(HbO)、去氧血红蛋白(Hb)以及总血红蛋白(HbT)的变化值. 通道7定位于Fp1，通道43定位于Cz. 采用视频引发共同注意(joint attention)和非共同注意(non-joint attention)体验，采用3(自闭症、高自闭特质和低自闭特质，组间变量)×2(共同注意和非共同注意，组内变量)混合设计考察不同自闭特质水平的儿童在2种注意类型任务下的大脑皮层血红蛋白响应.

图1 光学脑成像的光纤头架(A)及近红外光谱成像区域(B)

高、低自闭特质组及自闭症3组儿童在共同注意任务下的大脑皮层血红蛋白响应如图2所示，红线为含氧血红蛋白(HbO)，蓝线为去氧血红蛋白(Hb)，绿线为总血红蛋白(HbT)，橙色的竖线之前是休息阶段的最后5 s，之后是联合注意任务的30 s. 从所有通道来看，自闭症儿童的大脑血红蛋白信号波动最大，高自闭特质儿童次之，低自闭特质儿童信号最为平缓.

图3、4分别为高低自闭特质组在共同及非共同注意下通道3的HbO变化.

图2 3组不同特质的儿童在共同注意任务下的大脑皮层血红蛋白响应

图3 高、低自闭特质组在共同注意下的HbO变化

图4 高、低自闭特质组在非共同注意下的HbO变化

对高、低自闭特质共20名儿童的数据进行统计分析，以通道3的HbO作为因变量，组别(高、低自闭特质)与任务类型(共同、非共同注意)的交互作用显著(F(1,18)=7.26，P=0.015). 靠近Fp1的右前额叶可能是自闭特质影响共同注意功能的相关脑区. 另外, 针对其他通道的分析发现，Cz右侧44、48、49通道的HbO受到共同与非共同注意任务的影响，通道40的Hb值受到高、低自闭特质的影响. 低自闭特质组的共同注意比非共同注意条件下的HbO(负向)变化要小；高自闭特质组相反，其共同注意比非共同注意条件下的HbO(负向)变化要大. 说明高、低自闭特质组的前额叶Cz右侧区域在共同和非共同注意条件下呈现相反的HbO响应模式.

5 结论与展望

在共同注意任务中,自闭症与正常人呈现不同的皮层活动特征. 除此之外，在诸如人脸识别和处理的任务、静息态下左右脑的相关性以及语义处理等方面，自闭症与正常人在相应脑区的活动模式上均呈现一定的差异，利用光学脑成像技术有望定性定量地揭示这些差异，将成为本课题组未来工作的重点.

利用光学脑成像开展研究的特点还在于可以获得皮层血氧代谢过程的3个参数，即含氧血红蛋白(HbO)、去氧血红蛋白(Hb)及总血红蛋白(HbT)浓度的变化，有望提供更详细的有关皮层神经血管耦合的机制和过程，更好地发现并研究自闭症脑神经活动特征及规律，为基于客观数据的自闭症早期诊断提供坚实的基础.

利用光学脑成像技术对自闭症儿童脑皮层神经活动规律的系统研究，目前在国内外尚为一个空白领域. 因而在该领域上所发现的工作都将是前所未有的、创新的和有意义的.

[1] HILLMAN E M C. Optical brain imaging in vivo: Techniques and applications from animal to man[J]. J Biomed Opt, 2007,12(5): 051402.

[2] WOLF M, FERRARI M, QUARESIMA V. Progress of near-infrared spectroscopy and topography for brain and muscle applications[J]. J Biomed Opt, 2007,12(6): 062104.

[3] HOSHI Y. Functional near-infrared optical imaging: Utility and limitations in human brain mapping[J]. Psychophysiology, 2003,40: 511-520.

[4] FUNANE T, KIGUCHI M, ATSUMORI H, et al. Synchronous activity of two people’s prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy[J]. J Biomed Opt, 2011,16(7): 077011.

[5] QUARESIMA V, BISCONI S, FERRARI M. A brief review on the use of functional near-infrared spectroscopy (FNIRS) for language imaging studies in human newborns and adults[J]. Brain Lang, 2012,121: 79-89.

[6] LI J, DIETSCHE G, IFTIME D, et al. Noninvasive detection of human brain functional activity with near-infrared diffusing-wave spectroscopy[J]. J Biomed Opt, 2005,10(4): 044002.

[7] JAILLON F, LI J, DIETSCHE G, et al. Activity of human visual cortex measured non-invasively by diffusing-wave spectroscopy[J]. Opt Express, 2007,15(11): 6643-6650.

[8] SUN Y P, ALBERT M S. MRI of autistic brain structure and function[J]. Am J Med Sci, 2009,2 (2):44-47.

[9] VERHOEVEN J S, COCK P D, LAGAE L, et al. Neuroimaging of autism[J]. Neuroradiology, 2010,52: 3-14.

[10] BAIO J. Prevalence of Autism spectrum Disorders-Autism and developmental disabilities monitoring network, 14 Sites, United States, 2008[EB/OL]. [2013-03-30],[2013-07-31], http://www.cdc.gov/mmwr/preview/mmwrhtml/ss6103a1.htm?s_cid=ss6103a1_w.

[11] KOGAN M D, BLUMBERG S J, SCHIEVE L A, et al. Prevalence of parent-reported diagnosis of autism disorder among children in the US, 2007[J]. Pediatrics, 2009,124(5): 1395-1403.

[12] SUN X, ALLISON C. A review of the prevalence of Autism spectrum disorder in Asia[J]. Res Autism Spect Dis, 2010(4): 156-167.

[13] 陶国泰, 邱景华, 李宝林,等. 独生与非独生儿童心理发展的纵向分析：南京的十年追踪研究[J]. 中国心理卫生杂志, 1999,13(4): 210-212.

[14] WONG V C N, HUI S L H. Epidemiological study of autism spectrum disorder in China[J]. J Child Neurol, 2008,23: 67-72.

[15] 黄靖康. 孤独症人士社会服务保障政策的思考[C]∥中国孤独症人士社会服务保障研讨会. 北京, 2010: 67-71.

[16] PIERCE K, GLATT S J, LIPTAK G S, et al. The power and promise of identifying autism early: Insights from the search for clinical and biological markers[J]. Ann Clin Psychiatry, 2009,21(3):132-147.

[17] LUYSTER R, GOTHAM K, GUTHRIE W, et al. The Autism diagnostic observation schedule-Toddler Module: A new module of a standardized diagnostic measure for Autism spectrum disorders[J]. J Autism Dev Disord, 2009,39:1305-1320.

[18] LAI G, SCHNEIDER H D, SCHWARZENBERGER J C, et al. Speech stimulation during functional MR imaging as a potential indicator of Autism[J]. Radiology, 2011,260(2):521-530.

[19] KAREN P, MULLER R A, AMBROSE J, et al. Face processing occurs outside the fusiform ‘face area’ in Autism: Evidence from functional MRI[J]. Brain, 2001,124:2059-2073.

[20] DINSTEIN I, PIERCE K, EYLER L, et al. Disrupted neural synchronization in toddlers with Autism[J]. Neuron, 2011,70:1218-1225.

[21] TSIARAS V, SIMOS P G, REZAIE R, et al. Extracting biomarkers of Autism from MEG resting-state functional connectivity networks[J]. Comput Biol Med, 2011,41: 1166-1177.

[22] STROGANOVA T A, NYGREN G, TSETLIN M M, et al. Abnormal EEG lateralization in boys with autism[J]. Clin Neurophysiol, 2007,118: 1842-1854.

[23] SUN X M, YUE J, LIU M, et al. Study of 9mTc-TRODAT-1 imaging on human brain with children autism by single photon emission computed tomography[C]∥Proceedings of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference. Shanghai, China, 2005: 5328-5330.

[24] HALL G B C, SZECHTMAN H, NAHMIAS C. Enhanced salience and emotion recognition in Autism: A PET study[J]. Am J Psychiatry, 2003,160:1439-1441.

[25] WILLIAMS J H, WHITEN A, SUDDENDORF T, et al. Imitation, mirror neurons and Autism[J]. Neurosci Biobehav Rev, 2001,25(4): 287-295.

[26] JUST M A, CHERKASSKY V L, KELLER T A, et al. Cortical activation and synchronization during sentence comprehension in high-functioning autism: Evidence of underconnectivity[J]. Brain, 2004,127(8):1811-1821.

[27] CHAUDHARY U, HALL M, GUTIERREZ A, et al. Joint attention studies in normal and autistic children using NIRS[C]∥Proc SPIE 7883, Photonic Therapeutics and Diagnostics Ⅶ.California,USA, 2011:788348.

[28] WILLIAMS J H G, WAITER G D, PERRA O, et al. An fMRI study of joint attention experience[J]. Neuroimage, 2005,25(1): 133-140.

Keywords： optical brain imaging; Autism; functional brain activity

OpticalBrainImagingofAutism

LI Jun1*, ZHU Zhifang1, ZHU Huilin1,2, GUO Huan2, ZHANG Xiao1, SVANBERG Sune1

(1. South China Academy of Advanced Optoelectronics, South China Normal University, Guangzhou 510006, China; 2. School of Psychology, South China Normal University, Guangzhou 510631, China)

This work illustrates a newly developed non-invasive optical brain imaging. By comparision with commonly used brain imaging techniques, the feasibility and convenience are demonstrated for using optical brain imaging to investigate cortical activity for autistic children. Worldwide results on imaging autism with the optical technique are reviewed. Recent experimental data show that the hemodynamic responses in prefrontal cortex are different between children with autistic trait and normal controls in a task of the joint attention. Future comprehensive study with optical brain imaging on autistic brain activity and its inherent characteristics may provide reliable evidences for early autism diagnosis.

2013-07-30

广东省创新团队项目(201001D0104799318)

*通讯作者:李军，教授，Email: jun.li@coer.scnu.org

1000-5463(2013)06-0062-06

B845.1

A

10.6054/j.jscnun.2013.09.008

【中文责编：谭春林 英文责编：李海航】