《幾類精神疾病小樣本、多尺度定量化建模和研究》是依託復旦大學，由馮建峰擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：幾類精神疾病小樣本、多尺度定量化建模和研究
- 依託單位：復旦大學
- 項目類別：重大研究計畫
- 項目負責人：馮建峰
項目摘要,結題摘要,
項目摘要
統計資料顯示，在西方及中國，精神疾病的發病率逐年上升。為診治這些疾病，世界上許多國家已投入了大量的人力與物力，造成了巨大的社會與經濟負擔。因此，常見精神疾病的早期發現和治療十分重要；而為發展一套常見精神疾病有效的診斷方法和治療評估模型，從數據分析和基礎理論上進行發病的機制探究就顯得更為迫切了。本項目就幾類常見精神疾病，根據採集的小樣本數據的特點，發展新型、高效的數理計算方法，尋找在腦圖、神經電生理以及基因組學等層面上與特定疾病關聯的生物標記，有機地整合不同層面的研究結果，構建符合疾病特點的多尺度神經元網路動力學模型，進行數值模擬計算和參數識別計算，從而初步闡釋幾類常見精神疾病在多個層次上發生、發展、有機聯繫的生物學機制，為將來進一步建立適用的診斷和治療評估體系和模型打下初步的理論基礎。並以項目研究為載體，培養出一批具有一流的數學基礎和紮實的生物知識的青年人才，保持我國在這方面的領先水平。
結題摘要
精神疾病目前已經造成了巨大了經濟和社會負擔。本項目旨在開發適用於精神疾病小樣本特點的新型、高效的數理計算方法以及建模方法。一方面分析整合多模態數據，尋找精神疾病多尺度生物標誌物，如基因、影像、環境等層面的生物標誌物，輔助精神疾病的早期診斷以及治療。另一方面，通過對影像數據分析建模，探索大腦的運行機制，進而對大腦進行模擬。項目執行期為四年，取得成果包括： 1.發起了數據字典計畫，構建了國內最大的精神疾病（包括分裂症、抑鬱症和自閉症）多尺度資料庫。2.開發了一系列新型數理統計方法，可用於小樣本多尺度數據整合分析，包括全腦關聯分析方法，時空格蘭傑因果推斷方法以及非線性關聯分析方法等。所開發的方法成功套用於抑鬱症、精神分裂以及自閉症等腦疾病，在腦功能網路層次尋找到了精神疾病的根源。3.第一次構建了全腦功能網路動態圖譜，並發現腦功能網路動態性可反映大腦的可塑性和可學習性，並與智商、創造力緊密相關，為人工智慧未來的發展提供了新的可能性。該工作得到了美國麥克阿瑟獎得主，Bassett教授的撰文正面評價。4.培養了一批具有交叉背景，如醫學、基因學、信息科學、統計學等學科背景的青年研究人員。項目執行期間，項目組共有18篇文章發表在Brain，Cerebral Cortex, Human Brain Mapping, Neuroimage等相關領域的頂尖雜誌上，其中有11篇IF＞5。我們的成果也取得一定的社會影響力，被國內外多家知名媒體包括《福布斯》，《英國每日郵報》和《光明日報》等雜誌的報導。
