脑成像技术揭示的自闭症神经机制

Sun, 03 May 2026 00:00:00 +0000

脑成像技术的飞速发展，为探索自闭症谱系障碍（ASD）的神经机制打开了前所未有的窗口。从早期的结构性磁共振成像（sMRI）到现代的功能性磁共振成像（fMRI）、弥散张量成像（DTI）、脑电图（EEG）和脑磁图（MEG），这些技术使研究者能够在活体中观察自闭症大脑的解剖结构、功能活动和信息传递模式。本文将梳理脑成像研究的核心发现，讨论其方法学挑战，并展望未来的发展方向。

早期发现：大脑的结构性差异

结构性成像研究是自闭症脑成像的起步领域。早期研究一致发现，自闭症幼儿在2-4岁时出现大脑总体积的过度增长，这一过度增长主要发生在额叶和颞叶，涉及社交认知和语言处理的关键区域。然而，这种早期过度增长似乎在儿童后期逐渐减缓，甚至逆转，提示自闭症大脑的发育轨迹与典型发育存在本质差异。

杏仁核的体积变化也备受关注。部分研究发现自闭症儿童的杏仁核在幼儿期增大，且增大程度与焦虑水平和社交障碍严重程度相关。杏仁核作为情绪处理和社会信息评估的核心结构，其发育异常可能为理解自闭症的社交-情绪困难提供线索。

功能连接：连接组学视角

功能性磁共振成像（fMRI）的兴起，使研究者能够从"连接组"（connectome）的角度审视自闭症。2004年，Just等人首次提出"低连接性假说"（underconnectivity theory），认为自闭症大脑长距离功能连接减弱，而短距离连接相对增强。这一假说在随后的十多年间得到了大量研究的支持。

长距离连接减弱主要涉及额叶-顶叶、额叶-颞叶等跨脑区网络，这些网络支持高级整合功能，如语言理解、社会认知和执行功能。在任务态fMRI中，自闭症个体在完成社会认知任务时，默认模式网络（DMN）与任务正网络之间的反相关关系减弱，提示内源性思维与外部任务处理之间的切换存在困难。

然而，连接性研究也呈现出显著的异质性。部分研究发现某些脑区或网络存在过度连接，尤其是在视觉和感觉运动区域。这种"低连接与过度连接并存"的模式，可能反映了自闭症神经环路的复杂性，也可能与研究方法、被试年龄和认知能力等混杂因素有关。

社会脑网络：从面孔到心智

社会脑网络（social brain network）是自闭症脑成像研究的核心关注区域，包括梭状回面孔区（FFA）、颞上沟（STS）、杏仁核、内侧前额叶皮层（mPFC）和颞顶联合区（TPJ）等。这些区域协同工作，支持面孔识别、眼神加工、生物运动感知和心理理论（Theory of Mind）等关键社会认知功能。

面孔加工的研究结果较为一致。自闭症个体在观看面孔时，FFA的激活水平通常低于典型发育者，且激活程度与面孔识别能力相关。更有趣的是，这种差异不仅存在于有意识的面孔识别任务中，也存在于被动观看和潜意识加工条件下，提示面孔加工的早期自动阶段即受到影响。

心理理论相关的脑成像研究揭示了内侧前额叶和颞顶联合区的激活异常。当典型发育者思考他人的信念、意图和情绪时，这些区域显著激活；而自闭症个体的激活模式往往较弱或弥散。然而，这种差异在高功能自闭症个体中可能减小，提示补偿性神经机制的存在。

时间维度：EEG与MEG的贡献

fMRI具有优秀的空间分辨率，但时间分辨率受限于血液动力学响应的缓慢速度（秒级）。脑电图（EEG）和脑磁图（MEG）则能够以毫秒级的时间精度捕捉神经活动，为理解自闭症信息处理的时间动态提供了独特视角。

事件相关电位（ERP）研究反复发现，自闭症个体在面孔加工的早期阶段即出现异常。N170成分是一种在面孔呈现后约170毫秒出现的负波，对面孔刺激具有选择性。自闭症个体的N170对面孔的选择性减弱，潜伏期延长，且与行为层面的面孔识别能力相关。

在听觉加工领域，MMN（失匹配负波）和P300等成分的异常提示自闭症大脑对预测误差和新颖刺激的处理存在差异。这些早期感觉加工的异常，可能是后续高级认知困难的基础。

方法学挑战与可重复性危机

脑成像研究面临着严峻的可重复性挑战。样本量小（通常每组20-30人）、分析灵活性高（多重比较校正方法、感兴趣区选择、预处理流程等）、发表偏倚等问题，导致许多早期发现难以在独立样本中复现。

近年来，大规模合作项目的兴起正在改变这一局面。自闭症脑成像数据交换项目（ABIDE）汇集了来自全球多个站点的数千名被试的静息态fMRI数据，为开展大样本、多站点验证研究提供了宝贵资源。基于ABIDE的研究发现，虽然个体层面的脑连接特征预测自闭症状态的准确性有限，但群体层面的某些连接模式具有可重复性。

从实验室到临床：生物标志物的梦想与现实

将脑成像发现转化为临床可用的生物标志物，是这一领域的长远目标。理想情况下，脑成像特征可以帮助早期识别、分型诊断和预测治疗反应。然而，目前距离这一目标仍有相当距离。

自闭症的极端异质性意味着，任何单一的脑成像特征都难以在个体层面实现准确分类。机器学习方法虽然能够在特定样本中达到较高的分类准确率，但这些模型在新样本中的泛化能力通常大幅下降。此外，脑成像检查的成本和可及性也限制了其作为常规临床工具的可行性。

未来展望

脑成像研究的未来方向包括：整合多模态数据（结构、功能、代谢、遗传），构建更全面的神经表型图谱；开展纵向研究，追踪从婴儿期到成年期的脑发育轨迹；结合精准医学框架，识别具有不同神经生物学基础的自闭症亚型；开发与行为干预相结合的神经反馈技术。

结语

脑成像技术已经深刻改变了我们对自闭症神经机制的理解。虽然从研究发现到临床应用的道路仍然漫长，但每一项严谨的研究都在为最终拼图增添一块碎片。对于研究者而言，坚持方法学严谨性、拥抱开放科学实践，是推动这一领域持续进步的关键。

参考文献方向：

Ecker C, et al. (2017). Neuroimaging in autism spectrum disorder: brain structure and function across the lifespan. The Lancet.
Muller RA, et al. (2011). Underconnected, but how? A survey of functional connectivity MRI studies in autism spectrum disorders. Cerebral Cortex.
Di Martino A, et al. (2014). The autism brain imaging data exchange: towards a large-scale evaluation of the intrinsic brain architecture in autism. Molecular Psychiatry.

脑成像 on 自闭症资讯网 - 专业自闭症科普、诊断、干预平台