脑连接发育有了个体参照：BRIDGE把脑龄误差再降3%–9%，自闭症男孩的偏离分数与ADOS相关
核心概要
自闭症等神经发育障碍的脑连接差异长期靠病例—对照的组平均比较，个体差异被抹平。BRIDGE把图变分自编码器与规范建模结合，用1164名神经典型者的结构连接组学出一条随年龄变化的参照轨迹，再以脑龄差给出全局偏离分数、以区域嵌入给出个体化偏离图。在229名自闭症儿童中，男性患者的全局分数与ADOS（Spearman R=−0.291）和IQ（Pearson R=0.195）相关，脑龄预测误差比同类深度学习模型低3%–9%。
深度剖析
脑结构连接的发育偏离现在可以按个体来量化，而不只是比较两组人的平均连接强度。 此前的连接组研究多采用病例—对照范式，只看神经发育障碍组与匹配的神经典型组之间的组平均差异，因而无法刻画组内差异。 在费城神经发育队列（PNC）968名神经典型者和自闭症研究中心的196名神经典型者、229名自闭症者上，BRIDGE生成的连接组与实际连接组在度、聚类系数、介数中心性和边长的KS距离上差异最小，优于GCN-VAE、FC-VAE和13个经典生成模型。
模型把每个人的结构连接组压进一个低维隐空间，并让这个空间按年龄组织起来。 传统规范模型难以处理连接组的网络结构，直接在边上做规范建模会忽略拓扑依赖，预设图论指标又对发育变化不敏感。 编码器把连接组上三角映射到40维隐空间，解码器用代价最小化和Hebbian学习两条布线约束生成连接组，脑龄由隐特征的线性层预测；训练只用神经典型者，PNC预训练后在CAR上微调。
偏离参照轨迹的程度被拆成一个全局分数和一张逐脑区的地图。 组平均方法难以解释同一诊断下表现各异的个体，而区域级偏离此前没有在连接组上给出个体化读数。 对每个脑区的区域嵌入用高斯过程回归拟合神经典型者的年龄轨迹与方差，以Z分数给出区域偏离；全局分数取校正年龄偏差后的脑龄差，在男性自闭症者中与ADOS（Spearman R=−0.291，95%CI [−0.414,−0.158]）和IQ（Pearson R=0.195，95%CI [0.049,0.333]）相关，控制IQ后与ADOS的相关仍显著（R=−0.221）。
启示与展望
演示范围是6至19岁的自闭症与神经典型儿童和青少年，结构连接组由弥散MRI概率纤维追踪构建，全部下游分析都在单一扫描仪、统一协议的CAR队列内完成。相关性分析只纳入男性自闭症者，原因是女性样本量有限。
作者指出，规范模型可能需要按性别、种族和社会健康决定因素等人群特征分别建立；CAR的30个梯度方向低于PNC的64个，预训练加微调并不能消除目标数据角分辨率较低带来的限制；几何距离取自22至37岁成人模板，可能无法反映各发育阶段变化的几何约束与代谢成本；队列不含6岁以下儿童。