攝影／王若樸
中研院分子生物研究所聯手資訊科學研究所，今日（4/15）揭露一款AI加持的全腦自動腦區校正定量分析（BM-auto）系統，主打運用深度學習技術快速、精準辨識腦區位置，將過往需要人工2個月才能完成的工作，縮短為1天。
這項技術大幅加速神經科學研究，讓團隊更快找出嗅覺皮質與自閉症的重要關聯，成果不只刊登於國際知名期刊《分子精神病學》，也為自閉症療法帶來新契機。而BM-auto技術接下來也將用於更廣泛的領域，比如其他疾病的小鼠腦部模式，或其他神經科學研究。
為何需要深度學習加速全腦校正
主導此次研究的中研院分子生物研究所特聘研究員薛一蘋，長年專攻自閉症研究。她指出，自閉症成因複雜，比如成千上百種基因突變，或後天環境造成，但共同特徵都指向神經迴路異常。
也就是說，每個人出問題的地方可能都不一樣，最後卻呈現很類似的行為表現。也因此，團隊想知道，不論哪些基因突變，最後是不是都影響到大腦中的幾個關鍵腦區，或特定的神經迴路。
為此，他們設立了2個研究目標，一是從與人類基因序列相似度接近100%（意味著功能相似度也極高）的小鼠身上，比較不同自閉症的小鼠全腦影像，從中找出關鍵腦區和異常的神經迴路；另一是加速神經迴路分析，他們要優化既有的全腦螢光影像定量系統，要加上AI功能，來提高小鼠500多個腦區的分析效率。
薛一蘋進一步解釋，AI是要解決過去研究時的痛點，也就是雖然有BM-auto系統，但團隊仍得花大量時間，手動將小鼠腦部影像的螢光位置，一一比對標準腦部圖譜的位置，通常需要2、3個月才能完成一隻小鼠的全腦影像對齊。
於是，他們找上中研院資科所副研究員王建堯團隊，來開發BM-auto系統的AI自動化功能。王建堯團隊以薛一蘋團隊過去5年累積的基準真相（Ground truth）資料來訓練AI模型，克服跨模態對齊的難題，讓模型學會辨識小鼠腦部螢光位置與標準圖譜之間的對應關係，進而能夠自動校正。
王建堯補充，這套模型辨識出的腦區位置，與標準圖譜的對應位置重疊約9成，意味著對齊效果相當準確，而且自動辨識時間只需10幾分鐘。如此一來，研究人員再人工校正幾十個腦區即可，1天就能完成全腦的校正工作。
找出嗅覺缺陷與自閉症關聯
也因為有了AI加速，薛一蘋團隊得以快速、精準分析每隻鼠腦的500多個腦區，完成3種自閉症小鼠全腦螢光影像定量分析。他們還連結、比對美國艾倫腦科學研究所建構的正常小鼠資料庫，發現3種自閉症小鼠的共同病灶：嗅覺皮質的特定投射神經細胞顯著下降。
他們進一步驗證，發現雖然3種自閉症小鼠仍保有嗅覺感應能力，能聞到各種氣味，卻失去「分辨氣味異同」的辨別力，導致嗅覺辨別障礙。團隊也進行後續一系列分析與比對，自閉症小鼠嗅覺皮質的異常不但影響嗅覺功能，連帶影響與其他腦區之間的訊息傳遞與連結，證實嗅覺皮質與自閉症病理機制的重要性。
而這次研究所建立的BM-auto系統，不只突破傳統全腦影像處理的瓶頸，接下來還能應用於其他腦部疾病的分析研究。
