【推好科技觀察：生命科學領域與自動化科技】自動化網推好（TWINHOW）高質量發(fā)展聯(lián)盟（平臺）：1、該機器人的設計實現(xiàn)了高度機電一體化集成下的人機共融，具有重量輕、柔性強、運動精度高等優(yōu)點。由于其便攜性及安全性，可被靈活部署在社區(qū)衛(wèi)生所、基層醫(yī)院和移動救護平臺，實現(xiàn)遠程遙操作下的超聲診斷及介入手術導航，服務于基層醫(yī)療普惠化需求。2、這項研究基于多中心大樣本定義了穩(wěn)定可重復的AD亞型，為AD的異質性研究提供了新的視角，有望在未來利用它們?yōu)榕R床決策提供信息，為AD的精準診療和干預奠定理論基礎。 

自動化所超聲機器人成功應用于心臟介入遠程交互手術

7月2日，中國科學院自動化研究所醫(yī)療機器人團隊與解放軍總醫(yī)院第六醫(yī)學中心心血管病醫(yī)學部協(xié)作，進行遠程超聲機器人的引導下的卵圓孔未閉封堵術并取得成功。手術過程僅用時28分鐘，術中零射線、零造影劑。根據(jù)公開報道，這是國際上首次應用遠程超聲機器人完成卵圓孔未閉封堵術。

　　此次手術病例為51歲男性患者，反復發(fā)生不明原因腦梗死，當?shù)蒯t(yī)院明確診斷是由于心臟存在卵圓孔未閉，引起心源性腦卒中。當?shù)蒯t(yī)院嘗試進行卵圓孔未閉封堵術，但因為卵圓孔開口位置不理想，導絲難以通過卵圓孔，手術未成功，轉診至解放軍總醫(yī)院進一步治療。解放軍總醫(yī)院第六醫(yī)學中心心血管病醫(yī)學部結構性心臟病科主任醫(yī)師王廣義、朱航團隊分析患者病情后，決定啟用中科院自動化所研發(fā)的遠程超聲機器人系統(tǒng)。

　　該機器人系統(tǒng)是由中科院自動化所自主研發(fā)的串并混聯(lián)式機器人，具有小型便攜、高靈活性和多冗余自由度等特點。相比傳統(tǒng)構型，該機器人的設計實現(xiàn)了高度機電一體化集成下的人機共融，具有重量輕、柔性強、運動精度高等優(yōu)點。由于其便攜性及安全性，可被靈活部署在社區(qū)衛(wèi)生所、基層醫(yī)院和移動救護平臺，實現(xiàn)遠程遙操作下的超聲診斷及介入手術導航，服務于基層醫(yī)療普惠化需求。

　　7月2日上午，在中科院自動化所團隊的全程協(xié)助下，手術正式開始。該科副主任醫(yī)師周浩帶領超聲團隊，在解放軍總醫(yī)院第六醫(yī)學中心會議室遠程遙控位于解放軍總醫(yī)院第一醫(yī)學中心的超聲機器人。與此同時，在遠程超聲機器人的精準定位和指引下，位于解放軍總醫(yī)院第一醫(yī)學中心的王廣義、朱航主任將導絲順利通過患者心臟的卵圓孔，圓滿完成卵圓孔未閉封堵手術。

王廣義（左二）、朱航（左一）在解放軍總醫(yī)院第一醫(yī)學中心通過機器人輔助為患者進行手術。汪馳攝

　　據(jù)悉，此次手術采用遠程超聲機器人進行心臟介入手術，開啟了心血管介入遠程交互手術的新模式，也是在全球疫情背景下的醫(yī)療革新。遠程超聲機器人不受地域限制，既可以應用于日常診斷篩查，也可以用于介入術中的精準定位與引導，具有重要的臨床應用價值。本次由解放軍總醫(yī)院及中國科學院自動化研究所合作完成的臨床實踐也得到了人民日報的報道。

　　該機器人系統(tǒng)相關工作屬于中科院自動化所2035創(chuàng)新任務“超聲引導手術輔助機器人”，由侯增廣研究員領導，王雙翌研究員具體負責研發(fā)，自動化所20級碩士研究生謝億平、21級碩士研究生鄧兆錕及郝明瑞參與協(xié)助本次遠程手術。

腦網絡組中心揭示四種不同腦網絡損傷模式的阿爾茨海默病亞型

2022年6月，Biological Psychiatry在線發(fā)表了題為《Four distinct subtypes of Alzheimer's disease d on resting-state connectivity biomarkers》的研究。該研究基于多中心功能磁共振影像，揭示了4種具有不同腦網絡損傷模式的阿爾茨海默病亞型，并系統(tǒng)評估了不同亞型在功能連接、腦萎縮和認知能力上的差異。 

　　研究背景 

　　阿爾茨海默病（Alzheimer’s disease, AD）俗稱老年癡呆，是多發(fā)于老年人群中的一種神經退行性疾病。隨著老齡化的來臨，AD的發(fā)病率逐年升高，越來越成為不可忽視的健康問題。目前還沒有有效的AD治療手段，早診斷早干預顯得十分重要。 

　　AD在病理分布、腦萎縮以及臨床表現(xiàn)等方面具有較大的異質性，這些異質性造成了對疾病的誤診以及對藥物研究的阻礙。AD患者通常會出現(xiàn)涉及多個腦功能網絡的腦活動異常，造成認知能力的嚴重下降。然而，AD的腦網絡異常的異質性與其所對應的結構改變、認知能力下降的關系尚不明確。 

　　方法概述 

　　研究采用國內多家醫(yī)院合作建立的MCAD數(shù)據(jù)庫和美國ADNI公開數(shù)據(jù)庫的共1100例數(shù)據(jù)進行了系統(tǒng)研究。本研究基于前期發(fā)現(xiàn)的AD異常腦網絡（Jin et al, 2020），使用非負矩陣分解（NMF）方法將AD患者聚類得到不同的AD亞型，隨后對各個亞型的功能異常、結構萎縮和縱向改變進行了評估?；狙芯靠蚣苋缦拢▓D1）： 

圖1. 研究框架 

　　主要結果 

　　1. AD功能網絡亞型 

　　基于AD的異常功能網絡，本研究在兩個數(shù)據(jù)集上發(fā)現(xiàn)了穩(wěn)定、可重復的4個AD功能亞型（圖2）。每個亞型對應一個代表性腦網絡（RFN），分別為前額葉網絡、默認網絡、扣帶回相關網絡和基底神經節(jié)相關網絡。 

　　2. AD亞型功能網絡損傷模式 

　　進一步，研究發(fā)現(xiàn)4個AD亞型的功能網絡損傷模式存在顯著差異（圖3）。 

　　相比于正常老年人，亞型1具有輕微但彌漫全腦的功能網絡異常；亞型2的功能網絡異常主要集中于默認網絡且伴隨前額葉網絡的異常升高；亞型3在前扣帶回相關的功能網絡中存在顯著降低，同時具有前額葉網絡的異常升高；亞型4的功能網絡降低集中于雙側基底神經節(jié)，其伴隨前額葉網絡的異常升高（圖3A）。更重要的是，除了彌漫性損傷的亞型以外，其他亞型的特異性損傷模式在MCAD和ADNI數(shù)據(jù)集上具有高度可重復性（圖3B）。除此以外，各個亞型的腦網絡損傷特異于其對應的RFN，在其他亞型的RFN中損傷較輕微（圖3C）。 

　　鑒于兩個數(shù)據(jù)集間亞型對應的RFN和腦網絡損傷模式高度一致性，后續(xù)統(tǒng)計將兩個數(shù)據(jù)集進行合并研究。 

　　3. AD亞型人口學及認知特征 

　　在人口學特征上，4個亞型在所有數(shù)據(jù)站點和數(shù)據(jù)庫中均有分布，并且在性別比例上不存在顯著差異。而在年齡分布上，亞型3相對年長于亞型1和亞型2。在認知功能上，亞型1的認知能力最好，亞型3和亞型4次之，亞型2的認知能力最差。進一步利用ADNI的隨訪信息，發(fā)現(xiàn)盡管亞型1認知能力較好，但其疾病進展仍舊很快。認知能力相對差的亞型3的認知能力保持最好。各個亞型在不同的認知領域上具有不同軌跡，例如在視覺空間能力上，亞型1具有比亞型3更慢的下降速度。結果表明識別腦網絡的異質性有助于辨別不同的認知損傷模式，未來有望實現(xiàn)更加精準地施以干預措施，更加有效地減緩疾病進程。 

　　4. AD亞型腦萎縮特征 

　　在亞型間的腦萎縮比較上，亞型1顯示了最輕的腦萎縮，亞型2顯示了最嚴重的萎縮，亞型3和亞型4具有類似的萎縮程度但具有不同的萎縮模式。亞型1在海馬區(qū)域具有和其他亞型類似的損傷程度，但在其他腦區(qū)具有更輕微的萎縮；亞型2在左側顳葉、楔前葉以及中央旁小葉上具有最嚴重的萎縮；亞型3在扣帶回具有最嚴重的萎縮；亞型4在右側顳葉和枕葉具有最嚴重的萎縮。結果表明，不同的腦網絡亞型對應不同的腦萎縮模式，反映了潛在的不同病理機制。 

　　主要結論 

　　這項研究基于多中心大樣本定義了穩(wěn)定可重復的AD亞型，為AD的異質性研究提供了新的視角，有望在未來利用它們?yōu)榕R床決策提供信息，為AD的精準診療和干預奠定理論基礎。  

　　中國科學院自動化研究所腦網絡組博士研究生陳品東和中國人民解放軍總醫(yī)院的姚洪祥副主任醫(yī)師為本文共同第一作者。北京郵電大學人工智能學院劉勇教授和中國人民解放軍總醫(yī)院周波副主任醫(yī)師為本文的共同通訊作者。阿姆斯特丹自由大學的Betty M. Tijms教授，齊魯醫(yī)院的王大偉博士、宋承遠博士，天津環(huán)湖醫(yī)院的周玉穎教授、韓彤博士、王盼博士，首都醫(yī)科大學宣武醫(yī)院的盧潔教授、韓瓔教授、楊宏偉博士，解放軍總醫(yī)院的張熙教授、張增強博士，北京航空航天大學博士研究生趙坤,天津醫(yī)科大學于春水教授，北京師范大學劉冰教授，中國科學院自動化研究所腦網絡組的蔣田仔研究員、樊令仲研究員及研究生康孝鵬、杜凱、曲怡達等對本研究亦有重要貢獻。 

　　本研究得到了國家自然科學基金、北京市自然科學基金和中央高校基本科研業(yè)務費專項資金等項目大力支持。 

　　參考文獻 

　　Chen et al., Four distinct subtypes of Alzheimer's disease d on resting-state connectivity biomarkers. Biological Psychiatry, 2022 

　　Jin D, et al.,. Grab-AD: Generalizability and reproducibility of altered brain activity and diagnostic classification in Alzheimer's Disease. Hum Brain Mapp. 2020;41(12):3379-3391.